GPT-6 Astra跨过“分界线”：具身智能赛道遭遇估值逻辑重估

一只几百美元的机械臂，在没有任何专门机器人训练数据的情况下，用四遍画出了金门大桥的轮廓。驱动它的不是某家具身智能公司耗时数月打磨的策略模型，而是OpenAI于9月发布的通用大模型GPT-6 Astra。过去，通用大模型在机器人系统中只承担“指挥”角色，真正让机械臂动起来需要另一套基于机器人数据专门训练的执行模型；Astra则第一次让一个并非为机器人而生的模型，直接接管了机器人的“手”。这条技术分界线的跨越，正在资本市场上引发一连串连锁反应。

最先作出反应的是资金端。今年三季度后半段，资本市场对具身智能的态度本已趋于审慎：二级市场对人形机器人企业的上市审核明显趋严，叠加此前具身赛道商业化进展持续落后于估值扩张速度，投资人相比上半年已明显收紧口袋。Astra的出现进一步动摇了具身公司估值的核心前提，此前市场愿意给具身赛道高溢价，很大程度上建立在“通用大模型难以覆盖物理操作”的判断之上。当通用模型在多项真机测试中的表现开始超过此前的头部专用模型，这一前提便不再稳固。9月具身融资额较前期明显回落，恰与Astra发布同月；“被通用大模型替代的风险”正在成为投资人重新定价资产时无法回避的新变量。

比融资降温更令具身公司承压的，是竞争格局的骤然升维。字节Seed Model团队近期密集更新数十个机器人岗位，覆盖本体设计、灵巧手、减速机控制、仿真与数据算法，硬件、软件、数据三条链路同步铺开。OpenAI早在今年3月便在湾区签下20万平方英尺场地，9月机器人相关招聘大幅增加，其数据采集运营岗位的职责已明确指向机器人数据工厂的日常运转。DeepSeek也被曝领投机器人方向的新创公司。相比之下，多数具身创业公司在资金、算力与人才储备上均不在同一量级，接下来面临的是一场资源不对称的正面竞争。

数据要素的定价逻辑也随之被改写。Astra在精细操作上暴露的短板，恰恰指向物理接触数据的结构性缺失；而大模型公司开始系统性购入并自采机器人数据，意味着具身公司过去在数据采集与管线上的投入，其“时间差”壁垒正在被压缩。具身数据众包平台觅蜂科技的客户名单中，通用大模型公司已与具身公司、世界模型公司并列成为第三类买方，这一客户结构的变化本身就在提示：数据正在从具身公司的护城河，转变为大模型军备竞赛中的通用投入品。

但显然，冲击尚未均匀传导至产业末梢。在工厂与物流场景中，工业客户最看重的是节拍与稳定性。宝马斯帕坦堡工厂测试人形机器人时，上料节拍被压缩至37秒；Astra虽然在复杂任务的理解与规划上表现突出，但其单次推理平均耗时18.56秒，完成“把笔放进笔筒”这类简单任务总耗时超过4小时、花费55美元，时延与成本距离产线要求仍有明显距离。已经在产线上跑通的落地项目，短期内不会因Astra而改变节奏。