文 | 智讯智库，作者 | 陈宥文
如果“具身智能的ChatGPT时刻”，最终仍由ChatGPT亲手叩开——面对持续进化的外部模型，机器人企业，还该自研什么？
信号正在密集出现。
企业自测、仿真验证、真机评测，三份证据各有局限，指向却高度一致：通用大模型正在越过专用策略的传统边界，直接承接更多动作决策与执行纠偏工作。
行业预期的高速前移，比技术本身更有信号意义。两个月前的世界机器人大会上，王兴兴对于“具身智能ChatGPT时刻”，给出的口径还是“快则两三年，慢则五到十年”[6]；到10月，他已抛出更激进的判断：明年GPT-7可能“直接把具身智能问题打穿”[2]，最新又提出物理AI已出现突破苗头，产业拐点大概率落在未来一到三年的区间内[5]。
乐观边界从“最快两三年”收窄至“最快一两年”，对如此关键的产业拐点预判快速改口，更像是被外部模型迭代倒逼的一次被动修正。
这背后是一场天然不对等的研发赛跑：接入外部模型，只需完成场景适配，就能共享全行业摊薄的研发成果，能力随上游同步升级；自建核心模型，则要独扛数据、算力、团队的全部固定投入，靠自身产品出货与部署规模分摊成本。
智能能力商品化已经走向落地。例如，10月13日，Physical Intelligence开放API测试版申请：企业接入后上传自有场景数据，即可调用云端算力完成模型微调，通过托管推理直接驱动自有机器人[7]。
机器人的智能“大脑”，也正加速从企业专属的重资产自研投入，转变为可按需采购、按量付费的标准化技术服务。
自研还是外购，本就是制造业的百年命题——车企选发动机自制还是外购，手机厂选芯片自研还是授权，本质都是同一道题。变的从来不是问题，而是答题的条件：外部可采购的能力边界推到了哪里，同等交付标准的成本降到了什么程度。
最终所有分歧都会收敛到同一个追问：当能力越来越容易从市场买到，企业究竟要握住什么，才不至于为市场已有之物重复投入，创造超过外采的长期价值？
答案很明确：自研不会消亡，但它正在从资本市场追捧的溢价身份标签，变回一件需要算清投入产出的务实经营选择。
通用模型已经能做多少？
先说结论：通用大模型已经能独立承担部分理解、规划与动作决策工作，且能力边界还在快速推进；同时，当前测试仍暴露出执行可靠性、任务耗时、调用成本等明显短板。
最先印证这一趋势的是仿真测试。RoboDojo设置42项双臂任务，覆盖泛化能力、精细操作、长程任务、记忆等多个维度。其9月的评测结果显示，GPT-6 Astra拿下22.48%的平均成功率，一举超过论文对照的40个公开专用策略——对照专用策略的最高成绩仅19.34%。尽管在精细操作、长程任务和记忆三个维度上它仍有差距，但凭借泛化与开放任务两个维度的优势，还是拿下了总分第一。这张榜单直到10月8日才迎来一次刷新——专用模型VPP2报出32.26%的平均成功率，实现反超[8][9][10]。换个角度看，通用模型和专用策略已经开始在同一张考卷上交替领先，将共同的比较基准快速抬高。
除此之外，混合协同的路线也已经跑出了可量化的增益。银河通用选取10项任务、共50个测试实例验证：Astra独立控制的成功率为26%；而Astra与π0.5混合控制的方案，成功率可达48%——其中大部分执行步骤由π0.5生成，剩余部分由Astra生成或修正[3]。
当然，和其他实验室技术一样，从仿真走到真机，通用大模型的考验才真正开始，短板也暴露得更明显，其中最突出的缺口是执行节拍。10月14日，Artificial Analysis让五款前沿模型通过编程智能体驱动真实机械臂，尝试八项桌面任务。
图源：Artificial Analysis，Welcome to the era of embodied AI: Introducing AA-Robotics v0.1，2026年10月14日。
Astra依旧拿下总分第一，但领先第二名仅4.8分，单次尝试的平均调用成本却是后者的8倍有余；四款模型单次任务尝试平均耗时约半小时——人类完成同样工作只需要20秒；按模型调用费用对标美国平均时薪折算，成本最低的模型，费用仍是人工的十倍左右。甚至连“判断任务何时完成”这种基础执行能力，都还在完善中——Sol模型就曾在第17分钟左右搭出符合要求的积木塔，却继续执行操作，最终任务失败[4]。
图注：AA-Robotics v0.1中，Astra综合评分69.4排名第一，平均每次尝试调用费16.36美元；Sol为64.6分、1.93美元。评分包含部分完成得分，费用口径为模型调用费。
图源：Artificial Analysis，Welcome to the era of embodied AI: Introducing AA-Robotics v0.1，2026年10月14日。
但要知道，上述通用模型并非为机器人量身打造，在这些测试中也没有针对评测任务做过微调。
而关键是，银河通用的混合控制方案，也已经验证了在当前阶段专用策略主执行、通用模型参与纠偏的分工，能配合选定任务中提高成功率。
通用模型闯入具身智能，已经从设想变成了能在真机上运行的实验方案。
接下来的行业主线，无疑将集中在两件事上：一是能力边界还能推进多快，二是使用成本还能下降多快。
而对每一家布局自研的企业来说，面对越来越成熟的通用模型方案，供应商承接的环节越多，自研的价值命题就越具体：
这笔投入补上了哪一段能力缺口？提升了多少任务性能？让适配、交付与迭代的效率提了多少？
外部模型接入，自研还往哪投？
除了ChatGPT、Claude这类通用大模型，还有一类专为机器人而生的具身基础模型——如Physical Intelligence的π系列、英伟达Isaac GR00T，从训练底层就围绕机器人的感知交互、动作控制与场景任务打造。
两类模型来路不同，对整机企业的意义却一样——它们都在把原本得自己做的事，变成可以花钱采购的事。既然如此，以解决问题为根本目的，在“要不要自研”的问题面前，更重要的就是明确：外部能力走到哪一步？自己做到交付标准要花多少？剩下的研发，还值得投在哪一段？
下文把这两类外部供给合在一起，统称“外部模型”。而要算清这笔账，先得把“自研”这个大词拆开来看。
一套机器人不是铁板一块，而是由成百上千项具体能力拼起来的——会看、会抓、会规划、会纠错。一般来说，现成的外部模型够用，就直接买来，把人力集中到产品集成上；如果还差一点，就看这一点由谁来补——供应商、双方合作，还是自己来。同一套机器人，完全可以在不同能力上做不同选择，组合出三种分工。
三种分工怎么比？可以从两个最实在的角度展开划分：一是开发和日后维护的责任落在谁头上，二是做完之后，哪些东西能真正留在企业手里、反复用下去。
不过不管怎么分工，最终都要过同一道底线：够不够可靠、节拍跟不跟得上、安不安全、总成本划不划算。这四项是共同的交付底线。表中指标是用来在底线之上进一步看清每种分工各自多做了什么——依据其展开比较时，任务、负荷、验收口径必须统一，否则就是拿苹果比橘子。至于程序、数据、模型这些成果能不能持续用、跨项目复用、甚至换供应商时带走，当然也得在许可和合作条款里先写清楚。
这种分工长什么样？拿MicroFactory的流程来看，用户只要描述任务、把几个关键点位教给机器人，通用模型就会自动写出视觉识别和机械臂控制的代码，再由这些程序指挥机器人干活。模型本身是现成的，企业做的是把它接到具体任务上、跑通、验证好[11]。
那企业自己的功夫花在哪？花在“用得快、用得稳”上——让任务编程、现场集成、换型换产都更省时间。模型可以买，但每次怎么接、接了多久、运行中要维护什么，这些攒下来的任务程序、工具接口和交付方法，是供应商拿不走的。最终要落到几个看得见的结果上：同样的任务，能不能更快交付、更稳地跑、更省力地复制到下一个现场
现成模型不够用，又不想全自己来，就有了第二种：把现场的数据和经验，变成模型的改进。PI和洗衣机器人公司Weave就是这么合作的——PI出基础模型和训练能力，Weave出最懂洗衣的场景和数据。效果可以用数字衡量，把Weave的数据喂进预训练后，每批衣物需要人插手的次数，直接少了一半[12]。
这种分工里，企业多了一类新活儿：不停地采数据、分析哪里出了错、把任务要求说清楚，再和模型方一起评估改得好不好。一圈下来，现场的经验通过合作进入训练，模型变强了，新的能力又回到自己的产品里——数据在这里不是一次性的材料，而是能换回能力的筹码。
这笔投入值不值，主要关注三点：人工干预少了多少、同类问题解决得快了多少、每一轮迭代花了多少。把性能的改善和花掉的费用摆在一起，才更清楚拿数据换合作到底划不划算。
当然，合作还可以前移到产品定义阶段。银河通用与宇树刚刚披露，银河星仔Galbot ET1由双方联合研发，协作覆盖产品定义、硬件打磨与具身智能能力研发[13]——模型与硬件本就需要紧密配合，研发完全可以跨企业组织。企业要检验的，仍是这种合作能否减少重复开发和反复适配，让产品更快达到交付要求。
第三种最重：模型自己开发、自己训练、自己持续更新。但自己做不等于从零开始做——它可以从一个现成的外部基座起步，只在上面做适配训练；也可以一路往上，自建核心模型与训练体系，把模型、数据和训练能力持续握在自己手里。投到哪一层，取决于任务需要什么、手里已经有什么。
Figure走的是自建核心模型与训练体系这条最彻底的路。它这么做的原因在于，外部买来的数据，很难同时满足采得够多、场景够杂、质量够高这三件事。于是它自己建了一套叫Index的数据体系，再用它来预训练自己的模型Helix 2.5[14]。
这笔钱花得值不值？Figure做了一个很清晰的对照：模型架构、下游训练数据、评测条件全都一样，唯一区别是有没有经过Index预训练。结果差距悬殊——在30个从没见过的家庭里，长程任务的成功率从9%跳到了56%[15]。这一步，等于把Index到底贡献了多少清清楚楚地测了出来。
图注：Figure披露，在模型架构、下游训练与评测条件一致的对照中，Index预训练将30个未见家庭中的任务成功率从9%提高到56%。Artificial Analysis，Welcome to the era of embodied AI: Introducing AA-Robotics v0.1，2026年10月14日。
图源：Figure，Helix 2.5: Zero-Shot 30-Home Generalization，2026年9月17日。
选了这条路，企业就得长年累月地把数据、训练、评估、部署这一摊子自己扛起来，而且要时不时回头和外部方案比一比：效果、完整成本、能复用的范围。最关键的是这本“复用账”——同一套内部能力，能服务多少任务、多少款产品，能给后面省掉多少适配，最终带来多少收益。
还有一点容易被忽略：三种分工不是对立的，哪怕自己研发，也可以让通用模型来打下手。Poke & Wiggle公开的一套复现流程里，AI智能体能自己把读论文、复现算法、训练基线模型、申请真机测试一路做完，人只负责把关方法、准备工位、现场支持[16]。这提醒我们，外部模型一方面让更多能力可以直接买来，另一方面也让自研变得更快、更便宜。所以自研和外购两边的成本，都得不停地重新估。
最后是那些事前想清楚、事后少麻烦的事，即合作和使用的权限要写明白。哪些程序、数据、模型配置、评估材料能一直用、能跨项目复用，版本升级后由谁来重新验证，万一要换供应商、要迁移，重新验收要花多少功夫——这些都得提前记下来。因为它们早晚都会变成实打实的适配、维护和切换成本。
到这里，每种分工要做什么、要负多久的责任，已经清楚了。下一步，就是把这些活儿翻译成钱——哪些是一次性的共用投入，哪些是每个现场都要花的支出，再把整个周期的成本和回报摆到一起比。
自研投入：先算全周期成本，再测经营回报
在比较成本之前，先把前提对齐：做的是同样的任务、扛的是同样的负荷、服务同样长的年限。更重要的是，两条路线都得先做到可靠、节拍达标、安全过关——在这些没达标之前，谁便宜谁贵都没有意义，因为根本不能交付。
最简单的计算方法，是把支出分成两部分：
不管你选的是直接外采、委托合作、自己开发，还是几种混着来，都按这同一支笔来记账[17][18]。
下面用一组假设数字，把“自己开发”和“直接外采”放到一起算（声明：以下数字仅用以简明说明，不代表任何真实报价或企业的实际成本）。
假设同一批同类现场同时上线，比较它们三年的总支出：自研方案共用投入2000万元，但每个现场三年只花8万元；外采方案共用投入只要200万元，可每个现场三年要花20万元。（这里先把单价固定、不算资金的时间价值；现实中如果分批上线，就得按每个现场实际上线的时间来记账。）
账就清楚了：选自研，开头要多掏1800万元（2000万减200万）；但好处是，每个现场能省12万元（20万减8万）。于是问题变成一个很朴素的回本问题——得铺开多少个现场，省下的钱才能把开头多掏的1800万填回来？
成本持平现场数＝共用投入差额÷每现场节省额
即：
（2000－200）÷（20－8）＝150个
答案是150个。做到第150个现场，两条路线花的钱刚好一样多；过了这个数，铺得越多，自研就越划算——前期多花的钱，已经被一个又一个现场省出来的12万填平，之后都是净省。
这就是“研发复用”实现的最朴素的规模经济，也是自研真正的底气：那笔2000万的共用投入是固定的，摊到10个现场和摊到1000个现场，每个现场背的分量完全不同；现场越多，每个现场摊到的研发成本越薄，省下的钱越积越多，最终把多出来的前期投入彻底盖过去。
但这个150不是铁打的数字，它会跟着条件走。我们保持其他数字不变，只动一个变量——外采方案每个现场的完整成本，看看会发生什么：
所以，外采成本从20万降到10万，看着只降了一半，回本门槛却从150个一路抬到900个，涨了5倍。关键全在那条公式的分母上——每个现场能省的钱，从12万缩到了2万，缩成原来的六分之一，回本自然难得多——这也说明：外部模型越便宜，自研越要靠规模说话。
这里也要特别澄清一个容易混淆的点：上面变的，是每个现场的完整支出，而不只是模型调用费。调用费只是其中一项。打个比方，20万里头，12万是给模型的调用费，另外8万是适配、人工、维护等其他开销。就算调用费打对折，省下来的也只是6万，每个现场的完整成本从20万变成14万——对应前面的账，回本点就是300个。单看调用费降价，容易高估自研的压力。
方向上，外采降价，会压缩自研的成本优势；反过来，自研的维护费用如果一路上涨，也会带来同样的效果。而且越是接近回本点、两条路线每个现场的成本越接近，这个数字就越敏感——当初估算里一点点误差，都可能让回本点大幅移动。
所以企业要紧盯三件事，而且要用实际数据、而不是最初的估算来回答：第一，共用投入有没有超预算；第二，每个现场到底省了多少；第三，在下一轮技术换代到来之前，这套东西还能有效复用多少次。
不过，150个只是“不亏”的成本线，要判断这笔研发到底赚不赚钱，还得把收入也端进来。自研如果带来了更好的性能，能不能卖出更高的价、换来更多的付费部署和续约？这要靠收入来检验。与此同时，人工干预、维护、赔付少了，这些是实打实的支出节省。
两头相加——新增的收入加上省下的支出，能不能盖过新增的投入，才是这笔研发真正的经营回报。
分析了一圈，判断标准其实已经可以简单到一句话：多赚的钱，加上省下的钱，能不能覆盖多投的钱。能，这笔自研就值得；不能，就该重新掂量。
当然，现实中还有几笔不能漏的细节账：研发延期的代价、年复一年的维护、将来换供应商的迁移费和退出费，都要算进去，而且收支得按它们真正发生的时间来比较。至于几种方案混着来的组合，也放进同一张账里，看它在什么任务、什么规模下更划算。
需要强调的是，这一节的数字一开始都来自预算、报价和试点的估计，是“算”出来的；一旦真的开始交付，就得用一笔笔真实记录把它们替换掉。
这就需要我们用实际证据，一步步检验当初的测算。
分阶段检验研发回报
上一节算的是“预计”的回报，用的是假设和估算；这一节要做的，是拿真实证据回头检验这些估算靠不靠谱：共用投入到底花了多少、每个现场实际支出多少、东西到底复用了多少次、客户又真金白银带来了多少收入。
检验不是等到最后才做，而是沿着四个台阶逐级进行：研发阶段，验证“能力增量”——自研到底有没有带来更好的本事；试点阶段，校准“现场成本”——真实落地一个现场要花多少；复制阶段，核实“复用效率”——换到新现场到底省不省事；经营阶段，检验“收益兑现”——收入和利润有没有真正落袋。
每上一个台阶，都要用新拿到的证据把回报测算重新算一遍，再决定下一笔钱要不要继续投，这才符合最基本的商业逻辑。
先说研发阶段的关键：对照一定要选对。用来比的外部方案，不能是想象中“完美又免费”的方案，而得是真能买到、有合法使用权、并且已经完成必要适配的方案。企业要比的，是几套都真能扛起目标任务的方案，而且每套的适配费、运行费都要一笔一笔记清楚——这样比出来的“自研增量”才作数。
到了复制阶段，要当心每个现场都不一样。新项目往往更复杂，适配要花的工时可能不降反增。正确的做法，是把任务和负荷相近的项目归到一起，一项项检查：已有的模型、数据、程序和工具，到底帮新现场减掉了多少本该从头做的活儿。复用效率，就藏在这些少做的工作里。
这就回到了03那条回本逻辑的现实考验：比如你原本预计三年能铺300个现场，结果只有50个真正付费投产，那前期投入怎么收回来，就得重新算。反过来也成立——哪怕数量不大，只要单个项目的收益足够高，照样撑得起一笔不小的研发。所以规模和收益这两头，都不能只停在计划里，得一起接受真实数据的检验。
还有一件事是，光在合同里写明白还不够，得真刀真枪试一遍：借着版本升级、切换供应商，或者专门做一次迁移测试，看看当初承诺的成果到底能不能留住、过程中要停机多久、恢复到能验收要投入多少人和钱。能顺利带走的，才是真正属于企业的资产。
每一关的验收结果，直接决定下一步往哪走：如果方案的优势能在不同现场重复出现、预计回报为正，就放心进入下一阶段；如果优势只在少数几个任务上灵光，就该把研发范围收窄，别再全面铺开；如果外部方案已经能做到同样的交付标准，而且把切换费用算进去之后仍然更划算，那就该果断调整分工——该买的买，把力量留给真正造壁垒的地方。
拿这套方法回头看宇树，它那20.22亿元的模型研发规划成效，也完全可以沿着同一条链来检验[1]：
它的模型UnifoLM，版本更新和公开评测可以用来追踪技术进展；一旦进入具体任务，就该和能买到的外部方案比一比性能、适配和运行成本[19]。而H2 Plus官方披露的“可搭载Isaac GR00T模型”，正好给了一个观察“自研+外购”组合方案的入口——自研的身子，接上外部模型这个“大脑”，实际表现如何，还要等后续数据说话[20][21]。
把几条证据串起来，图景就完整了：募投建设的进度，记录资金花得怎么样；任务之间的对照，检验能力增量到底有没有；交付和付费的记录，检验经营回报是否兑现——同类项目的新增适配少了多少、运行中的人工干预和维护怎么变化、客户愿不愿意持续付费。这几样连在一起，就能看清这20.22亿真正创造了什么。
说到底，没有永远正确的自研路线，只有持续更新的价值标尺——企业守住统一的任务与验收标准，动态校准各方案的性能、成本与可留存价值，研发投入的优先级自然会清晰起来。
参考资料：
[1] 宇树科技股份有限公司. 首次公开发行股票并在科创板上市招股说明书（正式版）[R/OL]. (2026-08-14)[2026-10-22].
[2] 宋薇萍. 王兴兴：明年GPT-7可能“直接把具身智能问题打穿”[N/OL]. 上海证券报， (2026-10-12)[2026-10-22].
[3] 银河通用团队. Systematically Exploring the Capabilities of GPT-6 Astra as Embodied Policies[EB/OL]. (2026-09-29)[2026-10-22].
[4] ARTIFICIAL ANALYSIS. AA-Robotics v0.1[EB/OL]. (2026-10-14)[2026-10-22].
[5] 秦盛. 王兴兴：物理AI已看到被击穿的苗头，竞争会非常惨烈，需要共同努力[N/OL]. 澎湃新闻, (2026-10-22)[2026-10-23].
[6] 胡逸璠. 王兴兴：具身智能"ChatGPT时刻"何时到来？快则两三年，慢则五到十年[N/OL]. 澎湃新闻， (2026-08-20)[2026-10-22].
[7] PHYSICAL INTELLIGENCE. Announcing our API beta[EB/OL]. (2026-10-13)[2026-10-22].
[8] CHEN T, et al. RoboDojo: A Unified Sim-and-Real Benchmark for Comprehensive Evaluation of Generalist Robot Manipulation Policies[EB/OL]. (2026-07-05)[2026-10-22].
[9] ZHANG W, et al. An Unexpected Robot Policy: Early Evaluations of GPT-6 Astra on RoboDojo and Beyond[EB/OL]. (2026-09-21)[2026-10-22].
[10] ROBOTERAX. Video Prediction Policy 2: Predict Better, Act Better[EB/OL]. (2026-10-07)[2026-10-22].
[11] MICROFACTORY. 官方网站[EB/OL]. [2026-10-22]. https://microfactory.com/；相关披露另见：陈宥文. 通用大模型正在重做机器人的研发与交付[EB/OL]. 钛媒体， (2026-10-17)[2026-10-22].
[12] PHYSICAL INTELLIGENCE. The Physical Intelligence Layer[EB/OL]. (2026-02-24)[2026-10-22].
[13] 科创板日报. 银河通用与宇树宣布联合研发全球首个原生智能体机器人[N/OL]. (2026-10-23)[2026-10-23].
[14] FIGURE. Introducing Index[EB/OL]. (2026-08-25)[2026-10-22].
[15] FIGURE. Helix 2.5: Zero-Shot 30-Home Generalization[EB/OL]. (2026-09-17)[2026-10-22].
[16] POKE & WIGGLE. Chapter 2: Towards an agent-native CERN of AI robotics[EB/OL]. (2026-10-14)[2026-10-22].
[17] ACCA. Cost-volume-profit analysis[EB/OL]. [2026-10-22].
[18] KNEIFEL J, WEBB D. Life Cycle Costing Manual for the Federal Energy Management Program: NIST Handbook 135e2025[R/OL]. Gaithersburg: National Institute of Standards and Technology, 2025[2026-10-22].
[19] UNITREE ROBOTICS. UnifoLM-WLA-1.0 README[EB/OL]. (2026-09-28)[2026-10-22].
[20] UNITREE ROBOTICS. Unitree H2 Plus 官方产品页[EB/OL]. [2026-10-22].
[21] NVIDIA. Isaac GR00T：通用机器人00技术[EB/OL]. [2026-10-22].
热门跟贴