上一篇讨论了通用 Agent 进入物理世界后，具身系统可能如何变化。接下来更尖锐的问题是：当大模型自己开始操控机器人，具身智能行业会得到帮助，还是会被它吞并？我认为，两种结果可能同时发生。
一、具身智能行业可能沦为大模型的附庸
GPT-6 Astra 发布后，通用大模型在机器人任务上的表现已经不只是概念演示。在公开的零样本测试中，它直接通过相机和控制工具完成任务，表现明显压过专门的 VLA 模型。这让多种具身模型路线都面临同一个问题：如果大模型无需针对任务重新训练，就能做出更好的结果，具身模型凭什么继续占据机器人系统的智能中心？
更让人不安的是进步速度。大模型的视觉理解、推理和工具使用能力不断随新一代模型抬升；从“看懂任务”到“自己组织行动”，能力边界正在快速外扩。反观具身模型，π0.5 开源至今已有一年，我看到的真实环境能力进步，远没有行业对世界模型、WAM 和具身基模的预期增长得快。一边是通用智能快速进入物理世界，一边是具身行业投入大量训练和数据，却仍难以交出同样幅度的真实效果变化。
这直接改变了现有行业的处境。如果大模型继续补上空间理解和物理预测，具身模型可能不再是机器人系统的智能中心，而只是大模型调用的一种动作接口。那些把世界模型或 WAM 作为未来行业入口、据此获得高估值的公司，也会面对一个尴尬的问题：大模型已经能从外部做成任务，自己的模型还能凭什么占据中心？最激进的结论是，整个具身智能行业可能不再独立决定机器人的智能方向，而会沦为大模型行业的附庸。
但行业地位被冲击，不等于机器人技术会受损。对现有公司的估值叙事，这可能是坏消息；对长期缺少真实效果突破的具身智能，这也可能是一次机会。
二、具身 Agent 会推动行业的真实进步
具身 Agent 提高泛化能力有两条路径。部署时，系统帮助现有模型理解目标、调整执行条件，并根据行动结果重试或恢复。例如，同样是把杯子放进收纳盒，杯子换了位置、盒子被其他物体挡住，Agent 可以先调整现场，再调用模型已有的放置能力。训练时，系统把这些任务中的成功轨迹、失败经验和调整过程整理成更多样的数据，回流训练，让下一代模型有机会掌握更多能力。
这种变化表现为：面对新指令、新物体或环境变化，机器人不再只能等待一个专门为该场景训练的策略。它可以尝试已有能力，发现抓取位置不合适后改变接近方向，放置失败后重新观察并调整流程。随着数据回流，部分原本需要系统帮助完成的任务，也可能逐渐由模型更稳定地完成。
泛化增强，机器人才能走出反复准备过的固定演示，进入更多真实场景：同一台机器人可以面对不同桌面、不同物品组合和执行中的意外，而不必每换一种情况就从头训练。可用任务范围扩大、陌生环境下完成任务的能力提高，才是具身 Agent 带给行业的真实进步。但这份进步不会平均落到每家公司，接下来就看企业会怎样分化。
三、公司会重新站位
把重宝押在自有具身模型上的公司，可能会经历波折。如果通用大模型能承担越来越多的任务理解和决策，单靠“我们的模型更大、更通用”就难以维持原有地位。这些公司需要证明自己的模型在精细动作、实时控制或复杂物理交互中有什么独特价值，也需要把模型放进现实闭环，而不是只展示孤立的模型成绩。
重视系统的公司可能更容易适应这轮变化。具身 Agent 需要把模型、Harness 和具身控制接成一条能运行的链：理解任务、选择能力、执行动作、检查结果，失败后继续调整。已经积累真机任务和执行反馈的团队，可以把更强的通用 Agent 接入现有系统，较快地检验它究竟让机器人多完成了什么。
这轮变化还可能带来一次平权。过去，想做“具身大脑”的团队，往往需要训练自有大模型，准备大量显卡和数据，才有资格进入竞争。现在，团队可以先调用现成的大模型，搭建 Harness，把它接到机器人上，用具体任务检验效果。竞争的起点因此可能重新降低：更多公司有机会靠系统能力和真实结果，站到新一轮竞争的前排。
尾言
具身智能确实是个令人激动的行业。世界模型刚火热了半年左右，新一轮技术变化又已经开始。无论它给现有行业带来冲击还是机会，机器人能做什么、谁能把它做出来，都在快速变化。
行业和公司正在重新站位，个人也要回答自己的问题。系列最后一篇，也是我认为最核心的一篇：已经进入具身智能行业，或正准备进入的人，应该如何准备，才能跟上具身 Agent 时代？
聊聊这篇文章