OpenAI的GPT-6 Astra刚发布没几天，一段用它控制机械臂的视频就在社交平台炸了锅。有人惊呼"通用大模型要降维打击具身智能了"，机器人行业的饭碗还能保住吗？9月10日，2026外滩大会主论坛上，自变量机器人CEO王潜给出了一个冷静的回应：别急，这事没那么简单。
王潜的判断很明确——通用大模型对具身智能形成"降维打击"的可能性较小。他的逻辑链条是这样的：智能的本质在数据，不在模型本身。当前版本的大模型之所以能操控机械臂，是因为从去年年初开始，OpenAI和Anthropic就在大量采购机器人数据、招聘相关人才。换句话说，这些大模型已经"吃"过机器人数据了，表现出操控能力并不意外。
更关键的问题是：通用能力能不能自动迁移到物理世界？王潜的答案是不能。编程能力不会从对话能力中自然长出来，数学能力也不会跟着编程一起提升，两者在训练中甚至会相互干扰。视频生成做得再好，也不等于能控制机器人叠衣服。每一个领域都需要专门的数据生产、验证体系和硬件基础设施。OpenAI如果真想做具身智能，照样得建数据工厂、搭仿真环境、解决硬件问题——"那它就只是另一家具身智能公司而已"。
不过Astra也不是白来的。王潜承认，它至少证明了一件事：通用数据预训练对具身智能是有效的。过去行业里有人怀疑，在预训练阶段加入通用数据会不会帮倒忙，Astra给出了正面答案。对于正在做预训练的具身智能企业来说，这条路可以坚定地走下去。破壳机器人创始人许华哲也补充了一个有趣细节：Astra在语义和空间泛化上很强，能认出筷子、插进杯子，但涉及复杂物理接触就露馅了——挑东西、叠衣服这些精细活，还差火候。
说到底，具身智能的真正壁垒在数据而非模型。谁能搞定高质量的物理世界数据采集和验证体系，谁就有200到300天的领先窗口。通用大模型是"蒸馏器"，但蒸馏什么原料，还是得具身智能公司自己来种。
AI 生成 . DeepSeek | 搜索综合