把一块积木放进碗里，和把一块拼图嵌入凹槽，在人眼里都只是挪动一个小东西。同一个通用大模型在两项任务里的成绩，却相差很大。
RoboCurve 在 9 月公布的测试里，让 GPT-6 Astra 控制机械臂，把红色积木放进碗中。二十次尝试，成功十九次。换成捏住一块蓝色圆形拼图中心的凸钮，再把它放进对应凹槽，二十次只成功了两次。两项任务都使用 YAM 机械臂，但分属不同实验台。
这组结果很容易被分别拿来支持两种判断：通用模型已经学会操作机器人；通用模型离可靠操作还很远。两句话各自抓住了部分事实。
真正让做机器人的人坐不住的，是这项能力来自一个通用模型。过去设想的分工，是大模型理解人说的话，专门的机器人模型负责决定如何动作。现在，通用模型也开始参与后一个环节。原本打算花几年建立的技术优势，会不会在下一次模型升级时突然变得普通？
据 RoboCurve 9 月 4 日公布的实验记录绘制，每项任务 20 次。
《晚点聊》这期具身季报里，陈哲与程曼祺讨论的正是这件事。陈哲倾向于认为，通用模型会挤压一部分具身公司的空间，同时加快整个市场的发展。我认同这两件事可以一起发生，但它们对不同公司的意义，可能完全相反。
一家卖机械臂的公司，可能因为模型更好用而多卖设备；一家只卖控制算法的公司，却可能发现客户有了更便宜的替代方案。它们都叫“机器人公司”，卖的却不是同一种东西。
谁的工作更容易被替代
这里说的大模型控制机器人，并不是把一句话直接接到电机上。
RoboCurve 让模型每轮读取三路摄像头画面和机械臂状态，给出夹爪要到达的位置、朝向和开合指令。底层软件再把这些指令转换为关节动作。大模型接过的是部分动作决策，整套机器人系统仍在发挥作用。改变的是一项分工假设：决定下一步该做什么，不一定只能由专门训练的机器人模型承担。
对创业公司而言，客户会拿什么方案来比较，比排行榜上的名次更迫切。客户过去购买的是一项很难获得的能力，如果以后可以从通用模型供应商那里买到相近的能力，原供应商就需要重新解释报价。自己训练过模型、做过多少研究，都不能替代这个解释。
专用模型的位置，仍要看具体任务。开头的拼图成绩就是一个提醒。在另一项覆盖 RoboDojo 四十二个任务的研究中，Astra 的平均成功率为 22.48%，研究所用的综合得分高于其比较的四十个公开策略。但作者同样发现，它的能力很不均衡：对语义理解要求高的任务表现较好，对精度、动态控制和复杂双臂配合要求高的任务仍有明显限制。
这意味着，专用模型仍可能有自己的位置。例如，某道工序要求响应很快、接触力很稳，或者设备必须离线运行，客户就会在这些条件下比较各家方案。即便某个专用模型在特定工序上领先，也要接受后续通用模型升级的检验。
真正需要证明的是，客户在既定成本和现场条件下，为什么还需要你的方案。
陈哲在节目中用智能汽车的分工做类比，谈到中间的方案商如何面对整车厂与底层供应商的挤压。他认为，卖“具身大脑”的公司也会遇到相似的处境。往上看，通用模型可能承接更多判断；往下看，硬件厂商可能把控制能力一并提供。如果公司的主要价值只是连接两者，中间这笔费用就容易受到两边挤压。
陈哲在节目中提出，具身创业者需要分清哪些能力可以直接使用通用模型，哪些仍需自己掌握。照这个思路安排研发预算，省下重复做别人已做好的部分，才有条件投入那些确实影响客户使用的事情。
工厂愿意付钱的，还有什么
不妨设想一条装盒生产线。机械臂已经学会拿取零件，接下来却遇到一个变形的包装盒。它应该继续尝试，换一个盒子，还是停下来叫人？拿到的零件歪了，能不能发现？重试会不会伤到产品，又会不会耽误后面的工序？
在这样的情形下，客户关心的，不只是机器人完成正常动作时有多漂亮，还包括出错后生产怎么继续。
于是，报价里除了设备和模型调用，还要考虑安装、调试、维护、人工接管，以及停机造成的损失。一套便宜的模型，如果需要人频繁守着，整体方案未必便宜；一套设备即便没有用到领先模型，只要能稳定完成客户需要的工作，也可能值得购买。
节目谈到的触觉、力觉、工艺约束、失败恢复，就属于这类问题。它们有的要靠部件解决，有的要靠控制软件解决，有的则要改变作业流程。把这些工作做成一个客户可以验收的方案，与发布一个模型，是两种不同的生意。
不过，“现场很复杂”也很容易变成创业公司的自我安慰。
复杂，可能意味着别人很难进入；也可能意味着每来一个客户，都要重新派一队工程师。前一个项目解决的问题，在下一个项目里用不上，收入增长的同时，人力投入也跟着增长。团队忙得不可开交，并不说明已经建立了可以扩大规模的产品业务。
同样，设备运行产生的数据也不会自动成为优势。要看公司有没有权使用这些数据，能不能判断失败原因，以及根据它们改进之后，是否能让其他客户少调试一些时间。只是把视频和日志存起来，还没有回答这些问题。
我更愿意追问一家公司的第二次交付。第一套设备进入工厂，工程师花了多久，不足以判断这门生意；面对相近工序的第二个客户，哪些部件可以复用，哪些软件不用重写，调试时间是否缩短，才开始说明公司留下了什么。
如果每次交付都必须从头再来，它也可以是一家有价值的工程服务公司。但不能只因为使用了 AI，就把未来收入想象成软件订阅那样容易复制。
硬件会受益，也会被比较价格
与只卖算法的公司相比，卖本体、夹爪或传感器的公司，可能更欢迎通用模型的进步。设备更容易被使用，客户才更容易找到购买理由。
但“模型越强，硬件越值钱”仍然少了条件。
假如同一个通用模型能适配多家机械臂，客户就有了更多选择。兼容性、维修速度、使用寿命和价格会一起进入比较。智能能力普及，既可能带来新订单，也可能降低客户更换硬件供应商的难度。市场扩大与单台设备利润提高，并不是同一回事。
硬件厂商自己做模型，因此也未必是在争当另一家通用模型公司。陈哲在谈到本体企业时，强调了把硬件、模型和工具串起来，降低用户完成任务的难度。这种投入可以理解为卖设备的一部分：用户更快用起来，购买决策才更容易发生。
反过来，独立软件公司也未必必须拥有工厂和全部硬件。如果它能兼容多种设备，帮助客户避免被单一供应商限制，并在一类工序上持续减少调试与故障，就仍有理由单独收费。只是，这个收费理由需要从交付结果里长出来，不能一直依赖“我们有自己的大模型”。
今天需要工程师处理的现场问题，未来也可能被通用模型解决。模型升级后，原来需要自己维护的某个模块，如果已经能被更可靠、更便宜的方案替代，就应该允许它被替换。客户续约的理由若是整套系统好用，公司就不必要求每个零件都证明自己的独特性。
这轮机械臂实验留给创业者的经营问题是：如果明天大家都能买到更强的模型，你与客户之间还剩下什么关系？
对于一家已有交付的机器人公司，答案可以很具体。模型换了，客户的设备是否更容易运行；新工序来了，能否少派人去现场；同一客户扩建时，是否愿意继续购买。能够反复做到这些，比让客户相信自己的技术路线永远领先，更接近一门可持续的生意。
原节目：晚点聊 184｜与陈哲的具身季报 · 实验资料：RoboCurve、RoboDojo 研究
封面：KUKA／Bachmann（公共领域），经裁切调色；工业作业示意，非 Astra 实测。
留言