OpenAI在9月初發布GPT-6 Astra後，具身智慧行業正經歷一輪結構性調整。據「定焦One」報道，一家成立約一年半的具身智慧資料服務公司最近兩週接到的資料採購訂單已超過此前兩個月的總量，訂單來源不僅包括具身行業公司，一些此前只詢價不下單的基礎模型大廠也開始實際採購。這一變化發生在具身行業融資環境整體收緊的背景下，對資料採集環節而言堪稱一針強心劑。

變化的起點是Astra展現出的跨領域能力。社交媒體上大量測試影片顯示，Astra可以直接控制機械臂執行多種任務，成功率甚至超過部分專用具身模型。輝達研究團隊10月中旬的測試結果顯示，在未使用機器人資料做專門微調的情況下，Astra直接輸出動作的成功率達到66.3%，遠高於具身智慧公司Physical Intelligence的專用模型π0.5。國內銀河通用的類似測試中，Astra在RoboDojo任務上的成功率為26%，π0.5為15.67%，而將兩者結合——用Astra決策、π0.5執行——成功率提升至48%。

這些結果讓行業開始重新審視一個根本問題：具身智慧究竟是獨立賽道，還是通用大模型能力樹上註定被覆蓋的分支？宇樹科技創始人王興興在公開場合表示，快則一到兩年、慢則兩到三年，物理AI可能迎來重大突破。自變數機器人創始人兼CEO王潛則持保守看法，認為通用大模型難以在機器人上以合理速度完成推理和部署，專用具身模型仍有存在必要。

產業鏈各環節的處境正在分化。最上游的資料採集商率先受益。前述資料公司創始人透露，在Astra釋出前，由於融資收窄，模型公司削減資料採購，原本對外定價300元/小時的Ego Centric資料一度被壓價到幾十元。但Astra讓通用大模型公司看到了物理資料的價值——無論是否親自下場做具身智慧，用物理資料訓練提升模型整體智慧水平都催生了新需求。據野村證券近期調研報告，2025年9月至2026年8、9月期間，OpenAI採購了約1000萬小時具身資料，約佔美國市場供應量的70%。

中游的具身“大腦”公司則面臨競爭環境變化。一位具身智慧投資人表示，Astra對一級市場做具身大腦或場景落地的公司衝擊最明顯，純通用具身大腦研發公司的價值可能縮水。此前這類公司高估值的核心邏輯在於投資人認為通用AI與物理AI是兩條獨立並行路徑，但若OpenAI自身具備具身模型能力，這一敘事將被打破。該投資人還提出，沒有1000張以上算力卡的公司很難在未來與基模大廠競爭。

下游本體公司反而在技術進步中受益。已具備量產和成本優勢的機器人本體公司可以通過接入通用大模型快速補齊“大腦”能力。王興興透露，Astra釋出後宇樹內部嘗試用該模型做了多項實驗，僅通過提示詞讓機器人畫畫、在零訓練條件下下圍棋，Astra均順利完成任務。10月最後兩週，宇樹股價累計上漲超過70%，市值一度接近3000億元。市場對本體公司的價值錨定正在從“大腦”轉向運動控制、本體可靠性和成本控制。

不過，Astra的短板同樣明顯。延遲方面，輝達測試報告顯示，Astra在RoboLab-120上直接輸出末端目標時平均每次推理耗時18.56秒，Agent模式下仍需13至18秒，而π0.5僅需幾十毫秒。成本方面，一次成功的直接輸出動作平均消耗16萬個token，約合1.96美元；若由Astra規劃、具身模型執行，平均消耗1100萬個token，約合17.72美元；若讓Astra根據互動歷史調整動作，則需3090萬個token，約合36.40美元。對商用場景而言，這一價效比仍然偏低。

目前較被認可的方案是分層協作：規劃層與語義層由通用模型負責任務拆解、場景理解和指令遵循，執行層則由具身模型負責毫秒級運動控制、力覺觸覺反饋和本體適配。自變數王潛提出，智慧的本體存在於資料裡，模型在訓練時是蒸餾器、部署時是容器，這意味著高質量具身資料仍是決定未來競爭優勢的關鍵之一。

與此同時，更多大模型公司正在入局。OpenAI CEO Sam Altman今年6月宣佈組建“OpenAI Robotics”團隊，招募全棧硬體、運營、系統及機器學習工程師。DeepSeek也在籌備具身智慧相關業務和投資，可能親自組建團隊或通過投資切入，此前曾參與宇樹IPO配售，並據報同意領投具身模型初創公司Winverse AI的種子輪融資。Anthropic、Kimi等前沿模型公司也在醞釀入局。具身智慧正從機器人公司的專有賽道，變成各類AI公司路線圖上的共同終點。

Astra釋出一個多月後，行業已經用行動做出初步選擇：資料訂單回來了，本體公司的價值被重新錨定，做“大腦”的公司則不得不直面與基模大廠的同場競爭。一些視窗正在關閉，另一些視窗正在開啟。