通用大模型“降维打击”之下，具身智能自研路线何去何从

一、引言：一次评测引发的路线动摇

过去两年，具身智能行业的主流叙事是“自研原生具身基础模型”：用海量机器人轨迹数据、大规模分布式训练和成建制的算法团队，一点点把操作能力“啃”出来。这条路径投入巨大，但进展往往是缓慢的——评测分数从80分到81分，可能要消耗一个季度。

而近期的一个变化打破了这种节奏感：通用大模型在部分机器人操作评测中，展现出无需针对具体任务做额外后训练、也无需任务示范，仅凭语言指令即可完成操作的能力。更直观的冲击来自评测榜单——原本徘徊在20~30分区间的方案，在引入“通用大模型 + 机器人智能体（Robot-Use-Agent）”的组合后，成绩可以跃升到50~60分区间；而原生具身模型辛苦积累的80分，被通用模型一次性推到了90分附近。

这带来一个非常现实的工程问题：还有必要自研基础模型吗？ 本文尝试从技术能力、工程成本与组织策略三个维度做一次冷静拆解。

二、冲击的本质：不是“模型更强”，而是“范式变了”

很多讨论把冲击简单归结为“通用大模型参数更大、能力更强”。这并不准确。真正的冲击在于能力获取方式的改变：

1. 任务适配成本的结构性下降。传统具身模型需要为每类任务采集示范数据、设计奖励或微调策略；而具备上下文学习能力的通用模型，可以在推理阶段通过指令、示例与工具调用完成组合，减少了对任务级后训练的依赖。
2. 能力来源从“数据驱动”转向“数据+知识驱动”。通用模型在预训练阶段吸收的跨领域知识（空间推理、常识、数学与几何直觉），可以直接迁移到操作决策中，形成对3D重建、空间关系判断等环节的支撑。
3. 智能体化封装降低了接入门槛。机器人系统不再需要端到端重训，而是把通用模型作为“决策中枢”，通过工具调用接口操作感知、规划与执行模块。这种架构让算法团队的边际产出结构发生变化。

换句话说，冲击不来自某一次模型发布，而来自“通用能力 + 智能体封装”这一工程范式的成熟。

三、能力拆解：通用模型在机器人场景中补上了什么

从公开评测与技术报告反映的趋势看，通用大模型对具身系统的价值主要体现在三类能力上，这三类能力恰好是过去原生具身模型的重点攻坚方向：

3.1 上下文学习（In-Context Learning）

通过指令中给出的任务描述、环境约束与少量示例，模型可在推理阶段完成任务组合，而无需更新参数。对机器人而言，这意味着新增任务的边际成本从“采集数据 + 训练 + 评测”缩短为“编写指令 + 验证”。

3.2 空间与几何推理

操作任务高度依赖对物体位姿、可达性、遮挡关系的判断。通用模型在预训练中获得的几何与空间推理能力，可以在没有专门3D标注数据的情况下提供可用的先验，减少对高精度重建管线的依赖。

3.3 长程任务分解与纠错

自然语言指令往往对应多步骤任务。通用模型擅长把“整理桌面”拆解为抓取、放置、归位等子目标，并在执行失败时基于观测重新规划。这种“规划—执行—反馈”的闭环，是智能体化封装的典型价值。

需要强调的是，这些能力并不意味通用模型可以直接替代底层控制。运动控制、力控、实时性保障仍然依赖专门的机器人栈，通用模型更多承担“高层决策与任务编排”的角色。

四、工程视角：自研预算为什么“悬了”

从工程管理角度看，预算收缩并非情绪化反应，而是成本结构变化后的理性调整。

4.1 投入产出比的重新计算

自研基础模型的成本项包括：数据采集与标注、训练算力、评测体系、团队人力。其收益是“任务能力 + 技术壁垒”。当通用模型能以智能体方式提供可用的高层能力时，自研模型在“通用性”上的边际收益下降，预算自然向“差异化能力”倾斜。

4.2 算法岗职责的迁移

裁撤算法岗并不等于放弃算法，而是岗位重心从“预训练与任务微调”转向“智能体编排、评测体系建设、数据飞轮与落地集成”。这对团队能力结构提出新要求：更懂系统集成、更懂评测、更懂业务闭环。

4.3 一个务实的混合架构示意

下面给出一个中立的、可落地的分层架构思路，用伪代码表达各层职责边界：

# 分层架构示意：通用模型负责高层决策，机器人栈负责实时执行
class RobotAgent:
    def __init__(self, planner, perception, controller, evaluator):
        self.planner = planner        # 通用大模型：任务分解、指令理解、纠错重规划
        self.perception = perception  # 感知模块：检测、位姿估计、场景图构建
        self.controller = controller  # 控制模块：运动规划、力控、实时闭环
        self.evaluator = evaluator    # 评测模块：成功率、耗时、干预次数
    def run(self, instruction, scene):
        subgoals = self.planner.decompose(instruction, scene)   # 上下文学习+规划
        for goal in subgoals:
            state = self.perception.observe(scene)
            action = self.planner.decide(goal, state)           # 工具调用式决策
            ok = self.controller.execute(action)                # 底层实时执行
            if not ok:
                subgoals = self.planner.replan(goal, state)     # 失败纠错
        return self.evaluator.report()

这个架构的关键在于职责隔离：通用模型不直接输出底层控制量，而是输出可被工具层执行的结构化决策；机器人栈保留实时性与安全性保障。这样既获得通用能力的泛化性，又避免把系统稳定性押注在单一模型上。

五、评测体系：别让榜单分数替代业务指标

引入通用模型后，评测体系必须同步升级，否则很容易出现“榜单涨分、落地无感”的落差。建议关注三类指标：

• 任务成功率与泛化率：区分“见过任务”与“未见任务”的成功率，避免过拟合评测集。
• 干预频率与恢复能力：统计人工接管次数、失败后重规划成功率，这直接反映智能体编排的质量。
• 端到端时延与资源开销：高层模型的推理时延是否满足业务节拍，算力成本是否可接受。

评测基准的价值在于提供可比较的坐标系，但企业应建立与自身业务场景对齐的内部评测集，避免被单一榜单牵着走。

六、策略建议：从“全栈自研”转向“分层自研”

对于仍希望保留技术壁垒的团队，建议采取分层策略：

1. 高层决策层：优先采用通用大模型 + 智能体编排，快速获得泛化能力，把研发资源从“重复造通用能力”中释放出来。
2. 中间能力层：自研重点放在数据飞轮、场景化工具接口、失败恢复策略上，这些是通用模型难以直接覆盖的工程资产。
3. 底层执行层：持续投入实时控制、安全约束与硬件适配，这是机器人产品的生命线。
4. 预算分配：把原计划投入预训练的部分资源，转移到评测体系、数据治理与系统集成上，形成“能力可度量、迭代可闭环”的研发节奏。

七、结语

通用大模型带来的不是“具身智能不需要自研”的结论，而是“自研的重心必须迁移”的信号。当通用能力可以通过智能体封装按需获取时，企业的竞争力将更多体现在场景理解、系统集成、评测体系与数据飞轮上。对技术团队而言，真正的挑战不是是否继续自研，而是清楚哪些能力值得自研、哪些能力应当借用。把这个问题回答清楚，预算就不再“悬”，路线也不再“画地为牢”。