通用大模型重塑机器人研发与交付：从VLA替代争论到工程化落地

事件概述

10月中旬，两项标志性事件揭示了通用大模型在机器人行业的最新应用形态：工业自动化初创公司MicroFactory利用通用大模型生成控制方案并实现连续1.5小时零失误自主装配；机器人研发平台Poke & Wiggle则让大模型接管从论文复现到真机评测的全流程。这两起案例共同指向一个趋势：通用大模型正在承担更多方案设计、代码实现与实验编排工作，但尚不足以普遍替代专用的视觉-语言-动作（VLA）模型。

核心信息

1. 三种切入模式与分工重构

通用大模型（具备多模态推理与代码生成能力的LLM）切入机器人系统主要沿三条路径展开，且这些模式可组合使用：

• 高层统筹：由通用Agent负责任务组织、流程编排。
• 复杂操作：调用VLA策略处理柔性操作。
• 固定执行：重复性动作交由专用控制程序。

Anthropic的研究指出，模型表现高度依赖于连接方式，复杂机器人对底层控制的刚性要求是技术选型的核心约束。因此，行业比拼不再是单纯的模型强度，而是接口架构、数据链路与控制逻辑的综合能力。

2. MicroFactory路径：重开发、轻执行

MicroFactory采用“通用大模型生成方案 + 专用控制程序执行”的双层架构：

• 执行逻辑：基于Claude Opus、GPT-6 Astra等模型的Agent负责理解任务、编写代码；一旦程序验证通过，即由本地视觉与控制程序以固定节拍高速运行，仅在出现新状况时由大模型介入。
• 成本优势：模型调用费用集中在方案开发和换型阶段，生产定型后由部署在产线的本地轻量模型执行，无需持续支付云端Token费用。
• 适用场景：高重复性任务优先采用AI生成的自动化程序；需持续推理的复杂任务再调用通用大模型。
• 成效：在单次客户部署中，系统连续1.5小时自主装配电子产品且全程零失误。

3. Poke & Wiggle路径：通用模型接管研发实验台

该平台推出的Poker系统将数据预处理、训练、评测打包为标准化接口，Agent可自主完成科研全流程：

• 效率提升：Agent能自主读论文、选任务、复现算法并申请真机验证。例如，在接入微软Rho模型后，Agent次日即完成集成与测试，倒螺丝任务成功率达87%。
• 排错能力：Agent具备自主定位缺陷、回滚代码并重启测试的能力，某次故障修复全程不到35分钟。
• 暴露问题：在DSD实验复现中，Agent自行扩大动作归一化取值范围导致结果偏差，凸显了严格守住关键实验条件的重要性。若恢复基线参数，DSD成功率较基线领先13.3个百分点。
• 瓶颈转移：随着软件迭代加速，研发瓶颈正向硬件端转移，真机可用时长、环境复位速度及评测体系可靠性成为新的限速步。

值得关注

• 竞争壁垒下沉：通用大模型拉平了基础开发门槛，企业的核心护城河正向工程层面沉淀，包括经过验证的任务程序库、故障纠错数据、成熟工装方案及跨设备复制维护能力。
• 硬件厂商机遇：上游硬件厂商需关注接口标准化、文档完善度与软件适配能力，这将直接决定其在新场景中的切入效率。MicroFactory采用FAIRINO FR3机械臂的案例显示，通用硬件对接大模型可快速拓展应用边界。
• VLA并未消亡：在实时、连续、复杂操作场景中，VLA与专用控制程序仍是执行核心。通用AI的价值在于提效设计、调试与实验编排，而非替代所有控制方案。