通用大模型重塑具身智能：自研路线面临价值重估

过去一年，具身智能行业经历了一轮并不平静的技术冲击。冲击的来源并非机器人本体硬件的迭代，也不是某个新的强化学习范式，而是通用大模型在机器人操作任务上展现出的、超出预期的泛化能力。当一轮又一轮的通用模型版本快速迭代，一线从事预训练与模型开发的工程师们开始重新审视一个根本性问题：在通用能力持续外溢的背景下，具身智能公司还有必要坚持从零训练原生基础模型吗？

一、冲击的本质：不是能力差距，而是研发范式被绕开

要理解这轮冲击，首先要区分两种不同的“落后”。

一种是常规意义上的能力差距：别人做到90分，你做到80分，差距清晰、路径明确，追赶的方法是继续加数据、加算力、调结构。另一种则是范式层面的绕开：你花大量资源构建的数据采集、任务标注、后训练流水线，在通用模型面前被大幅简化，甚至部分环节变得不再必要。

真正让从业者感到压力的，是后者。在部分机器人操作测试中，通用大模型无需针对具体任务进行额外后训练，也无需大量任务示范数据，仅凭语言指令就能完成相当数量的操作任务。这意味着过去需要一支算法团队持续啃下来的能力，正在被通用模型的上下文学习与跨模态理解能力部分覆盖。

一位从事机器人模型开发的工程师曾这样概括：比起具身智能迟迟没有出现新的范式级突破，通用大模型正以“通用能力下沉”的方式垂直冲击具身行业，这才是真正的冲击所在。

用一组更直观的对比来说明这种落差：具身自研模型可能还在80分的水平上，靠团队几个月的努力一点点加0.1、加0.2；而通用模型已经在部分评测中一次性从80分跳到90分。前者是线性积累，后者是台阶式跃迁，两者的投入产出比不在同一个量级上。

二、评测数据说话：通用模型接入带来的分数跃迁

判断趋势不能只靠感受，评测基准提供了相对客观的观察窗口。在近期受到关注的机器人操作评测中，越来越多团队开始尝试将通用大模型引入自己的机器人系统，作为任务规划与决策层的能力来源。

据参与相关评测报告撰写的研究人员透露，一些原本坚持训练原生具身基础模型的团队，如今也开始提交结合通用大模型与机器人任务代理技术的方案。效果相当直接：原先只有20分、30分的模型，在结合通用大模型相关方案后，评测成绩能够提升至50分、60分。

这一现象值得拆开来看：

• 提升发生在系统层，而非模型层。 分数跃迁并非来自机器人本体控制能力的进步，而是来自任务理解、步骤拆解、工具调用等上层能力的补强。通用大模型承担了“把自然语言指令翻译成可执行子任务序列”的角色。
• 低成本方案具备竞争力。 对于起步较晚、数据积累有限的团队，接入通用模型是一条投入产出比更高的路径。它们不必再从零构建大规模任务示范数据集，就能获得可用的泛化能力。
• 榜单分数上涨不等于产品能力到位。 评测环境相对受控，真实场景中的实时性、安全性、长程任务稳定性仍是未解难题。分数提升是信号，不是结论。

榜单分数涨上去了，但不少具身公司管理者脑子里盘旋的却是另一个问题：既然通用模型能补上这么大一块能力，还有必要继续自研基础模型吗？

三、成本结构重估：算法岗调整背后的理性计算

近期业内传出一些具身智能公司裁撤算法岗的消息，外界容易将其简单解读为“行业不景气”。但从技术管理视角看，这更像是一次成本结构的主动重估。

自研具身基础模型的成本构成大致包括：

1. 数据成本：真机采集、遥操作示范、仿真合成数据，以及配套的标注与清洗流程；
2. 算力成本：预训练、后训练、评测迭代所需的持续算力投入；
3. 人力成本：算法工程师、数据工程师、评测与基础设施团队的长期编制；
4. 时间成本：从模型立项到能力可用之间的周期，往往以季度甚至年为单位。

当通用模型能够以API或本地部署的方式，提供相当一部分通用操作理解能力时，上述四项成本中有多项可以被压缩。尤其是数据成本与预训练算力成本，对中小规模团队而言负担极重。裁撤部分算法岗，本质上是把“从零训练”的投入，转移到“集成、微调与系统优化”上。

这并不意味着算法能力不再重要，而是能力重心发生了迁移：从“训练一个基础模型”转向“把通用模型能力可靠地接入机器人系统”。后者的技术难度并不低，只是技能组合不同。

四、国内变量：本土通用模型的动作更值得关注

值得注意的是，冲击并不完全来自海外。对国内具身公司而言，本土通用大模型厂商的下一步动作往往更具现实意义——它们决定了中文指令理解、本地化部署、响应时延与成本可控性等关键变量。

从技术选型角度看，具身公司在评估通用模型时通常关注以下几个维度：

• 指令理解与任务分解能力：能否把“把桌上的杯子放进水槽并打开水龙头”这类复合指令拆成可执行的子任务；
• 空间与物体推理能力：对3D结构、相对位置、可操作区域的理解是否可靠；
• 工具调用与结构化输出能力：能否稳定输出机器可解析的动作原语或调用序列；
• 部署形态与成本：是否支持私有化部署、推理时延是否满足实时控制要求、单位调用成本是否可承受。

这些维度决定了通用模型在具身系统中能承担多大责任。一个务实的做法是先用离线评测筛选候选模型，再在小规模真机场景中验证稳定性。

五、架构演进：分层设计比“二选一”更现实

“自研还是集成”本身是一个伪命题。更合理的问法是：在系统的哪一层自研，在哪一层集成。

一个常见的分层架构如下：

┌─────────────────────────────────────┐
│  任务层：自然语言指令 → 子任务序列      │  ← 通用大模型（可替换）
├─────────────────────────────────────┤
│  规划层：子任务 → 动作原语与参数        │  ← 通用模型 + 领域约束
├─────────────────────────────────────┤
│  控制层：动作原语 → 关节级控制指令      │  ← 自研（实时性、安全性要求高）
├─────────────────────────────────────┤
│  执行层：机器人本体与传感器             │  ← 硬件与驱动
└─────────────────────────────────────┘

在这一架构下：

• 任务层与规划层可以充分利用通用模型的泛化能力，通过提示工程、结构化输出约束、工具调用编排来提升可靠性；
• 控制层仍然需要自研或深度定制，因为实时性、安全边界、力控精度等要求无法依赖远程推理；
• 领域微调成为性价比最高的自研投入方向：用少量高质量领域数据对通用模型做适配，而不是从零预训练。

示意性的任务编排代码结构如下：

# 伪代码：通用模型负责任务分解，本地控制器负责执行
def execute_instruction(instruction: str, scene: Scene) -> bool:
    subtasks = planner.decompose(instruction, scene.describe())  # 通用模型
    for task in subtasks:
        primitive = planner.to_primitive(task)                  # 结构化输出
        if not safety_check(primitive, scene):                  # 本地安全校验
            return False
        controller.execute(primitive)                           # 自研控制层
    return True

这一结构的价值在于：通用模型升级时，系统能力可以随之受益；而控制层的自研积累仍然构成壁垒。

六、预算收紧周期下的务实建议

如果明年的自研预算确实趋于保守，技术团队可以考虑以下策略：

1. 明确能力边界，划定“必须自研”清单。 实时控制、安全校验、本体适配、数据闭环等环节难以外部化，应优先保障资源。
2. 把预训练预算转为微调与评测预算。 少量高质量领域数据的价值，往往高于大规模通用预训练。建立稳定的离线评测集与真机回归测试流程，比追求模型参数规模更实际。
3. 建立模型可替换的抽象层。 不要让业务逻辑与某一具体模型强绑定，通过统一的任务描述与输出协议，为未来切换或混用模型留出空间。
4. 重视数据资产的长尾价值。 真机运行数据、失败案例、人工干预记录，是领域微调与评测的核心资产，应有意识地沉淀与管理。
5. 以系统指标而非单点分数衡量进展。 任务成功率、长程稳定性、平均干预次数、端到端时延，这些指标更能反映产品化水平。

结语

通用大模型带来的不是具身智能的终局，而是一次分工的重排。它压缩了“从零训练通用能力”的必要性，同时放大了“领域适配、系统集成、实时控制、数据闭环”的价值。对具身公司而言，真正的风险不是预算收紧，而是在预算收紧时仍按旧范式分配资源。把自研聚焦在难以替代的环节，把通用能力当作可复用的基础设施，才是这一轮技术冲击下更稳健的选择。