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

Astra 把语言模型推进到动作接口

过去，大语言模型已经会做高层的语义理解和任务拆解；机器人真正执行时，通常还要依靠 VLA 等专用策略模型。陈哲把这个系统拆成几层：上层理解意图并规划步骤，中间层把任务转化为动作，底层才是电机、控制器和接触操作。VLA 或世界动作模型长期集中在中间层：已知要拿杯子或盘子后，怎样连续输出控制信号，把手臂带到可执行的位置。

节目认为 Astra 的不同之处在于，它不只给出任务说明，还能输出机械臂末端执行器应到达的位姿；后续由求解模块转换为关节控制信号。这个环节原本正是具身策略模型被寄予厚望的工作。陈哲提到，Google 在 2025 年初发布 Gemini Robotics 时，就同时给出了偏动作执行的版本和偏空间推理的版本；Anthropic 在 2026 年 7 月展示用语言模型调用机器人接口的研究，也让开源社区有了可复现的管线。Astra 发布后，社区很快把相同思路移植到新模型上，才让这条能力链条受到更广泛关注。

第二层的一个案例给出了较具体的对照：在十个 RobotDojo 任务中，节目所说的混合控制方案里，Astra 直接控制的成功率约为 26%；由它监督 π0.5 模型输出时，成功率约为 48%。该对照衡量的是成功率，而非速度。陈哲明确说，当下这些方法首先在探索能力边界和成功率，推理链路仍会带来更慢的响应。第三层则更接近研究自动化：模型能在 Blender 里搭建环境和物体属性，观察仿真反馈，再修改运动控制策略。访谈提到已有 real-to-sim-to-real 的早期尝试，但从仿真迁移到真机，尚没有足够显著的公开成果，投入也仍有限。

强项、短板与分层部署

陈哲把 Astra 显示出的能力归为三类：空间理解、复杂任务的推理，以及调用已抽象接口的能力。后者与编程相通：Isaac Gym、MuJoCo 一类仿真器有明确的软件接口，模型可以配置场景、读取反馈并调整策略。按照这一判断，通用模型在需要空间推理和面对陌生变化的任务上更有优势；例如物体颜色或位置变化时，过去一些 VLA 容易失效，而通用模型的泛化能力可能更好。

精细插拔、摩擦、形变或触觉反馈的接触任务，仍需要另一类能力。专用 VLA 往往拥有更多遥操作和后训练数据。时延也是现实约束：机器人在现场需要实时、高速地计算，云端可以处理容许一两秒等待的低频决策，却难以承担全部控制环路。陈哲因此倾向于分层系统，端侧保留本地、快速的模型，通用模型承担更慢、更高层的推理或监督。

VLA 仍可能承担必要的动作层，但未必由独立 VLA 公司来交付，这是陈哲担心的产业变化。通用模型公司未来可能把能力蒸馏到端侧，并把接口、调度和训练环境一起交付。对于独立公司，价值更可能留在通用模型不易获得的部分：触觉与力觉数据、可靠的本体与执行器、失败后的任务恢复、具体工艺约束，以及行业场景中持续积累的数据和合规经验。

规模优势来自数据、工具与训练环境

访谈把模型架构和数据放在同一张图里讨论。陈哲认为，VLA 更像根据图像和指令直接生成动作的直觉模型；世界动作模型以视频生成作为基础，因而能从通用视频中获得更多物理世界的规律，在泛化上可能强于 VLA，但仍以动作生成而非显式推理为核心。到了这一阶段，决定策略上限的未必只是模型名称，更是数据配比、清洗和处理方式，以及能否取得专有的高质量数据。

节目把资源规模列为通用模型公司的优势之一。陈哲估计，领先具身模型使用的 GPU 规模仍可能只是千级，而头部通用模型公司的算力是十万乃至百万级，二者相差数个量级；这是他对行业资源的判断。3D 素材、视频、音频、文本和机器人控制数据还可以服务于多个任务，采集与训练的成本能够分摊。陈哲也把具身数据服务看作阶段性生意：当一种数据已被模型充分学习，服务商需要转向更复杂或精度更高、模型尚不能自行解决的数据。

这套逻辑并不自动复制给创业公司。陈哲的一位前沿实验室朋友提醒他，建立在巨大数据和算力上的结论，对大多数创业团队并不成立。节目随后把差距落到具体能力上：多模态数据的匹配和清洗、稳定的大规模训练，以及可收敛的强化学习环境，都需要长期的基础设施积累。具身公司即使拥有自己的数据管线，也常借助通用模型处理数据，这让它们很难在同一环节形成天然优势。

世界模型公司的出口，和具身公司的位置

第二个被反复讨论的事件是 World Labs 与 AMD 的收购意向。节目中提到，双方公布的是尚待后续流程的安排，交易金额为 82 亿美元，并以股票作为对价。陈哲把 World Labs 归为 Neo Lab 和空间世界模型公司的代表：其 Atlas 模型擅长把多种输入融合为三维场景重建和视角生成，可用于游戏或机器人训练的仿真环境；按他的区分，它并不是负责语义推理和动作决策的模型。

World Labs 此前收购的 SynthX 被节目描述为从事机器人仿真验证和真机测试的团队。陈哲认为，这种组合可让空间重建、仿真和硬件部署形成 real-to-sim-to-real 的工作流，因此更接近具身研发的基础设施，而不是与 VLA 或世界动作模型直接竞争。对于 World Labs 为什么愿意被收购、AMD 为什么愿意买入，他只给出第三方推测：独立实验室在商业模式未明时仍需要大量算力和资源，AMD 则可能借此补充 Physical AI 的研究能力与战略位置。

收购意向也让两人谈到不同市场的条件。陈哲认为，美国有更深的长期资本和收购市场，技术公司即便独立尝试失败也可能获得收购报价；中国缺少同等规模的收购案例，世界模型公司可能更早面对独立生存和商业闭环的压力。他把收购视为可能的路径，企业仍会受技术、资金与市场条件影响。

对于做物理 AI 的公司，陈哲借智能汽车产业作类比：上有整机厂，下有芯片、雷达等核心部件，中间的方案商最容易同时被两端挤压。放到机器人上，通用模型可能占据更大的大脑层，硬件和行业落地又掌握实际部署，处在中间的模型公司便需要说明自己的接口、数据闭环或垂直能力为何不可替代。相反，通用模型若加快物理 AI 的落地，也会扩大本体、灵巧手、传感器、数据采集和行业实施的需求；被压缩的是价值分配比例，不必然是整个市场的绝对规模。

宇树上市后，市场用什么尺度衡量早期行业

宇树机器人上市是节目选择的第三件大事。主持人提到，其股价在上市后大幅波动；陈哲不愿用新股短期价格判断长期价值，而更看重解禁后长期机构投资者如何估值。节目援引其上半年财报称，收入为 11.52 亿元人民币，同比增长约 48%，同时人形机器人的出货占比提高。陈哲把这视为硬件公司价值仍在上升的证据：通用智能能力越快进入机器人，稳定、可靠、低成本的本体就越像研究和部署的基础设施。

他以宇树 9 月发布的 60 亿参数 VLA 模型为例，认为原厂做模型的重点未必是独占最强的大脑，而是把本体、开源模型和工具链串起来，降低用户完成完整任务的部署门槛和成本。这也是他看好本体公司的理由：即使通用模型提供更强的认知能力，更多真实硬件能用于测试和真机验证，本身就是训练能力的一部分。节目还提到灵巧手的需求增长；按陈哲的解释，更多灵巧手意味着可以并行测试更多场景，训练节奏也可能更快。

上市热潮带来的另一面，是早期技术行业与二级市场标准之间的错位。主持人在节目中转述，监管可能会更严格审视后续具身公司的可持续收入、技术突破和上市必要性。陈哲认为，行业尚早，要求企业立刻拥有持续、健康的收入乃至盈利，本身就很苛刻；但进入上市流程后，财务标准又无法绕开。他担心企业为了报表做财务包装，或为短期收入把资源投入传统自动化项目，从而分散本应用于解决通用能力的研发精力。这个判断针对的是激励结构，不是对任何具体公司的指控。

一次示范能否缩短部署

第四个主题是 in-context learning，也就是在不改变模型常规参数的情况下，把示范放进上下文，让模型据此完成新任务。它和语言模型里的提示词、one-shot 或 few-shot 有相通之处：给定第一视角或第三视角的视频，也可加上语言提示，机器人就尝试理解任务要求。过去把训练好的模型带到现场，常要用真机遥操作采集轨迹，再后训练数小时、数天甚至一周；访谈讨论的理想情况是，用一段几秒、几分钟或约一分钟的视频示范，让模型直接开始执行。

节目以 Generalist 的 Gen 1.5 和 Skild AI 的 S1 为例说明两种侧重点。前者报告的示范轨迹更短，大约三到十秒，并可接收带有关节信息的第一视角或机器人视角数据；后者更强调第三视角、长时序的视频，节目提到的案例可达十分钟。两者共同指向的不是单个原子动作，而是把已学过的抓取、旋钮等技能组织成长任务，例如打包或搬运。访谈所说的结果包括：一些训练分布之外的任务可以从一次示范中受益，长示范也可能帮助模型重组多个原子技能。

一次视频示范能否在不同机器人和场景中稳定奏效，仍需继续验证。陈哲提到，能力的出现一部分来自大规模预训练后的涌现，一部分来自针对示范条件的训练优化；不同模型依赖的输入形式和训练方法并不相同。它之所以受到中国市场关注，是因为当任务意图难以用文字准确描述时，视频示范可能比重新采集大量遥操作数据更快，也更接近实际部署所需要的沟通方式。

FCC 限制把供应链带进机器人竞争

第五件事来自政策。节目讨论了美国联邦通信委员会 FCC 在 7 月底对部分境外生产先进机器人的新授权限制。按照节目援引的公开说明，只要设备超过两公斤，具备移动、感知、联网和控制能力，就可能被纳入范围；因此影响的不只是人形和四足机器人，也可能涉及一部分割草机、扫地机和泳池机器人。节目还称，限制看的是生产地和关键零部件原产地，而非单纯的品牌国别。

节目认为，短期影响存在缓冲：若某型号在 7 月底前已取得 FCC 认证，且没有对主要软硬件做修改，仍可继续销售；新型号和改动后的型号面临更多不确定性。节目以宇树为例，称其当时主流型号已有认证。长期看，若企业想把制造转到美国，不只是末端组装，还需要相当比例的核心部件同样来自本土供应链。嘉宾据此认为，政策目标与短期产业现实之间存在张力。

陈哲没有把这类限制当作稳定不变的行业前提。他认为，中国制造业的供应商质量和密度来自电子和汽车产业多年的积累，短期政策难以立即改写；即使供应链布局发生调整，也需要较长时间。在具身智能的技术进展和政策环境都快速变化的阶段，硬件产地、核心部件与模型能力会一起决定产品能否被研发者和客户使用。

下一阶段要观察利润流向

陈哲预计，下一季度会出现更多由通用模型参与的机器人尝试：策略监督、自我迭代、仿真环境与资产生成，以及用 agentic 方法编排原子能力。他也预计，中国的基础模型公司和大型科技公司会更严肃地调整机器人团队和研究方法。

两人最后提出的问题是：通用智能继续增强后，机器人产业的稀缺性和利润会落到哪里？可能是通用模型公司，也可能是拥有本体、核心部件、训练数据、可靠部署或行业准入能力的公司。Astra 让这种分工变化更早进入现实讨论，但它在真实环境的速度、可靠性和容错表现，仍需要后续的真机部署来回答。