GPT-6越强，机器人本体越值钱

十月底的两场大会，把具身智能行业架在了火上烤。

10月22日，王兴兴在2026世界物理AI大会上说，物理AI已看到被GPT-6击穿的苗头，但还要一到三年。一周后，10月29日，智元创新日上，GPT-6 Astra被反复追问：基础模型这么强，具身公司自研的大脑还有没有价值？

市场担心的是，本体沦为代工硬件。智元联合创始人、总裁兼CTO彭志辉（稚晖君）的回答恰恰相反：大模型越强，本体越重要。

这不是嘴硬。拆开看，这是一场关于未来两三年具身智能话语权分配的关键辩论——而且两边头部公司，说出了同一个答案。

🚨 一次发布会引发的生存焦虑

焦虑来得并不冤枉。

GPT-6 Astra被证明可以直接控制机器人完成一些操作任务。这意味着什么？过去具身公司的核心叙事是"我们有大模型大脑"，现在基模公司伸手就把这层拿走了。如果智能层被通吃，本体会不会退化成富士康式的代工生意？

姚卯青在主论坛上引用英伟达的报告给了一个锚点：Astra在120项仿真任务里平均成功率66.3%，能力集中在语义理解和动作规划。

数字不差，但另一组数字更关键：Astra单次推理要18秒以上；涉及力触反馈的高动态精细动作，智元实测成功率基本为零；近万亿参数跑在云端，完成一个简单任务可能要十几分钟甚至半小时——而机器人的操作是实时的。

一句话总结：想得动，碰不了，等不起。

但彭志辉自己也承认，参数规模和云端推理带来的慢，是有解的——分层设计、模型蒸馏、缓存系统。问题如果先被大模型公司解掉，焦虑就不是焦虑，而是现实。

这场辩论的窗口期，就藏在这个"如果"里。

🧠 两条路，同一个终点

彭志辉的推演值得逐字读，因为它只分两种情况，却把两头都堵死了。

情况一：通用基模真的覆盖了具身能力。大家拿到同样的智能，比拼的就是谁能以更低成本、更高可靠性把它装进真实世界。规模化本体厂商占优。

情况二：基模做不到真正泛化，各垂域还要训练自己的模型。训练数据从部署中来，部署靠本体。本体厂商依然占优。

两条路通向同一个结论。这不是乐观主义，是结构判断。

姚卯青的架构描述补上了细节：大模型更多承担System2的长程规划，VLA训练出的技能是被它调用的工具，再往下是100到1000Hz的实时电机控制——这几层都和本体深度耦合。

看这张闭环图就明白了：智能不是从上往下单向灌注的，数据要从本体的每一次接触里流回来。模型离本体越远，这条数据闭环就越慢、越贵。

一个参照系是彭志辉自己给出的：不做模型的公司，会像传统自动驾驶方案商一样，被自研模型的主机厂取代。所以他给模型的定性是——必选题。不做，出局；只做模型，也不够。

🔧 万台下线，不是物理AI的胜利

推演要落地，得看交付能力。

智元的成绩单是这样的：2025年出货5000多台，按Omdia数据占全球40%；2026年上半年出货9700台，Counterpoint统计份额超过43%。9月，第20000台机器人下线，上半年收入接近20亿元。

表格放在这里更直观：

但真正值钱的不是出货量，是那台100台真机组成的训练网络：真机组网与背后训练集群实时同步，机器人边干活边回传数据，模型权重再下发到每一台。同样的训练时长，4台机器人和100台机器人对比，任务成功率从50%左右提到98%。

姚卯青的说法很锋利：后训练也有Scaling，规模指的就是真机台数。

这句话是全文的技术要害。大语言模型的Scaling Law堆的是GPU，具身智能的后训练堆的是真机。GPU有钱就能买，真机+部署+数据闭环，是有钱也买不到的资产。这条路，纯模型公司很难复制。

也难怪彭志辉在群访里自己给数字降温："万台下线只是制造业的胜利，万台能够上岗才是物理AI的胜利。"

头部公司亲口说这话，分量比任何分析师报告都重。

⚠️ 王兴兴的证词：还要过两年苦日子

比彭志辉更早一周，王兴兴已经把行业的天花板说透了。

在宇树上市两个月来最大的一场秀——3000多名嘉宾到场的世界物理AI大会上，他做了题为《相信，尽可能相信AI》的演讲。四句话拆开看，句句是瓶颈：

第一，时间。"随着GPT-6的发布，目前物理AI已经看到被击穿的苗头，很可能最近1-2年或2-3年。"

第二，能力。"具身智能迈过ChatGPT时刻最核心挑战，是AI模型的输入输出和真实机器人的对齐。大模型可以进行规划和导航，但没有解决物理接触之后的问题。"

第三，边界。"在商业服务的落地，会比家庭、工业领域更快一些。"

第四，也是最扎的一句："全世界几乎所有人，对AI的重视程度和信仰都还不够，包括他自己。"

这四句话拼起来就是：模型管"想"，管不了"碰"；家庭和工业这些被寄予厚望的场景往后排；当下够得着的只有商业服务这类容错高的场景。

这话从别人嘴里说出来是预测，从王兴兴嘴里说出来是证词。宇树是人形机器人出货量全球第一的公司，2025年市占约32.4%，G1一款累计下线1到2万台，是全行业极少数赚钱的玩家。

经纬创投管理合伙人王华东——宇树2021年B1轮独家领投方——在《详谈》里印证过这个地位的分量：2024年3月他走进硅谷一家机器人实验室，里面8台宇树的机器人，其他品牌基本是坏的，只有宇树的能用。用他的话说，国内能在一个领域做到全球绝对领先的公司，大疆算一家，宇树算一家。

连行业里做得最好、最能赚钱的那家公司都说商业化还要好几年——这就是整个行业接下来两年苦日子的起点。

痛点和解法，其实双方发言里已经摆出来了：

📊 格局推演：窗口期只有一到三年

把两边的判断拼在一起，竞争格局就清晰了。

王兴兴说击穿有一到三年的苗头期，彭志辉的推演说无论击穿与否本体都重要——这两句话的交集，定义了未来两三年的胜负手：在物理AI被击穿之前，谁能把真机部署规模和数据闭环跑起来，谁就能在击穿之后拿到最大的智能底座。

基模大厂（以Astra为代表）技术上限最高，但缺本体、缺部署、缺数据回流管道，商业价值暂时卡在半空；纯具身模型公司两头不靠——按彭志辉的说法，会重演自动驾驶方案商被主机厂取代的剧本；传统代工本体厂门槛低，击穿之后第一个被挤压的就是它们。

而智元和宇树这类"本体+模型+部署"全栈玩家，恰好站在领跑者象限。值得注意的是两家策略差异：智元两条腿走路，GO-3 Preview是目前行业发布的参数量最大的具身模型，在RoboDojo等三个评测榜单登顶，同时拿Astra当底座做运动智能的自进化智能体；宇树则先把本体可靠性和成本做到全球绝对领先，等物理AI击穿。

时间表会一直往前拨，但瓶颈始终没动——对齐问题，只能在真实世界的部署里解。

小结

GPT-6 Astra的出现，没有淘汰具身公司，反而把行业的评价体系换了一遍：过去比谁的大脑听起来聪明，现在比谁的身体干得多、数据回得快。

稚晖君的"两条路同一结论"和王兴兴的"还要好几年"，看似一个乐观一个悲观，其实是同一枚硬币：正因击穿还要一到三年，真机部署的窗口期才如此值钱；正因击穿终会到来，没有数据闭环的玩家才会出局。

接下来两年，看报表里的出货量，更要看那几组数字之外的东西——多少台机器人在真实岗位上回传数据。万台能够上岗之日，才是物理AI真正开始之时。