---
title: "【招商机械】我 首发公众号：思维纪要社 们当前如何看待具身智能？ 1. GPT-Astra重大突破将重塑行业格局 9月，RoboDojo发表论文《An Unex"
topic_id: 82258244121454882
created_at: 2026-10-21T08:23:36.602+0800
source: zsxq
type: topic
cssclasses: zsxq-vault
---

# 【招商机械】我 首发公众号：思维纪要社 们当前如何看待具身智能？ 1. GPT-Astra重大突破将重塑行业格局 9月，RoboDojo发表论文《An Unex

- 序号：508
- 星球链接：[打开网页](https://wx.zsxq.com/group/15522451881222/topic/82258244121454882)
- 附件：图片 0，音频 0，文档 0
- 音频文件：_无音频_

## 图片

_无图片_

## 正文

【招商机械】我 首发公众号：思维纪要社 们当前如何看待具身智能？

1. GPT-Astra重大突破将重塑行业格局
9月，RoboDojo发表论文《An Unexpected Robot Policy》测试了Astra的42项机器人任务表现，达到了平均22.48%的成功率，这意味着通用模型已经能够将视觉观察和任务指令转化为具体动作，而不再只能告诉机器人应该做什么。更进一步，实验团队将Astra与π0.5结合后实现了48%的成功率，这带来了三个产业上的判断：
1️⃣机器人专用基础模型的竞争格局可能发生变化
2️⃣机器人训练的数据瓶颈有望部分缓解，但不会消失，对特定数据的质量提出更高要求
3️⃣机器人能力升级可能不再完全依赖机器人厂商自身的模型迭代

2. 具身智能的商业化还有多远？
10月，Hugging Face上的一篇综合测评论文《Has GPT-6-Astra Achieved Embodied Intelligence？》提出了一个重要的观点：Astra 已经在很大程度上跨越了具身能力门槛，但尚未达到实用具身智能水平。
我们认为Astra击穿了VLA的核心瓶颈，但是距离商用化还有四点障碍：
1️⃣实时性：模型调用次数多且每次调研耗时长，导致动作缓慢
2️⃣可靠性：理解任务与完成任务之间仍有GAP
3️⃣成本：推理调用的成本还需要下降
4️⃣安全性：需要建立执行错误的保护机制
但是，参考LLM模型的迭代速度，我们认为模型一旦击穿VLA界限后，将会开启快速迭代，未来1年有可能在提高任务正确率的基础上，实现效率的极大提升。再结合商业化所需的工程准备，我们觉得目前合理的商用时间大概在3-5年左右。

3. 利好哪些细分赛道？
1️⃣本体公司直接受益，特别是本身将小脑能力打磨较好的本体公司将直接受益，本体公司将更加聚焦具体的场景部署
2️⃣零部件公司受益于本体公司的出货，其中灵巧操作与智能传感部件将对提升模型运动能力产生关键影响
3️⃣数据行业会迎来需求上的爆发，但是对数据质量与特殊数据的要求会提升
4️⃣算力：模型训练、端侧部署、数据采集都离不开算力，算力算法数据将形成螺旋上升趋势。

4. 接下来我们需要期待什么？
1️⃣类似Anthropic等一线AI House的模型出现类似Astra的物理能力，形成头部集团，螺旋迭代
2️⃣模型本身在权威测评体系下不断进化，任务成功率与效率不断提升
3️⃣物理交互能力不断加强，这里可能会用到运动模型（类似π0.5）或者世界模型的技术，也会促进硬件的迭代
4️⃣数据采集的收敛与数据的Scaling
5️⃣关键场景的突破（类似LLM的Coding）

总结：Astra突破了机器人“知道该怎么做”（从inputs到action）的问题，下一步需要解决“如何快速、精准、低成本地把事情做成”（action优化），最后解决“有经济价值地把事情做成”（商业化落地）。

## 总体总结

主题正文
总结：Astra突破了机器人“知道该怎么做”（从inputs到action）的问题，下一步需要解决“如何快速、精准、低成本地把事情做成”（action优化），最后解决“有经济价值地把事情做成”（商业化落地）。