当GPT-6 能让机器人拿起筷子，留给具身模型的窗口期还剩多久？

当通用大模型开始理解三维环境、拆解操作任务甚至控制机器人，具身智能公司会不会遭遇“降维打击”？GPT-6 Astra近期发布后，社交媒体上陆续出现用它控制机械臂、灵巧手完成操作任务的视频。这无疑对具身模型、世界模型的创业者提出了挑战，未来伴随着大模型能力的不断提升，它是不是直接可以覆盖其它模型的能力？单独打造具身模型乃至世界模型是不是再无必要？这是很多具身智能、世界模型创业者不得不面对的现实问题。

在9月10日至12日举行的2026 Inclusion·外滩大会期间，多位相关领域创业者对这一问题作出回应。综合来看，大家觉得现在具身模型的优势尚存，但窗口期有限，也可能只有一两年。

四位具身创业者对于GPT6对于具身的影响态度不一。

复杂物理交互仍是具身智能公司的最后阵地

“Astra确实非常惊艳。”GPT-6 Astra开放后，破壳机器人进行了测试。该公司创始人许华哲在外滩大会开幕式的圆桌对话中透露，测试结果显示，GPT-6的语义和空间泛化能力较强，但物理泛化能力相对较弱。

过去，视觉语言模型只能让机器人移动到目标附近，随后便开始无效动作；但GPT-6能进一步完成抓取。即使面对筷子这类细小、需要机械臂贴近桌面调整姿态才能抓住的物体，它也能完成拿起、旋转和递送。“它认识桌面上的东西，也会往正确的位置走。”许华哲说。但GPT-6暂时还无法完成使用筷子拨动物体、堆叠盒子、折叠衣服等涉及复杂物理接触的任务。许华哲认为，通用模型已经可以解决一部分“看见什么”、“东西在哪里”、“怎样靠近并抓住”的问题，但不等于真正理解物体如何受力和变化，复杂物理交互仍是具身智能公司的“最后阵地”。

上海科技大学研究员、助理教授，YesAI实验室负责人、瞬适科技创始人石野在世界模型分论坛的圆桌对话中也表示，GPT-6在三维视觉领域的表现给学术界和产业界带来了明显冲击。过去一些需要长期科研积累和专业训练才能完成的三维任务，现在可能借助GPT-6和少量工具完成。

具身智能涉及数据、本体、预训练和后训练等多个环节。石野认为，GPT或其他智能体工具可以提高这条链路的效率和自动化程度，但从控制机械臂完成简单任务，到真正像人一样理解物理世界，仍有距离。

“它更多体现的是工具调用，并不是真的像人一样理解并执行这个过程。”石野将GPT-6形容为一名能力很强的“系统架构师”：它能够拆解任务、组织系统和调用工具，却不等于已经掌握了稳定执行物理任务的能力。

自变量机器人公司创始人兼首席执行官王潜判断，如果未来OpenAI、Anthropic等通用模型公司进入具身智能，它们同样需要采集物理世界数据，建立仿真和评价系统，并处理硬件问题。“如果还是要做这些事情，它其实只是另外一个具身智能公司。”

通用模型还面临部署限制。机器人需要实时响应，算力、功耗、延迟和成本必须与创造的价值相匹配。规模庞大的云端模型难以直接以合理的速度和成本部署到机器人上，行业仍需要针对具身任务训练更高效的专业模型。

在王潜看来，GPT-6带来的积极启示是，大规模预训练依然有效。Astra的表现说明，在机器人数据之外加入通用数据，至少可以给具身模型带来能力增益。具身智能公司不应因此放弃预训练，而应继续建设数据、评价和训练基础设施。

圆桌论坛“世界模型是AI走向物理世界的新大陆吗？

上层模型与底层技能或进一步分工

在创业者看来，通用大语言模型和具身模型、世界模型并非对立关系。

苏度科技联合创始人兼CEO韩铮认为，未来机器人的上层能力与底层技能可能形成更明确的分工：通用模型负责理解环境、进行抽象推理和拆解任务，底层模型负责抓取、移动、插接等具体操作。

韩铮表示，具身智能公司与上层模型衔接时，必须同时解决泛化性和高成功率问题。“不能只有一些泛化性，但成功率不高”，否则上层模型规划得再好，也会在实际执行中失效。

他以团队此前的演示为例：上层模型通过语言交互理解周围环境、物体和抽象指令，再将指令拆解成操作步骤；要完成整个任务，底层技能必须在对象和环境发生变化后依然可靠。仅仅扩大可以处理的对象范围，却不能稳定完成动作，仍会导致任务失败。

忆生科技联合创始人兼CTO杨言超更关注世界模型与GPT-6的协作。他认为，世界模型不仅要具备预测和理解能力，还要形成记忆，并基于记忆持续学习新任务。GPT-6已经能够实现世界模型的一些重要功能；如果世界模型能够调用GPT-6完成其擅长的任务，并在这一过程中形成记忆、持续强化自身，就可能更接近具备预测、理解、记忆和持续学习能力的物理智能体。

许华哲设想，未来或许可以把具身模型接入类似Codex或其他智能体运行环境，将通用模型与机器人的专业能力串联起来。

创业公司的窗口期或只有一到两年

但创业者们的压力明显是增加了。

极佳视界联合创始人、首席科学家朱政认为，GPT-6以及语言模型公司的进展，给具身智能和世界模型行业带来的“启发和震撼非常直接”。

过去，大型基础模型团队通常将语言模型和多模态模型分为两条路线，现在两者正出现合流趋势。如果大型模型公司进一步组建具身智能或世界模型团队，部分相关能力可能被纳入通用模型体系。朱政认为，语言模型公司拥有人才和资源优势，进入具身智能或世界模型领域并不存在太大的能力鸿沟。

他判断，单纯留给纯世界模型公司或者具身智能公司的时间窗口不会很长，必须在短暂的一到两年之内兑现大众对它们的期望。

上海蚂蚁灵波科技有限公司首席科学家沈宇军的态度则相对乐观。他指出，现在行业内很多声音集中在，具身要么会被现在的数字世界模型“降维打击”，要么只需积累一批物理世界数据、复刻通用模型的训练方式，就能训练出具身模型，“好像攒一波物理世界的数据，按照之前的训练方式，就可以训出一个具身的模型。”在他看来，这类声音并不成立。

他觉得现在行业低估了具身智能作为复杂系统工程的难度，却可能高估了训练模型技术本身。模型能力只是机器人落地的一环，实际应用还需要综合考虑硬件、系统以及商业逻辑。

沈宇军判断，具身智能可能沿着与数字模型相似的发展模式前进，但一定不会走相同的技术路线。这种影响也可能是双向的。沈宇军认为，如果机器人进入家庭、工厂和公共空间，它们将持续产生关于物理世界的新数据。这些数据可能成为下一代通用大模型的训练语料，使云端模型不再只是被动回答问题，而能根据现实环境的变化调整与人的交互方式。

澎湃新闻记者 喻琰