物理AI被视为人工智能的下一波浪潮。国内外巨头接连发布物理AI新品,且尤为集中在具身大脑领域。
英伟达在CoRL 2026发布新一代机器人模型GR00T 2。同日Anthropic发布Fable 5.2,在RoboDojo仿真测试中平均成功率达64.9%。次日谷歌DeepMind发布Gemini Robotics 2.5,在奔驰汽车产线实现96%任务成功率,Apollo 2人形机器人基于该模型自主完成零件分拣。
在国内,华为近期入局具身大脑,发布并开源了昇腾原生具身世界模型 CloudRobo-WM1.2。蚂蚁灵波则开源了LingBot-Touch触觉基础模型,并发布开发者生态计划。
围绕具身大脑的讨论随之升温,GPT-6、Fable 5.2等通用模型在机器人控制上展现出较强潜力,但它会取代具身大脑吗?物理AI的临界点还有多远?行业又卡在哪些环节?
▍专用大脑与通用大模型:不是简单取代,而是分层协同
GPT-6 Astra等通用前沿模型展现出直接控制机器人的能力,正在引发业界对机器人专用模型发展路线的重新审视。OpenAI也因此调整机器人研发战略,解散独立机器人团队,将相关研究人员并入公司的核心研究和应用部门。
在采访中,多名业内人士对此的判断是,通用大模型占据上层规划与预训练底座,具身专用模型和高频控制层补齐物理世界理解与实时闭环,二者走向分层协同。
谋先飞联合创始人张衡介绍,像GPT或Fable 5.2这样的大语言模型展现出了一定的高层控制能力,但其控制频率非常低,可用于宏观层面的低频规划,却无法对机器人进行高频控制。
“高频控制目前是这类大规模参数模型难以解决的,这一领域仍有很大的探索空间。后续需要引入高频运行的模型,并研究这些模型如何与上层低频模型在控制层面进行结合,这方面仍有大量工作可做。无论是上层的低频模型还是下层的控制模型,都需要具备对物理世界的理解,以完成模型训练。”张衡称。