通用大模型冲击下，具身智能自研如何抉择

通用大模型进入机器人系统，自研路线面临重新评估

具身智能要让机器感知环境、理解目标并采取动作，长期以来，团队需要围绕数据采集、模型训练、任务适配和系统工程持续投入。随着通用大模型在语言理解、视觉推理和工具调用等方面的进步，机器人系统出现了新的实现路径：将部分任务交给通用模型处理，再由机器人控制、感知和规划模块完成执行。

这并不意味着具身模型已经失去价值，也不代表所有机器人公司都应停止自研。真正发生变化的是技术投入的判断方式：过去，团队可能把“是否拥有自研基础模型”视为竞争力的重要标志；现在，更需要回答的是，哪些能力必须掌握在自己手中，哪些能力可以通过通用模型或现成组件获得，以及整体方案能否在真实环境中稳定运行。

冲击来自能力迁移，而非单一模型分数

通用模型对具身领域的影响，不应只看某次评测的总分变化。评测分数能够提供线索，却无法单独说明系统在实际场景中的可靠性。机器人任务通常涉及连续感知、空间判断、动作生成、执行反馈和异常恢复，任何一环失效，都可能导致任务中断。

值得关注的是，通用模型可能降低部分任务的启动门槛。例如，当模型能依据自然语言指令理解目标、结合视觉信息判断场景，并在一定范围内调整操作策略时，开发者便不必为每项新任务都从零构建全部能力。这种变化会压缩某些专用模型的优势区间，尤其是任务边界清楚、环境相对稳定、对复杂长时序操作要求不高的应用。

但“能够完成一次演示”与“能够在生产环境持续完成任务”之间存在明显差距。真实系统还要面对视角变化、物体遮挡、传感器噪声、动作延迟、抓取失败和环境意外变化。通用模型可以提供较强的语义理解与任务推理能力，却不能自动替代低延迟控制、设备适配、安全约束和故障处理。因此，判断冲击程度时，应关注端到端任务成功率、失败恢复能力、运行成本和维护难度，而不只是模型表现。

重新划分能力边界：通用与专用并非二选一

更可行的思路，是把机器人系统拆成若干层，逐层判断是否需要自研。

1. 高层任务理解与规划

自然语言指令解析、目标拆解和多步骤规划，通常更适合利用通用模型的能力。团队可以评估模型能否把“整理桌面”这类目标转化为一组可执行子任务，并在执行结果变化时重新规划。

然而，规划结果必须经过校验。模型输出不能直接被视为可信的控制指令，尤其是在涉及人员、贵重设备或安全边界的场景中。系统应设置动作白名单、约束检查和人工确认机制，并明确哪些决策可以自动执行。

2. 感知与空间理解

通用视觉模型可能帮助系统识别物体、理解场景关系，但机器人对空间位置、姿态和运动状态的要求往往更加严格。图像中“看起来像目标物”不等于系统已经获得足以执行抓取的几何信息。

因此，团队需要根据任务精度要求，组合使用视觉模型、深度信息、定位方法和专用感知模块。对于需要精确定位或重复操作的任务，应通过实际设备和目标环境进行验证，而不能仅依靠离线图片或文字描述判断效果。

3. 动作生成与底层控制

机器人运动控制依赖设备结构、动力学特征、执行器限制和安全策略。通用模型可以参与动作选择或任务规划，但底层控制仍需要可靠的控制算法、状态反馈和安全保护。高层模型输出与低层执行之间，应有清晰的接口和验证边界，避免不确定输出直接驱动危险动作。

4. 数据、评测与系统工程

无论采用何种模型，数据质量和评测设计都决定系统是否能持续改进。自研价值未必体现在训练一个更大的基础模型，也可能体现在积累高质量的操作数据、建立稳定的任务评测体系、完善失败归因工具，以及形成对特定设备和场景的工程经验。

预算压力下，先算总成本，再决定自研深度

模型自研的投入不只包括训练算力，还包括数据采集与清洗、算法研发、训练基础设施、部署优化、持续评测和长期维护。若自研模型只在少量测试任务上取得优势，却需要长期承担较高的开发与迭代成本，整体投入未必合理。

另一方面，调用外部通用能力也并非没有成本。团队需要考虑推理资源、响应时延、网络依赖、数据治理、服务可用性以及后续迁移成本。若关键任务高度依赖单一外部能力，系统还可能面临供应变化或能力调整带来的风险。

较稳妥的预算方法，是以具体任务为单位建立成本模型，至少比较以下几项：

• 开发成本：数据准备、模型适配、系统集成和验证需要多少人力。
• 运行成本：单次任务需要的计算资源、设备耗损和人工介入成本。
• 质量成本：失败、返工、误操作和停机可能带来的损失。
• 维护成本：环境变化、任务扩展和模型更新需要多少持续投入。
• 替代成本：更换模型、迁移数据或重构系统是否困难。

通过小规模试点获取真实数据，再决定是否扩大投入，通常比先确定大规模训练预算更稳妥。预算规划也应设置阶段性退出条件：如果某条路线无法在规定周期内达到明确的质量、成本或安全目标，就应重新评估其范围，而不是因为已经投入而继续追加资源。

建立可复现的评测，避免被榜单牵着走

评测成绩适合用于比较方案，但前提是任务、环境、设备和评价规则具有可比性。团队应区分仿真验证、受控环境测试和真实场景试运行，并分别记录模型表现。不同测试阶段回答的问题不同：仿真便于快速筛查方案，受控测试检验重复性，真实场景则暴露环境差异和运维问题。

评测指标也不宜只用单一成功率。对于机器人系统，至少还应关注任务完成时间、失败类型、恢复成功率、人工接管频率、动作安全性和资源消耗。测试任务要覆盖常见情况，也要有计划地加入边界条件，例如遮挡、目标位置变化和执行失败后的重新尝试。

更重要的是保存失败记录。每次失败都应尽可能关联任务指令、传感器输入、模型输出、控制结果和人工干预信息。这样团队才能判断问题来自理解、感知、规划、执行还是系统集成，避免把所有问题笼统归因于“模型不够强”。

一个适合决策的分阶段路线

第一阶段，挑选少量高频、边界明确的任务，建立基线系统，并记录人工完成任务的时间、成功率和异常情况。不要一开始就追求覆盖所有场景。

第二阶段，引入通用模型参与高层理解或规划，同时保留已有的安全控制与执行模块。通过对照测试，判断新增能力是否真正改善端到端指标，而不是只提升某个局部环节的表现。

第三阶段，对重复出现的失败进行分类。如果问题可以通过数据补充、约束校验或流程调整解决，就优先采用成本较低的方法；如果问题涉及关键场景中的稳定性、时延、隐私或差异化能力，再考虑针对性训练专用模型或自研关键组件。

第四阶段，形成模块化架构，降低对单一模型的依赖。任务规划、感知、运动控制和安全检查之间应有明确职责边界，使团队能够替换某个模型或组件，而不必推翻整个系统。

结语：自研不是目标，掌握关键能力才是

通用大模型的发展确实会改变具身智能公司的研发预算与团队结构，但它带来的不是“自研必然无用”的结论，而是对自研范围提出了更严格的要求。重复建设通用能力，可能导致投入与产出失衡；把核心任务完全交给外部模型，也可能带来稳定性、成本和可控性风险。

更合理的策略，是围绕真实任务建立能力清单：通用模型擅长的环节尽量复用，决定产品可靠性与差异化的环节重点掌握，对尚未验证的技术路线采用小步试验。最终，企业的竞争力不取决于是否训练了最大或最完整的模型，而取决于能否以可接受的成本，让机器人在真实环境中安全、稳定、可维护地完成任务。