9月初OpenAI发布GPT-6 Astra后，具身智能行业出现明显波动。据行业人士透露，一家成立约一年半的具身智能数据服务公司近两周接到的数据采购订单量已超过此前两个月的总和，订单来源不仅包括具身智能企业，此前仅询价未下单的基础模型大厂也开始实际采购。这一变化发生在具身行业融资环境整体收紧的背景下。
Astra引发的讨论核心在于，通用多模态基础模型开始展现出空间理解能力，可直接控制机器人执行任务，且在部分测试中成功率超过专用具身模型。英伟达研究团队10月中旬的测试显示，在物体抓取与放置任务中，Astra在未经机器人数据专门微调的情况下，直接输出动作的成功率达到66.3％，高于具身智能公司Physical Intelligence专用模型π0.5的表现。银河通用在RoboDojo任务中的测试则显示，Astra直接控制成功率为26％，π0.5为15.67％，两者结合使用（Astra负责决策、π0.5负责执行）成功率提升至48％。
机器人“大脑”通常分为三层：System 2负责场景理解、任务规划与推理，System 1结合环境反馈规划调整动作，System 0负责底层运控。上述实验结果表明，大语言模型已能较好胜任System 2及部分System 1的工作，具身专用模型的优势区间被压缩至部分System 1和System 0。
行业对Astra的影响判断存在分歧。宇树科技创始人王兴兴在近期合作伙伴生态大会上表示，GPT-6的部分能力已可解决机器人的规划问题，物理AI可能在一到两年内迎来重大突破。自变量机器人创始人兼CEO王潜则认为，基础模型通过通用智能泛化到具身智能的可能性不大，通用大模型无法在机器人上以合理速度完成推理和部署。灵御智能CEO金戈则指出，Astra验证了物理数据与非物理数据相辅相成的方向，在Scaling Law下，物理数据训练进大语言模型同样能提升其非物理能力。
产业链各环节处境分化明显。最先受益的是上游具身数据采集商。前述数据服务公司创始人表示，Astra发布前，由于融资收窄，部分模型公司减少数据采购，原本对外定价300元/小时的Ego Centric数据一度被压价至几十元。而行业共识是，具身智能模型要达到GPT-3.5级别能力，约需一亿小时量级数据，目前行业内清洗过的有效数据仍在百万小时级别。
基础模型大厂正在加速布局。野村证券近期调研报告显示，2025年9月至2026年8、9月期间，OpenAI采购了约1000万小时具身数据，约占美国市场供应量的70％。今年6月，OpenAI CEO Sam Altman宣布组建“OpenAI Robotics”团队，招募全栈硬件、运营、系统及机器学习工程师。DeepSeek也在筹备具身智能相关业务与投资，此前曾参与宇树IPO配售，并据报将领投具身模型初创公司Winverse AI的数千万美元种子轮融资。Anthropic、Kimi等前沿通用模型公司同样在酝酿入局。
一位具身智能投资人表示，Astra发布后，部分具身模型创业公司和中小公司的价值面临重估，若一家公司没有1000张以上的算力卡，未来很难与基础模型大厂竞争。对具身智能企业而言，Astra既压缩了部分公司的发展窗口，也为另一部分公司提供了新的技术路径。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
