通用大模型改写机器人规则
2026年的世界互联网大会乌镇峰会是11月4日的时候开的, 行业的专业人士指出了这么一件事儿, 全球头部的多模态大模型已经把任务规划的问题给很好地解决了, 根据现在的形势来判断, 明年很有可能就是机器人模型的临界点所在的地方。
OpenAI公司在今年9月的时候发布了一款被称为GPT-6 Astra的东西, 这个发布把能力的范围给延伸到了去直接控制机器人上面这件事。
在9月21日这一天, 有一个叫做RoboDojo的平台展示了一篇论文, 这篇论文上面的内容显示, 对于Astra这个模型来说, 它在仿真任务里面的平均成功率是达到了22.48%这一个数值的, 而上一代的产品, 也就是GPT-5.5呢, 其对应的数据仅仅只是0.88%。
世界模型概念之争
World Labs在今年6月份所发表的文章里面指出, 世界模型这个术语在人工智能这一研究领域当中是含义非常混乱的一个词, 按照输出结果的不同, 它可以被分成三种类型, 这三种类型分别是生成画面, 其次是模拟物理状态, 最后是决定下一步的动作。
芯片说ICTIME首席分析师林美炳指出，画面逼真不等于理解物理规律，不接受动作输入的视频生成模型严格来说不算世界模型。
大模型与动作模型的分工
深圳那边的一个做机器人的大公司里, 有个产品经理出来介绍情况, 说的是这家公司是让那个大模型来把任务给理解清楚, 然后再去把那些步骤拆解好, 具体的动作呢, 还是交给他们自己训练出来的那种动作模型去处理, 而通用的大模型这个东西目前来看是更适合放在最关键的最上层这一部分的。
在11月5日这一天, 王兴兴他于第九届进博会上面的时候发表了表示, 就是他现在觉得最大的挑战这个东西, 那并不是说模型理解能力有什么大的问题, 而是呢是在物理执行这个过程里面去碰到了情况。这个具体情况是什么? 是最后几毫米这个地方会有比较大的偏差存在这个问题上面。
物理世界执行的硬约束
现在的人能够直接看懂的普通话书面语是这样的, 预判这种后果的行为, 恰恰正是被称为世界模型的那个东西里面所核心的, 进行着的非常主要的工作内容。
具体到了10月27日这个时间点上, 谷歌DeepMind这一家公司就发布了名为Genie4的研究预览版本的内容, 然后, 它又和Gemini这块内容进行了配合使用, 一起完成了对那种具有人形外观的机器人去下跳棋这种活动的模拟工作。
但是, 机器人公司还有汽车制造企业大多数是选择了自己去进行开发, 或者是去使用那些开放的模型。因为在市面上已经有了可以被当作免费的资源来调用的世界模型了。所以这些企业更愿意把他们的资金投入方向放到数据方面, 以及模型的微调工作上面去。
世界模型商业化困局
很多机器人公司都很少愿意去给外面的世界模型花钱, 与此同时, 芯片公司又把自己的模型开放了出来, 这就导致那些刚起步做世界模型的创业公司面临了很大的商业化压力, 而且它们在算力的规模方面也很难和那些通用的大模型公司去展开竞争。
OpenAI在今年3月份的时候做出了一个决定, 说是要停止为普通消费者提供Sora这项服务, 随后他们的研究团队就把精力转到了世界模拟上去, 主要是以此来推动机器人技术的前进, 而在通用大模型公司进入这个领域之后, 大家发现门槛其实并没有多高。
算力需求与时间窗口
英伟达已经把那个Cosmos平台给开放出来了, 目的是为了帮助相关行业去建立一个及格水平的, 也就是60分的基础模型, 等到全行业都纷纷开始使用这个模型的时候, 它就会转化成对云端算力的一个持续不变的需求；而AMD呢, 它主要的看重的点在于那些搞模型的团队, 能够对下一代硬件的需求进行一个准确预判的能力。
智平方的副总裁莫磊做出了明确强调, 真实设备上面的运行数据对于性能的提升来说更加关键且重要, 同时在数据的维度中, 数据的多样性这一属性比单纯的数据数量规模更为突出和首要。
那些专门从事通用大模型研发的公司在依靠自身研发硬件来获取高质量训练数据方面已经行动起来了。这种情况出现后, 留给专注于世界模型的纯软件公司的生存时间窗口是不太长的存在期限。
大家觉得, 那些专门做世界模型的公司, 在面对通用大模型的猛烈攻击之下, 最终能够成功实现商业上的全面闭环吗? 如果觉得这个想法还有讨论的价值, 请帮忙点个赞并且分享给朋友, 同时在评论区里说说你自己对于这个情况的判断和看法。
