物理AI与具身
稻草财经 视角 · 独立逻辑线拆解
1. 混合控制架构：测试数据揭示的大脑-小脑分工
事实：双臂任务成功率由37.8%提升至48%，灵巧手复杂操作成功率从<4%跃升至76.9%
2. 成本与实时性：大模型直接控制的瓶颈
事实：50个任务的测试场景中，token消耗量达到11.3亿，成本接近10,000元人民币
3. 分层架构与分工演进：大脑规划、小脑执行
事实：通用大模型作为大脑负责任务拆解与规划，VLA模型作为小脑专注于特定场景的策略执行
4. 训练数据：类型、配比与新场景数据门槛
事实：新场景覆盖通常需7-10万小时训练数据
5. 竞争格局：大模型厂商的优势与本土厂商的核心竞争力
事实：其具身智能能力的显著提升，核心原因在于训练数据输入量的大幅增加，而非模型架构的优化
6. 商业化节奏与硬件升级要求
事实：2028-2029年率先在零售理货、工业搬运等简单操作场景实现，医疗康养及家庭场景落地时间更晚
核心逻辑
混合控制架构（GPT-6大脑+PAI 0.5小脑）在测试中显著优于单一模型：双臂成功率48%、灵巧手复杂操作76.9%，但通用大模型token成本高企（50个任务约1万元），成本效益仍制约其用于执行层。分层架构是趋势而非大模型取代机器人模型；落地节奏取决于数据积累（新场景7-10万小时）与硬件精度提升。
主要风险
- 通用大模型直接控制的成本瓶颈：GPT-6单次任务耗时约39.86秒，50个任务消耗11.3亿token、成本接近10,000元人民币，用于复杂场景任务成本效益不高，且推理中可能导致机械臂暂停。
- 混合模式部分指标下降：混合控制下移动操作中的视觉导航成功率由92%下降至72%，可能与指令理解和导航表现有关。
- 混合方案未实现质的飞跃：材料认为GPT-6与PAI 0.5结合并未使机器人能力产生质的飞跃，尤其在实用性场景中。
- 数据采集无突破：当前数据采集无突破性新模式，仍沿用传统方法；基建手环等方式处于非常早期探索阶段，新场景覆盖需7-10万小时数据。
展开完整深度解读（报告综述·更多利好与风险）
报告综述
本材料为2026年10月20日的具身智能专题访谈纪要（物理AI与具身20261020），未标注具名机构与评级。核心判断是：GPT-6与本地VLA模型（如PAI 0.5）的混合控制为当前最优方案，双臂任务成功率由37.8%（测试得分62.6对37.81）提升至48%，灵巧手复杂操作成功率从不足4%跃升至76.9%。但GPT-6单次任务耗时约40秒，50个任务消耗11.3亿token、成本约1万元人民币，而PAI 0.5本地推理仅7毫秒，实时性相差约三个数量级。材料指出具身智能将走向分层架构：通用大模型作大脑负责任务拆解规划，VLA模型作小脑专注场景执行；数据方面预训练阶段Ego类数据占比需达40%-50%，新场景覆盖需7-10万小时训练数据；商业化预计2028-2029年率先落地零售理货、工业搬运等简单操作场景。
其他风险
- 具身智能公司竞争压力加大：通用大模型上层能力持续增强并以赋能形式提供给机器人模型公司，具身智能公司面临的压力预计越来越大。
- 硬件协同优化落地难度：需要硬件厂商开放更多电机接口参数或性能参数以实现模组协同，当前阶段实现难度较大。