文｜连一席    杨皓天    刘海博  

      李辰霄    周荣炎

通用大模型正在从机器人的高层任务规划，进一步向动作生成和执行控制延伸。机器人大脑主要依赖经过机器人动作数据训练的 VLA、WAM 等专用模型，将视觉和语言指令转化为动作。近期，NVIDIA、Stanford 等研究机构陆续探索将 GPT-6 Astra 应用于机器人控制，尝试利用通用模型已有的视觉理解、空间推理和任务规划能力，减少对专用策略训练的依赖。Astra 在具身任务的数据集上展现出了较好的泛化性，我们认为，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，而通用模型与专用模型短期更可能形成分工协同的局面。

▍技术路线：Astra 参与机器人控制主要形成直接动作生成、监督专用策略和组织已有技能三种方式。

（1）直接动作生成：Astra 根据视觉、语言和机器人状态直接提出动作目标，再由底层控制器执行，重点验证通用知识能否转化为物理动作；

（2）监督专用策略：Astra 负责检查、修正专用 VLA 或 WAM 提出的动作，专用模型继续承担具体执行，重点验证通用推理与专用控制的协同效果；

（3）组织已有技能：Astra 通过任务分解、空间记忆和工具调用，安排导航、抓取、放置等已有技能完成复杂任务，重点提高技能复用与长流程执行能力。

三条路线并非互斥，其中 Agent 工作流既可以辅助直接动作生成，也可以用于技能编排。

▍实验进展：通用模型已展现直接动作决策能力，但尚未证明能够全面替代专用 VLA。

NVIDIA Astranomy 在 RoboLab-120 仿真基准中，报告 Astra 直接动作生成、Agent 工作流和监督专用策略三种方案的成功率分别为 66.3%、74.8% 和 66.5%；其中 Agent 方案成功率最高，但每成功回合估算 API 成本达到 36.40 美元，明显高于直接控制方案的 1.96 美元。

银河通用团队的多任务评估发现，Astra 在导航与物体搜索中表现较好，但在复杂接触、灵巧操作和高动态运动中仍存在明显局限。Stanford 与 Caltech 的 HomeBody 则展示了另一种路线：由 Astra 调用空间记忆和专用技能库，指导 Unitree G1 在陌生厨房完成跨区域整理等任务，而不需要为该环境重新训练动作策略。

▍技术判断：通用模型与专用模型短期更可能形成分工协同，推理时延与动作精度是直接控制的主要限制。

NVIDIA 披露 Astra 直接动作生成的平均单次推理延迟为 18.56 秒，而该基准中专用动作模型的推理时间处于毫秒量级。对于目标明确、可以分阶段执行的抓取、放置和任务规划，通用模型有望减少部分专项训练；对于全身平衡、精密接触和高频运动控制，专用模型和底层控制器仍然重要。相比让通用模型生成每一个动作，在关键节点调用通用模型进行目标修正、技能选择和异常恢复，可能是更具工程可行性的方向，但其经济性仍需验证。

▍产业影响：机器人大脑的竞争有望从单一模型性能，进一步转向数据效率、技能复用与部署成本。

直接动作生成可能改变部分专用动作数据的需求，推动机器人身体信息、动作表示和执行反馈的重要性提升；监督专用策略有望强化通用模型与高效专用动作模型之间的协同；组织已有技能则可能提高技能库、空间记忆、仿真平台和部署工具链的价值。建议重点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，以及能够通过真实部署反馈持续优化系统效率的机器人整机厂商。长期来看，判断产业价值的关键并非单次任务成功率，而是相同可靠性要求下，新增训练、系统适配、推理和人工接管成本能否持续下降。

▍风险因素：

通用模型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效果不及预期；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等。

▍投资策略：

本轮行业变化主要来自于头部 AI 实验室下场进入具身模型行业。从整体产业进展看，我们认为具身模型的发展仍然处在早期 Scaling 进一步提升基座模型在具身领域任务能力的泛化性上。而模型的 Scaling 将伴随着数据的 Scaling，从数据角度，过去半年中，我们看到 Ego Centric 数据大规模进入预训练阶段、仿真数据的使用深度和广度是较为明确的产业趋势。因此从投资角度，我们认为首先应该关注数据采集尤其是无本体数据采集、仿真数据和数据采集设备层面的投资机会。优先关注两类标的，第一类是在数采尤其是 Ego 类数据采集上有较强出货预期的公司，；第二类是数据采集的服务类公司。