王兴兴的焦虑，具身圈的恐惧

文｜三少爷

" 明年 GPT-7 出来，可能直接把具身打穿。"10 月 12 日，第 26 届中国国际工业博览会的圆桌论坛上，宇树科技创始人王兴兴抛出了这句话。台下坐满同行，脸上的表情意味深长。

同一个预言，落在不同人耳朵里，是两个相反的信号：有人听出了喜讯—— " 机器人要爆发 "，有人听出了警报—— " 饭碗要被端走 "。

一个把机器人本体做到全球领先的科技公司创始人，为什么会在自家主场，替一个还没发布的大模型站台？GPT-7 到底能不能打穿具身？具身人又该笃定什么、焦虑什么？答案，要从王兴兴那句预言背后的一个前提说起。

打穿具身的，不会是 GPT-7

在王兴兴抛出那句颇具压迫感的预言之前，宇树已经把通用大模型 GPT-6 Astra 接到自家机器人本体上，做了各类任务测试—— " 效果非常不错 "。

这句话来自一个顶尖的人形机器人公司，说明当机器人的 " 大脑 " 由外部大模型提供、而且表现超出预期时，" 通用大模型能打穿具身 " 就不再是空想，而是一种很具体的预感。GPT-6 已经如此，明年的 GPT-7 呢？

但 GPT-7 恐怕还不能打穿具身。这句预言基于一个明确的技术前提：机器人的 " 大脑 " 应该分成两半——重的、需要大规模泛化的决策，放在云端；轻的、对实时性敏感的运动控制，留在本体。

这个前提当然有一定的道理。宇树也试过另一条路——在本体上部署端侧大模型、不依赖云端，测出来的能力表现，不如把 GPT-6 Astra 接进来之后那么惊艳。" 把大脑交给云端、让本体克制一点 "，看上去顺理成章。

可恰恰是这个前提，站不住。未来不仅不是 " 云端为主 "，反而很可能是 " 云端为辅、端侧为主 "。这不是一场观点之争，而是正在成为的行业共识——理由有三。

首先，是实时性。机器人要在物理世界里动作，而物理世界不等信号往返。在同一场对话里，向少卿给出的判据是：" 物理是不会等你计算完毕的。" 执行环节和物理世界实时交互，时延就是生死线，所以算力应尽量靠近机器人、最好是端侧。

其次，是成本。云端推理不是免费的，把百万台机器人的 " 思考 " 都堆上云，等于把一笔随规模线性增长的账单扛在云端；而具身智能要替代人力，拼的恰恰是成本账——云端那部分算力开支，最终会算进机器人每个小时的工钱里。

最后是隐私。机器人要进工厂，更要进家庭，摄像头和麦克风采集的是最敏感的数据。这些数据若都得先上云，落地就会撞上用户与合规的红线。

事实上，" 端侧为主、云端为辅 " 早已不是具身一家的判断，而是所有实时终端共同的走向——手机如此、自动驾驶如此、机器人更是如此。北京智源研究院《端侧智能 2026》报告里的措辞最干脆：产业正形成 " 端侧为主、云端为辅 " 的混合架构，云端推理在成本、时延、隐私与稳定性上的结构性瓶颈，正把整个产业推向端侧。

到这里，结论就清楚了：在 " 端侧为主 " 的架构里，一个跑在云端的通用大模型，打不穿具身。因为它最擅长的 " 大规模泛化决策 "，恰恰是机器人最不敢外包给云端的那部分——网络一断、延迟一上来，机器人和一具没有大脑的躯壳没有区别。

那什么能打穿？不是云端更大的模型，而是一个专为具身而生、上千亿参数的端侧大模型。它的可行性，来自一条正在被验证的规律——密度定律：大模型的能力密度约每三个半月翻一番，同样一件事，所需参数越来越小。

顺着这条曲线推下去，一边是端侧装得下的模型越来越大，一边是同一份智能所需的参数越来越小。几年之后，一个千亿参数的端侧模型，能力就抵得上今天云端的万亿级甚至十万亿级——那才是真正打穿具身的一刻。

焦虑各不同

王兴兴的预言虽然很有压迫感，但他把胜负手放在了云端，而真正能突破技术临界点的那颗大脑，会长在端侧——而它要长出来，还需要一段不短的时间。因为，要真正突破临界点，前提是有一台能跑得起 " 足够智能 " 的端侧大模型的机器人。

而这远不是把模型装上去就行——它至少得凑齐四样东西：一个上千亿参数的端侧大模型，一颗几千 TOPS 级、还要压得住功耗的芯片，一套能解决散热的方案，以及一块能量密度更高、同时足够安全的电池。

这几样，没有一样是一两年能到位的。所以一个更现实的判断是：具身的技术临界点，更可能落在 5-10 年，而不是 " 最快一两年 "。行业里更谨慎的一派也是这个口径。

这对具身行业是一颗定心丸：时间没那么紧，不必慌。

但 " 不必慌 "，是对整个行业说的。真落到每一家公司头上，该不该慌，答案并不一样——关键看你站在价值链的哪个位置。

先说两类不慌的：零部件厂商和数据厂商。对他们来说，行业越加速爆发，生意越好做——机器人卖得越多，零部件出货越多；模型迭代越快，高质量数据越值钱。所以任何能推动行业往前跑的事，他们都倒履相迎，自然轮不到焦虑。

真正坐立不安的，是另外三类：强本体 + 弱智能的整机公司、强本体 + 强智能的机器人公司，以及只做 " 大脑 " 的具身大模型公司。

先看整机公司。他们的隐忧，写在两段产业史里。

PC 时代，拿走最多利润的，不是直接卖给消费者的戴尔、联想，而是提供芯片的英特尔和提供操作系统的微软；手机时代，把苹果刨除在外，赚大钱的也不是面向用户的手机公司，而是攥着芯片和专利的高通、攥着 OS 和超级应用的谷歌。把这条规律推到具身——本体强、智能弱的整机公司，有可能落得一个为谁辛苦为谁忙的下场，其利润的大头，会被提供基座、做大模型的巨头拿走。

再看那些既做本体、又做大脑的公司——比如星海图、银河通用这一批。

他们心里多半有一本账：单论技术，大概率拼不过 OpenAI、DeepSeek 这些巨头；可机器人本体在我手里，真机数据总该是我的护城河吧？这个算盘恐怕打不响。数据不是独占资源，而是可自采资源——对手只要有身体、有场景，早晚也能采到同等规模的数据；更何况 OpenAI 已经明确要进入人形机器人领域。靠 " 我有本体 " 去锁定数据护城河，恐怕是铁链锁虚空——锁不住的。

最后是只做 " 大脑 " 的公司，处境最被动——它们将被夹在三股强大力量的中间。

在 AI 巨头入局之前，具身大脑公司好歹是个稀缺角色：整机公司需要借它来补上智能这块短板，它站在链条的上游，手里还握着几分议价权。

可 AI 巨头一旦入局，局面就翻转了。往上，巨头用更强、更便宜的通用大模型直接覆盖具身场景；往下，那些既做本体又做大脑的公司，怀着 " 成为下一个苹果 " 的野心，既不肯站队 AI 巨头，也不会把灵魂交给一个外部大脑；而纯整机公司，正好借巨头的现成模型，一脚把夹在中间的大脑供应商踢开——过去要合作的人，如今成了可以绕过的人。一个没有本体、没有场景、数据又算不上护城河的大脑公司，就这样卡在中间，位置最是尴尬。

所以，具身行业真正的焦虑是：在这场价值链的重新分工里，自己会不会正好坐上被牺牲的那把椅子——本体强、智能弱的，价值被压榨，挣的只是辛苦钱；本体、大脑两头都做的，护城河不够宽，壁垒不够坚固；只做大脑的，被上下绕过，直接被消灭。

技术在时间上给了行业从容应对的底气，但价值链上的位置，藏着更难解的隐忧。 这，才是王兴兴那句预言背后，行业真正该掂量的东西。

写在最后

位置这两个字，其实不只是具身行业的焦虑。

AI 正在重塑的，不只是某一条产业链，而是每个人在其中的坐标。当机器学会思考、学会动手，几乎没有哪个岗位敢说自己绝对安全——区别只在于，被替代的先后。而具身智能、物理 AI 这种变化最剧烈的领域，恰恰是离 " 被颠覆 " 最近的地方。

这便有了耐人寻味的一层反讽。今天那些成立具身大脑公司、拿下几亿融资的天才少年，正立志用机器人替代一个又一个岗位、一批又一批劳动力；可他们自己，也可能某天被更强的模型、更大的巨头，以同样的方式覆盖、绕过、取代——站在 " 被替代的位置 " 上。

这可真的是天道好轮回，苍天饶过谁？