晨观时报讯，10月26日一早，中信证券一份计算机行业研报把"物理AI"四个字推到市场前台。报告标题直接给出判断：GPT-6 Astra进入机器人控制，物理AI迎来重大拐点。触发这份判断的，是近期英伟达、斯坦福等研究机构陆续把OpenAI的通用大模型往机器人控制链路里接。过去机器人大脑主要靠用动作数据训练出来的VLA、WAM等专用模型，把视觉和语言指令转化为动作；现在研究者想试试，通用模型已有的视觉理解、空间推理和任务规划能力，能不能替代一部分专用策略训练。
研报里的几组数字把这件事的两面性摆得很清楚。在英伟达Astranomy项目的RoboLab-120仿真基准上，Astra三种接入方案的成功率落在66.3%到74.8%之间；但表现最好的Agent工作流，每成功回合估算API成本达到36.40美元，是直接控制方案1.96美元的十几倍，平均单次推理延迟18.56秒，而专用动作模型的推理时间还在毫秒量级。中信证券的结论留了余地：展望2027年，通用模型进入具身任务领域会成为AI行业下一个投入方向，短期之内，通用模型和专用模型更可能分工协同，而不是谁替代谁。
三条路线：通用模型怎么接上机器人
中信证券在研报里把Astra参与机器人控制的方式归成三类。
一类是直接动作生成：模型根据视觉、语言和机器人状态直接提出动作目标，再交给底层控制器执行，验证的是通用知识能不能转化成物理动作。一类是监督专用策略：Astra负责检查、修正专用VLA或WAM给出的动作，专用模型继续承担具体执行，验证通用推理和专用控制怎么配合。还有一类是组织已有技能：Astra做任务分解、空间记忆和工具调用，把导航、抓取、放置这些现成技能编排起来完成复杂任务，重点在技能复用和长流程执行。三条路线并不互斥，Agent工作流既能辅助直接动作生成，也能用于技能编排。
学界已经跑通的样板是斯坦福和加州理工团队的HomeBody开源框架。据Singularity.Kiwi和We0等技术报道，这套框架把Astra放在高层规划器位置上，接一台宇树Unitree G1人形机器人，在完全陌生的厨房里完成跨区域整理。动手之前，G1先探索房间，在英伟达Isaac Sim里搭出实时数字孪生，再写入一份持久的空间记忆日志；接到"收拾厨房"这类模糊指令后，Astra把目标拆成一连串小动作，通过技能库调用抓取、导航、开关抽屉等底层原语，视觉反馈显示抓取失败时，模型重新评估画面、调整步骤、再发指令。
需要说清楚的一点是，HomeBody并不是让Astra直接控制每一个关节。导航、操作、感知、运动规划、重试和全身控制仍由低层机器人模块和预训练控制器承担，Astra负责的是System 2层面的规划与纠错。这种分层，也是目前多数研究方案的共同选择。
实验读数：规划很强，手上还不稳
把各家实验数据摊开看，Astra的强项和短板都很集中。
英伟达Astranomy在RoboLab-120仿真基准上的三组对照，中信证券研报披露：直接动作生成成功率66.3%，Agent工作流74.8%，监督专用策略66.5%。Agent方案成功率最高，代价是成本最高。
国内团队的对照实验更能说明分工逻辑。据澎湃新闻9月15日报道，银河通用创始人王鹤团队一名博士生9月12日在GitHub开源了《GPT 6 Astra as an Embodied Policy》研究，在RoboDojo双臂操控基准的10项任务上对比两种架构：Direct模式由Astra直接当策略，混合模式由π0.5先生成50步候选动作，Astra看画面、执行历史和候选轨迹，选择沿用π0.5输出还是修正末端位姿。结果混合模式成功率48%、平均分62.60，Direct模式成功率26%、平均分37.81。语义类任务——按语言分类、模仿排序、把9摆在7前面——π0.5几乎拿零分，混合架构把分数拉到38到53分；接触类任务里，搭塔、麻将杠牌Astra自己上手只拿到12分和0分。混合架构记录的token用量比独立控制减少44.8%，50条混合轨迹里Astra实际干预动作的比例只有14.4%，其余85.6%由π0.5完成。
10月21日挂到arXiv的一篇论文把评测做得更系统。南京大学、南洋理工大学、北京大学、中科院自动化所等团队的GPT-GEAR框架，跨五个操作基准跑了2000多次试验：Astra在RoboDojo上成功率26.92%，RoboTwin 2.0上76.0%；团队自建的几何约束基准LIBERO-GeoMotion里，零样本成功率只有11.1%。真机部署部分，简单的抓取放置可以完成，整体零样本成功率40%，部分约束任务直接失败，问题集中在不安全的抓取姿态、运动可行性和精密对齐上。
产业侧的测试口径偏乐观。36氪、澎湃新闻报道，10月22日杭州2026世界物理AI大会上，宇树科技创始人王兴兴透露，GPT-6已在宇树机器人上零训练部署，机器人靠提示词完成绘画、更换颜料、清洗画笔，还能识别棋盘下围棋、象棋，自主寻找厨房和工具。王兴兴也承认，大模型解决任务规划和导航问题已经比较顺手，真正动手操作仍容易出错——抓起一个物体不难，组装精密零部件难度大得多，机器人要根据物体位置和受力情况实时调整动作，模型在感知环境变化、纠正失误方面仍有明显不足。
视觉诊断类任务的进步幅度倒是很直观。据Singularity Moments 9月27日报道，在Epoch AI家具组装基准FAB上，Astra准确率80%，排在Claude Fable 5.1的70%和Claude Opus 5的61%之前；2025年11月这个基准的最好成绩还是Claude Opus 4.5的28%。但每张照片需要3分钟推理，只能当离线诊断用，撑不起实时交互。
成本与时延：真机落地的两道坎
研报点出的两个限制，比成功率数字更影响商业化判断。
时延是第一道。中信证券研报披露，英伟达测得Astra直接动作生成的平均单次推理延迟为18.56秒，而基准中专用动作模型的推理时间处于毫秒量级。机器人平衡、高频运动、接触力控这些环节要求闭环控制在毫秒到十毫秒级完成，18秒的反应窗口在动态环境里等于把人和障碍物都当成静止物体。
成本是第二道。Agent方案每成功回合API成本36.40美元，直接控制1.96美元，相差近18倍。一次收拾厨房的任务要经过几十个决策回合，按这个口径折算，单任务的模型调用费用就可能超过机器人本身的折旧。
真机部署还会撞上硬件瓶颈。Singularity Moments对HomeBody实验的记录显示，长时间整理任务中，Unitree G1的手指微型舵机在反复开关抽屉后过热降频，机械可靠性取代认知规划，成为物理执行里最先出问题的环节。另一类风险来自安全：视觉语言模型不经过安全约束策略层直接驱动电机，边缘场景下的视觉误读可能触发失控的肢体轨迹。
从工程角度看，中信证券研报的判断比较务实：目标明确、可以分阶段执行的抓取、放置和任务规划，通用模型有望减少一部分专项训练；全身平衡、精密接触和高频运动控制，专用模型和底层控制器仍然不可替代。与其让通用模型生成每一个动作，在关键节点调用通用模型做目标修正、技能选择和异常恢复，可能是更可行的方向，但这套方案的经济性还需要真机数据验证。
券商怎么看：2027年的投入方向
券商研报对这轮变化的解读，重点不在技术本身，而在产业链位置的重排。
中信证券认为，展望2027年，通用模型进入具身任务领域将成为AI行业的下一个投入方向。产业竞争的焦点，有望从单一模型性能转向数据效率、技能复用和部署成本：直接动作生成可能改变部分专用动作数据的需求，机器人本体信息、动作表示和执行反馈的权重上升；监督专用策略强化通用模型与高效专用动作模型的协同；组织已有技能则抬高技能库、空间记忆、仿真平台和部署工具链的价值。研报建议关注具备多源数据处理与动作转换能力的数据平台、具备通用认知与专用控制协同能力的模型及开发平台，以及能通过真实部署反馈持续优化系统效率的整机厂商。风险提示列得也很具体：动作精度与推理效率提升不及预期、通用模型与专用策略协同不及预期、仿真结果向真机迁移不及预期、机器人部署成本下降与商业化落地进度不及预期。
华泰证券同期研报的口径类似：物理AI正逐步走出概念阶段、进入落地环节，OpenAI等模型企业自研人形机器人有望加快这一进程，数据、模型、本体及零部件、应用全产业链都有望受益。金融界转载的研报内容引用Grand View Research预测，全球物理AI市场规模（含硬件、软件及服务）将由2025年约816亿美元增至2033年的9604亿美元，2026到2033年复合年增长率36.1%。数据环节的投入已经在加码：Figure AI 2025年9月推出"Go-Big"计划，联合Brookfield采集多场景第一人称视频；京东2026年4月提出动员最多60万人，两年内积累1000万小时真实场景视频数据。
模型公司自己也在往硬件走。据澎湃新闻报道，OpenAI自2025年2月起在旧金山设立机器人实验室，团队规模已超百人，2026年扩大了四倍多；2026年6月Sam Altman宣布成立OpenAI Robotics，明确表示一定会做人形机器人；Altman在9月的公开表态中进一步确认了自研人形机器人的方向。头部模型公司下场，是这轮"拐点"叙事里最直接的产业信号。
冷静看拐点：先分工，再谈替代
把研报、论文和产业活动放在一起，能读出一个比"拐点"更克制的版本。
这轮变化确认的是路线拐点：通用大模型在语义理解、视觉感知、任务规划上的泛化能力，确实可以迁移到机器人任务里，而且迁移效果在多个基准上得到重复验证。过去机器人每学一项新技能就要重新采集数据、训练策略的模式，开始出现松动的迹象。
但产品拐点还没有到。26.92%的RoboDojo成功率、11.1%的几何约束基准成功率、40%的真机零样本成功率，说明模型"想明白"和"做出来"之间还隔着动作精度、力控、安全和实时性几道坎。18.56秒的推理延迟、36.40美元的单回合成本，决定了现阶段Astra式的通用模型还进不了高频、高价值的生产工位。
商业化节奏上，短期更可能先在结构化场景落地：仓储分拣、固定工位的上下料、环境约束明确的服务任务，这些场景里规划复杂度高、动作重复度低，通用模型的泛化优势用得上，对实时性的要求又相对可控。家庭通用场景——整理房间、照料老人、灵活装配——还需要等时延、成本、硬件可靠性和安全标准一起过关。
王兴兴在杭州给出的判断是"快的话一两年，慢的话两三年"，这是从业者站在产业链前端的乐观口径；中信证券把投入方向的时间点放在2027年，措辞同样是展望而非定论。至少现阶段，通用模型给机器人补的是脑子，小脑和身体还要靠专用模型、底层控制器和本体厂商继续打磨。谁能把相同可靠性要求下的训练成本、适配成本、推理成本和人工接管成本持续压下来，谁才握得住这轮物理AI行情的门票。
