【机构研报总结】物理AI:抓不住一个魔方,三个月却造出了样机
10 月 30 日,一家港股上市的人形机器人厂商放出六组测试记录,测的是它自己造的人形机器人,配上 OpenAI 的 GPT-6 Astra。
最扎眼的是第一组。让 Astra 直接控制机械臂,去抓桌面上一个魔方——没有专用模型帮忙,所有动作靠它自己看、自己判断、自己生成。结果:模型累计处理约 70 分钟,消耗 9557.8 万 Token,API 费用约 579 美元。最后没抓住。
第二组换了个做法。Astra 只负责理解任务、调用技能,具体的抓取动作交给厂商自研的 VLA 模型。这一次耗时约 5 分钟、Token 约 301 万、费用约 17 美元,抓成功了。
很多人拿这两组数一除,就得出"效率提升 14 倍、成本降到三十分之一"。这个算法有问题。
厂商自己在原文里注了一句:两组实验任务不同,属于不同技术方案的演示记录,并非严格同任务性能对照。第一组抓的是魔方,第二组抓的是福袋。魔方是规则几何体、表面光滑、需要精确对准;福袋是软的,抓起来就算成。任务难度不一样,数字不能直接比。
真正同任务对照的,是后面那组"叠碗"。
同一个叠碗任务,Astra 直接控制:调用 40 次、累计处理 33 分 15 秒、仿真动作执行 70.86 秒、Token 1035.3 万、费用 12.02 美元——没叠成。
加上自研的世界模型 Thinker-WM 之后:模型先根据当前画面生成几组候选动作,并预测每组动作之后的场景,Astra 只负责评估和选择。调用降到 12 次、处理 23 分 15 秒、动作执行 9.84 秒、Token 169.8 万、费用 3.10 美元——叠成了。
这两个数字才是干净的:Token 降 83.6%,费用降 74.2%,任务从"完不成"变成"完成"。
这组实验真正验证的不是"模型变聪明了",是"活分出去了"。
同一天还有另一条新闻,方向正好相反。
据外媒报道,Meta 和上海一家做康复机器人起家的企业联合做了一台人形机器人原型,代号 Max。身高约 1.5 米、重约 48 公斤、搭载英伟达 Jetson Thor 芯片、配五指灵巧手,脸上有一块能模拟表情的屏幕。家庭场景的指标定得很具体:5 米外识别说话、3 米外读懂手势、能保持眼神交流。
关键是时间:从立项到第一台样机,三个月。
人形硬件的开发周期通常以年计。三个月做出来,靠的不是 Meta 的算法,是上海那家企业的本体和产线——Meta 的机器人产品副总裁带队在上海工厂驻了近两个月,在车间里改图纸、调结构。Max 的底子,就是这家企业前三代人形机器人的设计。9 月双方已经启动第二代,改躯干、改手部结构、加投影仪、加上下楼梯的传感器。
这件事的反差在时间点上。
今年 7 月,美国 FCC 以供应链安全为由限制新款中国人形机器人进口,后来又把单型号免批进口额度从 4000 台压到 40 台。政策在收紧,可硅谷大厂要做出第一台能上楼的样机,还是得飞到上海,在别人的厂房里住两个月。
记者去问那家上海企业的创始人,回应只有五个字:暂不方便回复。
把两件事放在一起,我的判断是这样:
通用模型已经能理解场景、规划任务,甚至直接生成动作,但它解决不了"连续、精细、实时"这一层。所以分工是必然的——大模型负责"做什么",专用 VLA 负责"怎么做",世界模型负责"做完会怎样"。三层各管一段,成本就下来了。
分工一旦确立,价值分布也跟着变。不再是"谁有一个万能模型谁通吃",而是"谁手里有本体、有真实数据、有能反复跑通的执行闭环"。这也解释了为什么 Meta 要跨半个地球来找一家做康复机器人起家的中国公司。
一句话总结:这一轮比的不是谁家模型更聪明,是谁能把"会想"接到"做到"上。Astra 的例子说明,接不上的时候,70 分钟抓不住一个魔方;接上了,5 分钟、17 美元。
物理AI 人形机器人 具身智能 世界模型 机构研报
─────────────
【点赞+关注,每天分享热门财经机构研报/热门题材概念标的梳理】
免责声明:
【投资有风险,入市需谨慎。资料仅供参考不能作为投资依据,文章内容来自机构研报或公开信息本人重新整理编辑,未经核实,文字或图片所提及个股只做科普,不作推荐,不对任何人构成投资建议!】
