银河通用实测GPT-6 Astra之后，中国具身智能应该看什么？

　　桌面上散落着一组数字木块，机器人需要理解数字大小，把它们从左到右排列成尽可能大的数字，并调整好每块木块的方向。

　　这道题看起来不复杂，但对靠模仿轨迹训练的具身模型却很难。机器人不仅要复现动作，还要记住刚才的顺序，理解数字大小，最后才是伸手摆放——它得先想清楚，再把想法变成动作。

　　OpenAI最新发布的GPT-6 Astra，在这类任务中展现出了明显不同的能力。一份由中国团队完成的第三方评测，把Astra放进机器人仿真环境，测试它能否理解任务、操控机械臂，以及在失败后自行恢复。

　　报告很快在GitHub公开，而完成这项评测的团队中，就有银河通用的研究员。

　　为什么是银河通用率先发现？

　　9月12日，技术报告《GPT-6 Astra as an Embodied Policy》开源。公开作者信息显示，银河通用研究员苏佳奕为共同第一作者之一，张直政和王鹤为通讯作者。

　　从GPT-6 Astra发布到报告公开，前后不到两周。短时间内完成任务选择、实验对齐、轨迹评估和报告整理，靠的不只是反应速度——评测环境、控制工具和数据分析方法必须提前建好，新模型发布后才能迅速接入。

　　这正是银河通用此次值得关注的地方。外界通常通过机器人本体和应用案例认识一家具身智能企业，仿真评测体系却不容易被看见。它像埋在水下的基础设施，平时负责训练、验证和寻找模型边界，等到新模型出现，才显示出价值。

　　需要说明的是，这不是OpenAI官方评测。报告是在RoboDojo和RoboLab仿真环境中完成的第三方实验，结果反映的是特定任务、特定设置下的模型表现，不能直接外推到所有机器人和现实场景。

　　报告把GPT-6 Astra放在两种模式里测试。一种是Direct模式，由Astra直接生成机械臂末端动作;另一种是混合模式，先由具身模型π₀.₅提出动作，再让GPT-6判断是否需要纠偏。

　　在RoboDojo选取的10项双臂任务中，混合模式获得48%的成功率，GPT-6AstraDirect为26%。这组结果说明，通用大模型擅长理解目标和判断对错，具身模型则提供更接近物理交互的动作经验，两者配合比让GPT单独完成所有动作更稳定。

　　更吸引眼球的是RoboLab补充实验。报告选取10项单臂Franka任务，每项测试5次。在这个特定的零样本任务子集里，GPT-6AstraDirect在50次测试中成功49次，混合模式成功46次，π₀.₅成功18次。

　　49/50是一个很强的结果，但边界也要写清楚：它来自报告选定的RoboLab任务子集，任务以语义识别、抓取和放置为主，不等于GPT-6在所有陌生机器人任务上都达到98%的成功率。

　　真正值得注意的，是它在语义理解和失败恢复上的表现。机器人能按语言区分目标物，记住排序要求，也能在发现任务未完成后回头检查。这说明通用大模型正在把数字世界里的推理、视觉理解和纠错能力带进物理任务。

　　能完成任务，不等于能把活干好

　　成绩亮眼，不代表机器人已经可以直接由超大模型接管。

　　报告显示，涉及搭塔、杠牌等精细接触任务时，GPT-6 Astra Direct表现明显下降。理解“要做什么”和稳定完成动作是两回事：前者依赖语义和视觉判断，后者还涉及力控、接触稳定性、实时反馈和本体性能。

　　仿真环境与真实世界还有一个关键差异。该评测按控制回合运行，模型返回动作之前，仿真环境无需像真实流水线一样持续推进;报告统计的物理执行时长也不包含模型响应延迟。但工厂里的流水线，不会停下来等云端回复。

　　按照此次评测采用的云端调用方式，GPT-6 Astra尚未体现直接端侧部署能力，进入真实产线还要面对响应延迟、网络稳定性和推理成本等问题。

　　因此，这次评测给出的结论更接近“强，但不完整”：GPT-6在任务理解和陌生场景泛化上显示出优势，动作质量、实时控制和端侧部署仍要依靠具身模型、本体系统和工程优化。

　　据业内人士估算，OpenAI自2025年起通过数据采集渠道购买的具身数据可能达到千万小时量级，相关数据与算力投入可能达到百亿元人民币级别。这不是 OpenAI 官方披露的数据，但多个信源交叉印证了同一个方向：OpenAI 在2025年初于旧金山悄悄搭建了人形机器人实验室，最初雇用约100名数据采集员，通过远程操控机械臂执行叠衣服等任务;到2026年，实验室规模已扩大四倍多。9月3日，山姆・奥特曼公开确认OpenAI正在做人形机器人，招聘页面上同时开放了19个机器人相关岗位，其中至少4个聚焦执行器 —— 这是一家公司要做硬件、而不只是做模型的信号。

　　资本的下注更加直接。Figure AI 在2025年9月完成超10亿美元C轮融资，估值从一年前的26亿美元飙升至390亿美元，成为全球估值最高的人形机器人公司。2026年9月，Figure AI又承诺投入35亿美元租用算力，与Nscale合作获取最多10万GPU。具身智能模型公司 Physical Intelligence 在 2025年11月完成6亿美元融资后估值达56亿美元，后续报道显示其估值已进一步冲到110亿美元。

　　这些数字放在一起，勾勒出的是一种“用资本密度买时间”的竞争方式：美国公司在模型、数据、算力和本体上同时重兵投入，试图把大模型时代积累的能力，平移到物理世界。

　　中国的胜负手，不只是更大的模型

　　面对这样的投入规模，中国首先要补长期投入，但不能只学对方堆算力、买数据。

　　具身智能同时涉及大脑模型、运动控制、本体硬件和真机数据，任何一环短缺都会影响最终表现。2026年的政府工作报告提出建立未来产业投入增长和风险分担机制，相关政策也在推动国有企业开放真实场景，让耐心资本承担更长周期的研发风险。

　　更关键的是，要把中国的制造业场景真正用起来。

　　在西门子数控(南京)有限公司电子工厂，银河通用重载机器人已经进入表面贴装生产线，承担主板搬运工作。据央视财经报道，该产线每月需要搬运的主板总重量约18万公斤。机器人可承载50公斤负载，并通过动态环境感知识别物料位置变化，在真实车间中连续作业。

　　传统定制化AGV也能搬运物料，但往往需要增加控制逻辑、定位设施和硬件投入，适用任务相对固定。西门子南京工厂相关负责人认为，人形机器人无需大幅改造现有设备，同时保留扩展更多技能的可能性。

　　这个案例把中国的场景优势说得很具体。机器人完成一次动作，只能证明技术可行;在既有产线中持续运行，才会形成关于光线变化、物料偏移、人员干扰和设备磨损的真实数据。这些数据再回流模型，才能推动下一轮迭代。

　　银河通用与宁德时代的合作，又把这条路径向规模化推进了一步。2026年3月，GalbotS1通过宁德时代产线验收，随后在模组与电池包生产环节开展7×24小时常态化作业，并从试点逐步扩展到近百台部署。

　　西门子检验的是机器人能否进入复杂的既有工厂，宁德时代检验的是同一套能力能否长期运行、批量复制。中国要对冲海外巨头的高投入，不能只比模型参数，更要把硬件、数据、模型和应用连成闭环。

　　而这个闭环长什么样，银河通用恰好提供了一个观察样本。

　　评测端，它能够较快完成GPT-6Astra的系统测试;模型和数据端，它持续建设具身大模型、仿真平台及数据基座;产业端，机器人已经进入西门子南京工厂和宁德时代产线，在真实作业中接受稳定性和规模化检验。

　　这几项能力不能互相替代：评测让企业看清模型边界，工厂检验模型能否转化为生产力，持续运行又为下一轮训练提供数据。

　　最近具身智能行业围绕出货量、收入和项目成色出现不少争议。讨论可以继续，但评价标准应尽快回到可核验的事实。新华财经在调研中提出，要把竞争拉回模型能力、数据沉淀和工程落地。西门子每月18万公斤的搬运需求、宁德时代7×24小时作业和近百台部署，正是比口号更有价值的指标。

　　GPT-6 Astra让行业看到海外大模型向物理世界推进的速度。中国要做的，是集中资源补足模型和数据能力，同时把真实工厂变成持续运行的训练场。多干事、少争吵，力气最终要落在技术和产线上。