在柏林举行的GTC2026上，英伟达CEO黄仁勋宣布，公司正与Agile Robot合作发布一款参考人形机器人Agile One SN，计划于明年一季度推出，旨在为行业提供标准化平台。几乎同时，OpenAI的奥特曼也承认，OpenAI将制造人形机器人，并在明年进行“很酷的演示”。两位科技领袖的表态，将2027年推向了具身智能关键节点的位置。

这一轮热潮的背景是，物理AI正被视为通往前沿AI的必经之路。过去，具身智能常被当作独立的垂直领域，需要专门攻克。但如今，情况正在变化：通用多模态大模型的能力外溢，开始直接渗透到机器人控制任务中。

GPT-6 Astra的发布成为一个转折点。OpenAI总裁布洛克曼称其为“代际跃进”。英伟达机器人总监Jim Fan团队的研究显示，Astra在直接生成机器人动作时成功率可达66.3%，在Codex提供持续上下文与工具支持的情况下，成功率进一步提升至74.8%，超过了相同基准下的其他垂直具身模型。Anthropic的研究也表明，从Opus-4.5开始，通用模型在具身任务上的表现出现明显跃升。

不过，通用模型仍有明显局限。其推理延迟难以满足快速变化场景的实时控制需求，高昂的Token成本也使其在实际部署中难以与专用模型竞争。此外，在高精度操作、双臂协同等任务上，表现仍有不足。这些问题究竟是通用模型的边界，还是仅需更多时间与算力就能跨过的门槛，业界存在分歧。据转述，在IROS 2026会议上，约三分之一的人认为语言模型终将解决一切，多数务实派认为通用模型与具身模型将各司其职，其余则认为通用模型无法真正解决物理世界的问题。

这种分歧直接影响到具身智能初创企业的估值逻辑。那些融了大笔资金、仍在争论VLA与WAM路线、尚未找到规模化部署路径的企业，突然发现通用多模态基础模型已经能完成部分VLA工作。国内具身智能企业同样面临竞争压力，原力灵机创始人唐文斌曾直言，国内所有开源具身模型都不如Pi-0.5好用。

与此同时，前沿AI厂商的布局在加速。谷歌DeepMind已从RT系列切换到Gemini Robotics系列，将通用多模态能力用于机器人动作控制和具身推理。Anthropic通过Project Fetch和Project Pilot，尝试用Claude控制机器狗和无人机，评估端到端操控机器人的可能性。OpenAI则在旧金山重建人形机器人实验室，并招募横跨软件、算法、硬件与工程制造的岗位。

国内方面，阿里的Rynn系列、字节的GR系列、智谱的ZR-0仍主要沿专用具身模型路线推进。而DeepSeek一心向着AGI，已参与宇树科技战略配售，并投资了多家底层技术企业，其布局意图引发关注。

黄仁勋在GTC柏林上希望未来机器人技术能尽可能采用标准配置，英伟达与Agile Robotics的合作正是为此提供参考平台。宇树科技创始人王兴兴在工博会上承认，过去十几年最大的错误是对AI相信得不够，他对Astra非常兴奋，认为明年GPT-7出来可能“直接把具身智能问题打穿”。

无论哪种判断最终成真，通用模型与具身智能的交汇已经不可逆转。对于投资者而言，算力基础设施、本体与灵巧手厂商可能受益于市场规模的扩大；而专注于具身大脑或垂直一体化的企业，则需重新寻找差异化优势，比如通用模型难以获取的触觉与力学数据，或特定行业的工艺知识与验证闭环。具身智能的估值逻辑，正站在重新审视的关口。