GPT-6 Astra直接控制机器人成功率超垂直模型，2027年或重塑具身智能格局

事件概述

近期，以GPT-6 Astra为代表的前沿通用多模态大模型开始直接承担机器人动作控制任务，其表现显著优于预期，甚至超过部分专注于具身智能的垂直模型。这一趋势标志着具身智能（Embodied AI）的发展路径发生转变，从依赖专用VLA（视觉语言动作）模型转向利用通用大模型的能力外溢。OpenAI、Anthropic、谷歌及英伟达等科技巨头均在加速相关布局，业界普遍预测2027年将成为具身智能发展的关键分水岭，进而重塑行业估值逻辑与竞争格局。

核心信息

1. 前沿通用模型直接控制机器人的性能突破

• 基准测试表现： 英伟达研究团队复现显示，GPT-6 Astra在直接生成机器人动作（Direct Policy）时，基准测试成功率为66.3%；在结合Codex提供持续上下文与工具支持（Agentic Policy）后，成功率提升至74.8%。这一成绩超过了其他同类垂直具身模型。
• 指令适应性： 在智能体模式下，Astra对模糊指令与标准指令的任务成功率差异不大，显示出较强的日常场景适应能力。
• 技术跃升： Anthropic的研究指出，自Opus-4.5起，通用模型在具身任务上出现明显跃升；商汤机构研究也发现，增加执行预算可使Astra的成功率呈现“测试时扩展”趋势。

2. 科技巨头集体转向通用模型驱动具身智能

• OpenAI： 重建人形机器人实验室，大量采集数据并招募软硬件工程岗位，计划于明年发布演示，强调应用落地。
• Anthropic： 通过前沿红队（Frontier Red Team）评估Claude系列模型对宇树机器狗（Project Fetch）和大疆无人机（Project Pilot）的端到端操控能力，认为具身智能是前沿AI能力的自然外溢，无需专门训练。
• 谷歌DeepMind： 从RT模型系列切换至Gemini Robotics系列，将通用多模态能力用于机器人动作控制和具身推理。
• 英伟达： 宣布与Agile Robotics合作推出参考人形机器人Agile One SN，旨在为产业界提供标准化配置样板，降低开发门槛。

3. 当前局限性与业界分歧

• 技术瓶颈： GPT-6 Astra仍存在推理延迟高、Token成本高、高精度操作及双臂协同能力不足等问题。此外，模型往往局限于用户指令本身，可能忽视环境状态偏离预期的改变。
• 行业观点分化： 在IROS 2026会议上，业界对通用模型的影响形成三种判断：约1/3认为语言模型终将解决一切；多数务实派认为通用模型与具身模型将各司其职；另一部分人认为通用模型无法真正解决物理世界问题。

4. 价值分配改写与竞争格局变化

• 受益方： 算力基础设施、本体制造及灵巧手厂商可能受益；整合本体与前沿AI、提供具身Harness框架的企业成为新竞争方向。
• 垂直厂商挑战： 专注于具身智能大脑或垂直一体化路线的企业需重新寻找差异化优势，如获取通用模型难以触及的触觉/力学数据、特定行业工艺知识及真实场景验证闭环。
• 国内企业压力： 国内开源具身模型（如阿里Rynn、字节GR、智谱ZR-0等）主要沿专用路线推进，面临来自通用模型的性能压制。同时，DeepSeek等AGI导向厂商通过投资底层技术企业，也在积极布局具身智能领域。