具身智能开始分层 产业制高点争夺战

具身智能开始分层 产业制高点争夺战 关键词： 2026-04-15 11:15:51  澎湃新闻 具身智能开始分层 产业制高点争夺战。这两年，具身智能领域变得越来越热闹。视频越来越多，名词越来越相似，几乎每家公司都在谈论基础模型、泛化、端到端和多模态技术。大家都在展示机器人能够抓取、放置、整理和装配的能力。表面上看，这些公司似乎在同一条赛道上竞争，但仔细分析Generalist AI的GEN-1、Figure、Physical Intelligence和Google DeepMind等公司的策略，会发现它们争夺的目标并不相同。当前具身智能领域的真正差异不在于“都会不会做”，而在于“各自想占住产业链的哪一层”。一些公司在研发更强大的机器人，另一些公司在构建更通用的机器人底座，还有一些公司则试图抢占机器人时代的上层操作系统。如果不能看清这一点，就容易将不同公司的路线混为一谈，认为大家都在做“机器人大模型”。实际上，关键问题是谁更接近商业闭环，谁更有可能成为别人绕不过去的基础设施。以Generalist AI为例，它最值得注意的地方不是其关于“通用智能”的大词，而是非常实际的技术指标。2026年4月发布的《GEN-1：将具身基础模型扩展到“精通”阶段》中提到，GEN-1在若干简单但高价值的物理任务上的平均成功率从GEN-0的64%提高到99%，执行速度达到此前基线模型的约3倍，且每项结果所需的数据量减少到约1小时。文章明确表示，GEN-1的目标是让一批简单任务先跨过商业可行性的门槛。这种转变改写了机器人行业的评价标准，从“会不会做”变成了“能不能稳定做、够不够快、出了意外能不能自己补救”。这更接近工厂和仓配中心的真实需求。真正有价值的不仅是完成一次任务，而是能连续多次完成，且保持高效。具身智能能否落地，最终取决于重复性、节拍和异常恢复能力。更深一层看，GEN-1押注的是超大规模“物理交互经验”，而不是传统的大规模机器人数据。Generalist认为，未来的机器人世界也会像大语言模型一样，底座经验会越来越重要，真机数据则会逐渐变为“微调料”。