GPT-6 Astra发布之后，社交媒体上陆续出现用它控制机械臂和灵巧手的视频。筷子这种细小、需要机械臂贴近桌面调整姿态才能抓住的东西，它也能完成拿起、旋转、递送这一串动作。破壳机器人创始人许华哲在外滩大会的圆桌对话里说了一句很具体的评价，它认识桌面上的东西，也会往正确的位置走。这句话听起来像夸，但紧接着他跟了一句，GPT-6暂时还无法完成使用筷子拨动物体、堆叠盒子、折叠衣服这类涉及复杂物理接触的任务。

01

能抓起筷子，和真的懂筷子，中间隔着东西

许华哲团队的测试结果显示，GPT-6的语义和空间泛化能力较强，物理泛化能力相对较弱。过去的视觉语言模型只能让机器人移动到目标附近，然后开始无效动作。GPT-6能进一步完成抓取，这个进步是实打实的。但它还做不到真正理解物体如何受力和变化。许华哲把复杂物理交互称为具身智能公司的最后阵地，这个说法里的“最后”值得掂量，因为阵地前面已经没有多少缓冲地带了。

上海科技大学研究员石野的判断更直接。他说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，一些过去需要长期科研积累和专业训练才能完成的三维任务，现在借助GPT-6和少量工具就能做。他把GPT-6形容成一个能力很强的系统架构师，能拆解任务、组织系统、调用工具，但这套能力跟稳定执行物理任务是两回事。石野的原话是，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。

02

通用模型公司如果真进来，它也只是另一家具身公司

自变量机器人创始人王潜的看法跟其他人不太一样。他判断如果未来OpenAI、Anthropic这些公司进入具身智能，它们同样需要采集物理世界数据，建立仿真和评价系统，处理硬件问题。王潜的结论是，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。这句话把通用模型公司的入场门槛说清楚了，数据、仿真、硬件这三样东西不会因为你有GPT-6就自动消失。

王潜还提了一个部署层面的现实问题。机器人需要实时响应，算力、功耗、延迟和成本必须跟创造的价值匹配。规模庞大的云端模型没法直接以合理的速度和成本部署到机器人上，行业仍然需要针对具身任务训练更高效的专业模型。不过他也承认GPT-6带来的一个积极信号，大规模预训练依然有效，在机器人数据之外加入通用数据，至少能给具身模型带来能力增益。

03

窗口期一到两年，这个时间表不是吓唬人

极佳视界联合创始人朱政在外滩大会上说，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。他观察到过去大型基础模型团队通常把语言模型和多模态模型分成两条路线走，现在两者出现合流趋势。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。朱政的判断是，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，必须在一到两年之内兑现大众对它们的期望。

上海蚂蚁灵波科技首席科学家沈宇军的态度相对乐观，但他反驳的目标很具体。他说现在行业里很多声音集中在两种论调上，要么认为具身会被数字世界模型降维打击，要么认为只要攒一波物理世界的数据、复刻通用模型的训练方式就能训出具身模型。沈宇军认为这两类声音都不成立。他觉得行业现在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，实际应用还要综合考虑硬件、系统和商业逻辑。

04

底层技能和上层模型正在分家

苏度科技联合创始人韩铮提出了一个分工框架。他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、抽象推理和拆解任务，底层模型负责抓取、移动、插接这些具体操作。韩铮强调具身智能公司跟上层模型衔接时必须同时解决泛化性和高成功率问题，不能只有泛化性但成功率不高，否则上层模型规划得再好，实际执行也会失效。他举了团队此前的演示例子，上层模型通过语言交互理解环境和抽象指令，再把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。

忆生科技联合创始人杨言超更关注世界模型跟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已经能实现世界模型的一些重要功能，如果世界模型能调用GPT-6完成它擅长的任务，并在过程中形成记忆、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。许华哲也设想过把具身模型接入类似Codex的智能体运行环境，把通用模型和机器人的专业能力串起来。

沈宇军还提了一个容易被忽略的反向影响。如果机器人进入家庭、工厂和公共空间，它们会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，让云端模型不再只是被动回答问题，而是能根据现实环境的变化调整跟人的交互方式。这个判断把具身智能公司从被冲击的位置挪到了一个可能反哺通用模型的位置上，但前提是它们得先活到那一天。