与陈哲的「具身季报26Q3」：Astra冲击后，通用模型会吃掉Robotics吗？

2026 年 9 月，OpenAI 发布 GPT-6 Astra 之后，开源社区用一两天就把这个模型接进了机器人测试管线。结果在一些公开基准上，它直接跑赢了专门为机器人任务训练的 VLA 模型。

RoboCurve 的测试里，「积木放进碗里」任务上，Astra 20 次成功 19 次，完成率是 Claude Fable 5.1 的 2.4 倍，单次调用成本约为后者的 43%。更精细的拼图插入任务，两者完成率同为 10%，Astra 成本更低。

这是「晚点聊」184 期节目的起点。主持人程曼祺请来 Alphaist Partners 创始合伙人陈哲，做 2026 Q3 的具身季报。陈哲刚跑完美国和欧洲一圈回来，带着 IROS 2026 的现场观察。这期聊了五件事：Astra 冲击、AMD 拟 82 亿美元收购 World Labs、宇树 IPO 的连锁反应、上下文学习带来的部署成本变化，以及美国 FCC 对中国机器人新型号的进口限制。

通用模型把手伸进了策略层 4:51

先交代原来的分工。机器人系统里，大语言模型通常只做高层的任务理解和拆解，下层交给 VLA 或者世界动作模型去执行，输出一串连续的电机控制信号。

Astra 多做了一步：直接输出机械臂末端执行器的位姿，再通过一个逆动力学模块，把末端位置转换成电机的控制信号。这一步以前被认为属于具身模型的地盘。

陈哲说，这个转变的信号其实更早就有。2025 年初 Google 发布 Gemini Robotics 时，一上来就发了两个版本，一个是 VLA，一个是上层的空间推理版本 ER。当时不少人奇怪，为什么发一个 VLA 还要单独出个 ER。Astra 出来之后，这个问题的答案才变清楚：在复杂的空间理解和推理上，通用语言模型本身就有很强的能力。

今年 7 月，Anthropic 发布 Claude Plays Robotics 研究，试的就是这个思路。用 Claude Opus 输出末端关节器的位置，通过反向动力学模块求解动作。那篇论文发出来后，开源社区很快搭好了测试管线。Astra 发布后一两天，社区就把同样的实验适配上去，发现成功率和准确率相比 Claude 有大幅提升。

在 RoboDojo 这个面向机器人操作策略的开放评测环境上，直接拿 Astra 当策略模型，成功率甚至超过了之前一些排名靠前的专用具身模型。RoboDojo 既包含仿真测试也包含真机测试，任务从抓放这种短动作到比较复杂的长程任务都有。

三种用法，最颠覆的是第三层 17:42

陈哲把 Astra 的影响分了三层，对产业的意义各不相同。

第一层，直接当策略模型，输出末端位姿，再反解成关节动作。这是最直观的一层，也是开源社区跑得最多的实验。

第二层，Astra 当监督者或者纠偏者。动作执行仍然由 VLA 负责，Astra 负责检查、校正 VLA 的输出质量。银河通用测试了 10 个 RoboDojo 任务，Astra 直接控制的成功率是 26%，改由 Astra 去控制 π0.5 模型输出，成功率提高到 48%。Astra 在挑出 VLA 生成的动作中不合理的部分，做出修正，最终结果更好。

第三层，陈哲认为这一层最让人头皮发麻：把 Astra 当成一个真正的机器人研究员。它可以调用 Blender 搭建仿真环境，生成物体和物体属性，自己调试、修改运动控制策略，独立完成策略建模、训练和优化的全过程。

他给这件事的名字是 Physical RSI，把递归自我改进从数字世界延伸到物理世界。现在已经有早期尝试。一些公司在做 real-to-sim-to-real 的路径：利用大模型的理解能力完成物理世界虚拟化，在 MuJoCo 这样的仿真环境里调试生成的资产，再把仿真里学到的策略部署到硬件上。公开的、效果显著的工作还不多，因为大部分资源仍然投在 VLA 和世界动作模型那条路上。陈哲预期 Q4 会有更多公开成果。

跟 Astra 直接比，VLA 的强项在哪里？陈哲说，空间推理和泛化能力，Astra 明显更强。VLA 模型以前经常被吐槽的场景是：把一个绿杯子换成红杯子，或者把物体位置挪一下，模型就不认识了。通用模型因为体量和训练方法，泛化性强得多。

VLA 保留的阵地是对物理精度要求高的动作。比如拔插一个精细的纽扣，需要处理摩擦、形变，这些动作在 VLA 里有专门的遥操作和后训练数据，而这类数据在语言模型里比较稀缺。

Astra 的能力从哪来，具身创业公司还剩下什么 26:54

Astra 在机器人任务上表现好，陈哲拆成三个能力：空间理解、复杂任务的逻辑推理、对抽象机器人接口的调用能力，也就是 coding。

空间理解的提升来自数据。他听到的消息是，OpenAI 在 5 月份雇了很多 Blender 的 artist，做了大量建模轨迹和数据标注。这也是为什么 Astra 在 Blender 生成上的能力突飞猛进。站在 AGI 的目标下看，所有模态的数据都需要被学习，3D 素材、视频、音频、文本、机器人控制数据，没有哪类数据是不能接入的。

通用模型公司的组织方式，做这件事有天然优势。一是成本可以被多个任务摊薄，二是它可以大规模搭建强化学习环境，Blender 恰好是一个容易验证结果的环境。相比之下，最领先的具身模型用到的 GPU 数量可能是千级水平，头部通用模型公司的算力在十万甚至百万级，差了两到三个量级。

具身数据公司会受什么影响？陈哲的观点是，数据生意都是阶段性的。Scale AI 从人脸识别、自动驾驶，到后来的语言模型，模态一直在变。只要 AI 今天还解决不了某类问题，就需要有人提供那类数据，等问题被学会，就需要更复杂、更高精度的数据。做数据的公司，谁有预算就服务谁。

具身创业公司呢？陈哲建议先停止争论 VLA 好还是 WAM 好。在超级智能面前，模型架构上的优化可能微不足道。真正要分清的是，哪些能力通用模型已经能提供，哪些能力必须自己去训练。

他给出的两个方向，一是做好接口，把自己变成可以被通用模型反复调用的工具；二是留住自己的闭环，可能是触觉、力觉信息，可能是具体工艺的约束，可能是硬件设备的可靠性、失败任务的恢复，可能是持续积累的任务相关数据。

还有一个类比来自智能汽车。这个产业至少分三层：主机厂、Tier 1 方案商、核心零部件。中间层的 Tier 1 如果不往两头走，会被两端挤压。具身智能可能遇到类似局面：如果你是一个具身大脑公司，比起通用大脑很小，在部署上又受限于硬件或者执行器的定价力，中间怎么找到价值闭环，是很多公司要思考的问题。

不过陈哲也给了另一面：通用模型的进展其实在加速物理 AI 的推进，整个市场的存量会被放大。物理 AI 到来的时间可能因为通用模型的进展而大大提前。

他讲了一个自动驾驶创业者的说法：自动驾驶发展了十多年，积累了大量 corner case 的 benchmark，比如前面有坐轮椅的老人横穿马路，前方有临时施工的交通锥。这些被反复验证了 10 年的测试，在 Astra 面前都灰飞烟灭。

没有见到神迹的人就是不会信的。

陈哲这么形容前沿实验室和传统机器人圈子的认知差。9 月底的 IROS 晚宴上，CMU 助理教授石冠亚做了一次现场 survey，问了在场一百多位研究者对 Astra 的看法。大概三分之一的人认为语言模型能解决所有问题，robotics is over。另一派则坚持通用模型永远解决不了机器人学的很多经典问题。最务实的一派是把大模型当工具，用来研究机器人专用问题。

对「算力大、速度慢，所以不适合实时响应」这个反驳，陈哲的回应是：从计算机发展史看，今天觉得很大算力的计算，只要找到对的方法总能优化，很难跟持续迭代的摩尔定律抗衡。以算力或速度作瓶颈否定大模型路线，长期可能会失望。

World Labs 的结局与 Neo Lab 的定价 45:17

第二个重要事件是 AMD 拟以 82 亿美元收购李飞飞的 World Labs。交易用股票完成，还没走完流程，但意向已经公布。World Labs 今年 2 月刚融了 10 亿美元。

先理清 World Labs 跟具身智能的关系。李飞飞给 World Labs 的定位是全模态空间智能模型，最核心的能力是 Atlas 这个模型，做空间重建和视角再生成，通过 3D 高斯泼溅的方法，把不同模态的输入融合，还原或者生成三维空间。陈哲说，更直观的理解是把它当成一个更好的生成模型，有点像可灵或者 Sora 那样的模型，只是生成的对象是可交互的 3D 甚至 4D 空间，而不是 2D 视频流。它本身不带语义理解或推理，更像是一个空间生成器。

今年 7 月 World Labs 还收购了 SceniX，一家做机器人仿真验证和真机测试的公司。两个公司结合，让 World Labs 生成的环境有了一个出口，可以做 real-to-sim-to-real 的闭环。

所以 World Labs 跟 VLA 或者世界动作模型不是竞争关系，更像上下游。它是具身智能公司的空间基础设施服务商之一。陈哲甚至认为，Astra 这类通用模型更强大之后，专注空间重建和仿真环境搭建的公司可能获得更大的价值。

为什么这个时间点卖？陈哲的第三方揣测是：对于李飞飞和 World Labs，持续探索前沿研究需要消耗大量算力和资源，独立实验室在没有明确商业模式的基础上很难支撑。AMD 能提供算力和资源。对于 AMD，今天讨论 AI 头部公司时基本不包含它，英伟达无论在 AI 还是物理 AI 都有很大贡献，也有 GEAR Lab 这样的研究实验室，AMD 缺这方面的口碑和资源。如果通过收购 World Labs 搭建一个顶级的物理 AI 研究团队，这笔交易对 AMD 很划算。

82 亿美元这个价格，陈哲认为它没有反映 World Labs 在业务上的直接贡献，但体现了一个万亿市值的头部公司愿意为战略付出的代价。它对其他 Neo Lab 的参考意义是：中短期来看，最好的出路可能是尽快找到一个大厂买身。

行业里一直有传闻 Anthropic 可能收购 Physical Intelligence。陈哲说这种谈判会很长，不奇怪，World Labs 这笔交易起了一个锚定作用。但只有第一个被买下的公司最有价值，后面会有窗口期问题。

国内会不会出现类似的收购？陈哲的判断比较直接：中国基本没有像样的收购案例，这些公司怎么退出，他也不知道。一方面没人愿意付这么高的价格，另一方面具身公司本身估值很高，被收购的可能性反而降低。他提到一个头部具身公司创业者的说法：公司已经融了 30 亿现金，但不怎么花，等着这一两年泡沫破碎后，用极低的价格去市场上收团队和公司。

宇树 IPO 与具身金钱游戏 56:24

宇树上市是这个季度最有实感的事件。上市当天开盘冲到 4400 多亿市值，随后大幅下跌，最低到 1700 多亿，相比开盘跌了约 60%，但相比发行价仍然上涨很多。

陈哲在上一季度预测过，宇树应该是一个 1000 亿市值的公司。对于 4400 亿的开盘价，他说没什么判断，也没什么感觉。新股上市流通盘里有很多短期炒作诉求，不能反映公司的长期价值。他关注的是明年 8 月科创板解禁后，长期机构投资人对公司价值的判断。

Astra 出来后，陈哲对宇树的判断反而增强了。通用智能加速，进一步强化了一个 solid 的本体公司或者硬件公司的价值。他用英伟达做类比：OpenAI 再发达，英伟达也是受益的，需求被极大放大。宇树也会把大量学术工作在自己的硬件上得到复现，形成生态，这一点跟英伟达很像。

2026 年上半年财报显示，宇树收入同比增长 48%，人形机器人出货占比大幅增加，销售费用 1.64 亿，受春晚营销投入影响。陈哲评价，从经营质量看，宇树是国内具身领域首屈一指的公司。

宇树自己还要不要做大模型？它上市募资里有 20 亿要投具身智能开发。陈哲说有价值。宇树 9 月发布的 6B 参数 VLA 模型，主要做桌面操作和全身移动操作，最大价值是作为原厂，把本体和开源具身模型的领先进展串起来，让用户用较低成本快速部署。这也是宇树长期会投入的方向：降低用它的硬件完成完整任务的难度和成本。

他之前有个观点，宇树的模型只要跟在第一梯队就行，不一定要引领。王兴兴在公众场合也一直不是特别激进的人，在大脑这件事上可能也是同样的态度。

宇树上市之后，正在排队的一批中国具身公司上市进度可能慢于预期。媒体报道监管在收紧，重点考察是否真的有可持续收入、技术突破、上市必要性。陈哲回顾，过去 12 个月是这个领域获得最多资本关注、甚至出现乱象的阶段。很多公司估值快速增高，是市场情绪和市场焦虑的体现。

他举了 2020、2021 年那一波机器人热的例子。当时送餐机器人领域的擎朗和普度，两家头部公司各自在一年内烧了 10 亿人民币，因为投资人希望快速获得市场份额，补贴烧钱是最直接的方法。低速配送领域也出现过类似的补贴竞争。

在行业早期追求持续健康的营收甚至盈利，本来就是一个不合理的指标。但一旦进入上市流程，大家就会用二级市场的标准来看。陈哲说这是一个错位。国家鼓励机器人行业，是希望行业长期有竞争力，二级上市是助力头部企业获得资源的手段，但如果把手段当唯一目的，用投机甚至炒作概念的方式包装公司快速上市套现，就本末倒置。

更危险的倾向是为了迎合收入需要，去做很多违反行业发展规律的收入。他用一个假设说明：如果今天回到 GPT-1、GPT-2 的阶段，你告诉 OpenAI 需要创造很多收入，它是不是会投入资源做各种 fine tune，让 GPT-1、GPT-2 也能赚钱？

其实最后你会发现，所有这些投入跟解决通用 AI 甚至解决 ChatGPT 而言，都是一个背道而驰的努力。

回到真实收入，陈哲认为如果通用智能是主赛道，具身智能的出路是通过通用智能更好地理解物理世界，那么很多真实收入其实会来自服务通用智能公司，无论是数据的方式还是硬件的方式。灵巧手公司、数据服务商、本体公司，都是这个方向。相反，拿大额融资去工厂做以前用传统 CV 方法就能解决的专机问题，跟通用智能的发展是背道而驰的。

他强调，要判断哪些业务跟通用智能和 scaling law 正相关，又不被它覆盖、不跟它直接竞争。做一个更好的通用人形机器人，把硬件、控制做得更稳定可靠、成本更低；做一个更通用的灵巧手，不像夹爪那样受物理限制；做一个更规模化、更自动的数据采集和训练方式。这些工作都跟智能发展的主线结合。

上下文学习，一个加速部署的好消息 1:11:21

第四个话题偏技术，是 Generalist 的 GEN-1.5 和 Skill AI 的 S1 两个模型展现的上下文学习能力，in-context learning，简称 ICL。

陈哲解释，ICL 有一个通俗的说法，就是提示词工程。GPT-3 时代发现，在已经训练好的模型上，通过少量文字样本就能教会它完成一个新任务，不改变模型参数，只把样本作为 prompt 或者 context 提供给它。

在具身模型上，ICL 的用法是：给模型看一段人工示教的视频，第一视角或者第三视角，模型就能快速学习并理解任务要求。以前要把一个训练好的模型部署到具体场景，需要用真机遥操作捕捉轨迹，再通过后训练把轨迹训进模型，改变参数，这个过程可能要几个小时、几天甚至一周。ICL 的方式，一段一分钟的视频示教，模型可能就学会具体任务怎么执行。

Generalist 和 Skill 的研究里有两个出人意料的发现。一是有很多任务是 out of distribution 的，训练集里没有出现过，示范一次也能学会。二是 ICL 适合做长序列的技能组合，单个原子技能在预训练里都出现过，但几分钟长的长序列涉及大量原子技能重组，这种能力也能比较好地教给模型。

两家公司的具体做法有区别。Generalist 的示范轨迹更短，报告里写的是 3 到 10 秒的动作，接受包含关节信息的机器人视角原始轨迹；Skill AI 更强调第三视角和长持续视角的视频输入，报告里给的例子是 10 分钟的视频，包含很多技巧组合，更强调 long horizon 的能力。这跟 Skill 更关注全身运控的公司基因有关。

ICL 为什么现在值得关注？陈哲说，在中国市场，大家对商业化有更高诉求。以前把一个预训练模型拿到场景里部署，工作量很大，因为你很难精准描述要做什么，也很难示范动作。现在有一个更简单的方法，一段第一视角或第三视角视频就能快速展示，项目推进的速度会大大提升。

这个季度还有两个模型进展。DYNA 2.1 在 9 月底发布，展示了一个完整的工作流：半人形机器人、全身控制策略、洗衣房工作流程。从模型角度不一定是最突破性的，但把整个架构从前期的规划、执行到反馈的链条怎么完成，做了比较细的工程阐述。

DYNA 2 发布时强调数据量，说使用了超过 100 万小时的 ego 数据。当时有一点争议，行业里一些朋友的反馈是，这么大的数据量上，scaling law 体现并不明显。陈哲的看法是，今天网络架构可能不是最关键的要素，更关键的是数据配比、清洗和处理。无论 VLA 还是世界动作模型，如果给同样质量、同样规模的数据，都有可能训出一样好的策略模型，这是行业逐渐形成的共识。

他提到自变量创始人王潜的一个分享：为了理解物理空间，OpenAI 和具身模型公司需要做的数据处理管线可能是一样的，所以具身公司没有额外优势。陈哲认同这个描述，但不认同结论。头部大模型公司在数据处理经验、算力、工具上更先进。今天很多具身模型公司在处理数据管线时，调用最聪明的大脑还是 GPT 和 Astra。而且 OpenAI、Anthropic 内部用的模型比公开版本更强，员工会提前几个月用到内部最强版本。

Google 7 月底发布了 Gemini Robotics 2，分为 ER 2、Robotics 2，还有一个在机器人本地运行的 on-device 模型。陈哲说 Google 在 VLA 和通用模型进入物理世界的研究上是领先行业的，这次用一个系统性方法、相对统一的架构，同时解决三个问题。

那为什么给行业带来震撼的是 OpenAI 而不是 Google？陈哲说，这跟 Google 的组织惯性、资源分布有关。Gemini 的基础模型在这个时间点不如 OpenAI 强，投入和决心也不如。他补了一个有点「暴论」的观察：团队越了解 robotics，越有机器人相关经验，其实会妨碍他们在通用模型上达到这个能力的尝试。真正碰过硬件的人，对物理世界的不确定性有很深的敬畏，这种敬畏会让他们对新方法产生本能的抵触。

他说，最懂 NLP 的那群人，一开始也是最反对语言模型、最不相信语言模型能 work 的那群人。Google 是所有硅谷大厂里最早、最深研究机器人的公司，有一群研究了十几年机器人问题的顶级人才。同时 Google 也是第一个发明 VLA 模型的公司，在这个路径上的投入也很深入。历史包袱多了，当需要为一个新方向投入相当的专注时，容易形成创新阻力。

而 frontier labs 做 robotics 的人，整体非常年轻。陈哲说，OpenAI 真正做这个领域的研究人员，年龄普遍比 Gemini Robotics 的同事年轻 5 到 10 岁，有些是 1999 年、2000 年出生的，PhD 刚毕业。

特斯拉那边，Optimus 三季度声音不多，量产时间和数字都在往后推。陈哲说 Q3 特斯拉最大的精力花在 robot taxi 上，很多人力是公用的。有人担心 robot taxi 和机器人操作之间的复用关系被通用模型削弱，陈哲的回答是 yes and no。VLA 和世界动作模型这条路线在加强自动驾驶和机器人操作的关系，自动驾驶背景的创业者是主要推动者。但通用模型的尺度完全不同，自动驾驶模型的参数量也是小几十 B 的规模，跟今天通用模型不在一个数量级上。

FCC 禁令与 Q4 展望 1:29:24

最后一个话题是 FCC 禁令。FCC 是美国联邦通信委员会，对在美国市场销售的商品，尤其是涉及无线通信、联网传感、远程控制能力的设备，有合规认证职责。这次它把境外生产的先进机器人纳入设备认证管辖范围，包括人形机器人、四足机器人等。

范围比想象中广。按公开说明，超过两公斤、具备移动感知、联网和控制能力的机器人都涉及。一部分割草机器人、扫地机器人也在范围内。这也是为什么政策出来后，包括一些支持限制的美国公司也提出申诉，认为范畴过广，一些美国公司都很难达到要求。

限制是按产地来的，还看核心零部件的原产国占比，现在有一个 65% 的比例。所以一个美国品牌，比如 iRobot，如果核心零部件超过 65% 在中国或者第三国生产，也会掉进限制范畴。波士顿动力是很有意思的例子：它是美国公司，但被现代收购后，大量生产制造放在韩国，也算外国生产组装，也在试图沟通豁免或者例外。

FCC 的核心目的是增强美国制造，让制造业回流。所以限制对象不只是中国。一些盟友国家在申请豁免，波士顿动力试图把友好国家生产的产能按一定比例折算成本土生产，这是一个议案，不是最终决定。

短期影响还好。禁令针对新的认证设备，7 月底之前已经获得认证的产品可以继续销售，前提是没有主要的软件和硬件修改，不能换关键零部件。以宇树为例，目前所有主流型号都拿到了 FCC 认证，G1、R1、H2、机器狗这几个型号都可以继续销售。宇树在 8 月招股书上也专门披露了这个风险，说新型号会出问题。

能不能把零部件拆开运到美国组装？陈哲说不行，按每个关键零部件的原产地计算，所有零件在中国生产、拆了到美国组装，还是百分之百中国生产的硬件，它看成分表。

长期解法可能是产能出海。宇树在招股书里也提到会思考美国本地产能的问题。如果在美国建厂，且用美国本土生产的核心零部件，就符合规定。这跟当年汽车厂商去海外建厂、宁德时代考虑去北美建厂的路径类似。

陈哲认为这类政策跟关税博弈一样，可能是短期或者动态的，很难想成特别长期稳定的产业政策。中国在制造业、供应商质量和密度上的优势，是十几二十年整个电子产业、汽车产业反复迭代形成的，很难靠短期限制性政策改变。如果真要产生变化，可能需要比较长的时间。

Q4 展望，陈哲给了几个方向。物理 RSI 肯定是重点，围绕通用模型在机器人领域的各种尝试会大量出现，策略监督、自我迭代、仿真环境搭建、仿真素材生成，还有用 agent 方法编排原子能力的机器人 agent 系统。

中国通用模型公司会越来越多进入具身研究或者具身市场。智谱、DeepSeek、Kimi 这些模型公司，还有字节 Seed 里的 robotics 团队、腾讯 Robotics X，这些小组可能会 reorg，以 general AI 为指引来做机器人。之前很多团队还是用很机器人的方法来做机器人的问题，现在是一个方法论的重塑，这么大的冲击下会出现巨大的组织调整。

ICL 也会有更多公司围绕它做工作，因为在中国市场，大家对部署、对商用有更高诉求，ICL 是一个比较容易出展示、出结果的方向。

陈哲说他期待看到大家仔细研究通用模型怎么系统性地提高机器人能力的上限。Astra 只是一个初步的尝试，给了一个思路，探索肯定还不充分，还有很多 surprise。

节目最后，程曼祺问陈哲，此刻有什么悬而未决但比较重要的问题。陈哲说：如果通用智能持续加强，机器人产业里的稀缺性和利润到底会涌向哪里？如果这个产业最终能赚很多钱，是被通用智能公司攫取绝大部分利润，还是被产业链上其他公司赚取？这个问题今天还没有答案。

整期听下来，陈哲的位置很清楚：通用模型会吃掉更多，物理 AI 公司的空间会被挤压，但物理 AI 本身的市场会被做得更大。他反复提到一个类比：四五年前深度强化学习冲击传统控制时，很多资深机器人学者同样不相信，觉得这条路走不通。今天所有人形机器人、机器狗的运控表现，恰恰是深度强化学习改写传统手写规则和 MPC 的结果。范式的冲击就这样发生，当时大家也都说，十年前就试过，没结果。

对从业者来说，这期留下的判断大概有两条。第一，再争论 VLA 好还是 WAM 好，边际价值在下降。更实在的问题是：哪些能力通用模型已经能