一台售价约150美元的SO-101机械臂，在GPT-6 Astra的控制下画出了一幅金门大桥。这段视频在社交平台迅速走红，Sam Altman本人转发并留言想要一个。值得注意的是，这幅画并非按预设轨迹描出来的：Astra先自行规划从哪里落笔，再借助摄像头边画边看，最终完成了一幅红蓝相间的金门大桥。

机器人圈过去几年反复追问一个问题：谁会成为机器人领域的OpenAI？Astra的这轮表现让不少人给出了一个出人意料的答案——可能就是OpenAI自己。Amazon Alexa首席科学家、Retrocausal联合创始人Zeeshan Zia就持这一判断，认为答案不是Physical Intelligence或Skild这类专攻机器人基础模型的公司。

支撑这一判断的，是近期在X上流传的多组实验。CMU Robotics的Wenli Xiao先录下一段人类完成新任务的视频，把录像交给Codex，再让Astra控制机械臂以同样方式完成任务，结果一次就跑通。他把这种能力称为「physical ICL」——过去大模型能从上下文里的文字、代码示例中临时学会新任务，如今这种能力被搬到了物理世界。

另一些人则让Astra扮演「机器人工程师」。Lingxiao Guo把真实机器人演示的多视角画面和动作数据交给Astra，让它自行处理相机标定、场景重建和物理参数，再把真实环境搬进MuJoCo，最终得到的不是看起来相似的3D场景，而是一套可继续做接触仿真和动作回放的real2sim环境。还有人在MuJoCo中给Astra配上Kinova Gen3机械臂和Shadow Hand五指机械手，让它握笔画出毕加索那只著名的鸽子，机械手需要同时处理握笔姿态、手指与铅笔的摩擦以及笔尖与纸面的接触。

更能说明问题的是RoboCurve的实机测试。他们把Astra接到两只真实的I2RT YAM机械臂上，每一步Astra都能看到顶部和两只手腕上的三个相机视角以及机械臂自身状态，随后直接给出两只机械臂末端执行器的x、y、z、yaw、pitch、roll和夹爪状态，再由底层逆运动学转换成具体关节动作。在「把桌上红色积木抓起来放进旁边碗里」的任务中，Astra 20次成功19次，成功率95%；同一测试里，Fable 5.1只成功了8次。一个并未专门为机器人训练的通用模型能做到这种程度，出乎不少人意料。

这恰好撞上了过去几年机器人行业最热的一条路线——专门给机器人训练一颗自己的「基础模型大脑」。Physical Intelligence希望训练一个真正跨任务、跨场景、跨机器人本体的通用机器人基础模型，其π系列把视觉、语言和动作放进同一套模型；Skild的目标更直接——「Any task, any robot, one brain」，无论四足、人形还是桌面机械臂，都由同一个通用「大脑」理解任务、规划动作。两家公司代表的是同一种思路：语言有自己的foundation model，机器人也需要在海量机器人数据上训练出真正理解身体和动作的基础模型。

Astra走的是另一条路。它没有先收集大量机器人轨迹再专门训练一套从视觉到动作的基础模型，而是把通用AI本身当作机器人的大脑。这一点放在OpenAI身上尤其微妙：2018年OpenAI曾推出Dactyl，让Shadow灵巧手在真实世界旋转物体，随后又让灵巧手完成魔方操作，研究的问题正是今天行业仍绕不开的模拟训练迁移、摩擦与遮挡处理、传感器噪声和多自由度控制。但几年后OpenAI关闭了机器人团队，Wojciech Zaremba当时提到一个现实限制：机器人缺少像互联网文本那样可大规模获取的数据。如今OpenAI先把模型在语言、代码、视觉和Agent上一路做大，让模型积累关于物体、空间、因果关系和人类行为的知识，再把这些知识变成身体动作，等于从另一条路绕了回来。Sam Altman近期已明确表示，OpenAI会做人形机器人，也会探索其他机器人形态，而在他看来真正关键的部分仍是让机器人工作的「大脑」。

在控制方式上，Astra目前并不直接驱动每一台电机。以RoboCurve的实机测试为例，它负责判断「手应该去哪里」，传统机器人控制栈负责解决「每个关节具体怎么动」。英伟达前研究科学家Yu Xiang提出，机器人学接下来一个值得关注的方向，可能就是如何把最先进的AI模型真正接进manipulation，而不是只让大模型停留在最上层拆解任务、调用工具。

但问题也随之显现。有人让Astra直接输出Unitree Go1的joint targets，尝试像强化学习policy一样以50Hz控制四足机器人行走，实验确实跑了起来，但Astra的推理速度跟不上实时控制，物理模拟必须在每次模型调用之间暂停，最终250次推理只换来约5秒钟的行走。显然，Astra能决定机器人下一步该怎么动，但要直接接管毫秒级的底层控制还不现实。更可行的形态可能是分层分工：Astra负责理解环境、推理和规划，低层policy与控制器负责把意图快速稳定地变成动作。

「最后一毫米」是更明显的短板。同样是RoboCurve的测试，把红色积木放进碗里成功率95%，可任务换成把圆形拼图准确嵌进对应凹槽时，成功率立刻跌到10%，20次只完成2次。Astra已经能找到拼图、抓住旋钮并把它移到目标凹槽附近，却很难完成最后的精确插入。位置和角度稍有偏差零件就无法对准，真正接触又受硬件误差干扰。Physical Intelligence近期也专门研究「最后一毫米」：让通用机器人模型拿起螺丝刀很简单，但要快速准确对准一颗很小的M3螺丝，仍需通过在线强化学习继续优化，网线插入、电源线插入、扎带固定等任务同样卡在精细接触阶段。

由此看，Astra的优势集中在理解环境、判断目标和规划动作这些「头脑」擅长的部分，而一旦进入高频反馈、精细接触和力控制，机器人自身的身体经验仍然重要。这也给「机器人领域的OpenAI」之争留下悬念：机器人当然可以用最强模型当大脑，但能与之匹配的物理身体，还没有出现。