GPT-6 Astra能自己设计机器人实验，让AI训练AI
当通用语言模型可以直接在仿真环境里调试、训练自己的机器人策略时，独立具身模型公司「物理AI大于数字AI」的估值叙事就开始松动。
原视频在 YouTube 上放不出来，用音频听：
核心论点 · 点时间戳可跳到原声
机器人学界因Astra吵出三大阵营
IROS晚宴上做的一次调查显示，与会的上百位机器人研究者对Astra的反应分裂成几派：一派认为「robotics is over」,通用模型会解决所有物理问题；一派认为通用模型和物理模型是两层分工，各占生态位；还有一派坚持通用模型永远解决不了今天机器人研究面对的具体问题。陈哲估计持「solve everything」这种激进看法的研究者约占三分之一——这在一个传统上专注控制、触觉等经典机器人学问题的顶会上，是罕见的认知撕裂。
— 陈哲Astra最炸裂的用法：自己当机器人研究员
Astra在机器人任务上至少有三层用法。第一层直接当策略模型，输出末端执行器位置；第二层当监督者纠正VLA模型的动作——银河通用的一个案例显示，Astra单独控制成功率只有26%,但用它监督π0.5的输出后成功率提到了48%;第三层最让业内震动：Astra可以自己在Blender里搭建仿真环境、生成物体和属性，再自行调试运动控制策略，相当于独立完成策略建模、训练和优化的全过程——这就是「物理RSI」,AI在物理世界里自己训练AI。
— 陈哲Astra空间能力的代价是雇人建模
Astra在空间理解上的突破被认为主要来自数据而非新方法。陈哲听到的消息是，相关团队在5月雇用了大量Blender建模师，做了大规模的建模轨迹和标注工作，这也解释了Astra在Blender生成能力上的飞跃。这类投入的成本可以被多个用途分摊(3D素材、视频、机器人训练),通用模型公司因此更有优势。外界还怀疑预训练中用了EgoCentric第一视角数据，虽无法证实，但从scaling law的逻辑看，陈哲认为「没有理由不用」。
— 陈哲具身创业公司还能守住什么
如果通用模型把任务拆解、空间推理都包圆了，具身创业公司该做什么？陈哲的建议是：做好被通用模型反复调用的「接口」,同时守住真正的闭环——触觉力觉信息、具体工艺约束、硬件可靠性、失败任务的恢复能力，以及持续积累的行业数据。他用智能汽车产业类比：主机厂、Tier1方案商、核心零部件公司三层里，夹在中间、既无终端定价权也无核心零部件技术的公司最容易被两头挤压。
— 陈哲World Labs被收购：NeoLab的退出样本
李飞飞的World Labs以82亿美元(全部用AMD股票支付)被收购，此前她的团队做空间重建模型Atlas,又收购了仿真测试公司SceniX。陈哲认为这笔交易价格未必反映业务贡献，但体现了一家万亿级公司愿为Physical AI战略付出的代价，也提醒其他NeoLab:中短期最好的出路可能是尽快找大厂卖身，因为对大厂来说往往只有第一个被收购的标的才有价值。他特别指出，国内几乎没有这种像样的收购退出路径。
— 陈哲宇树市值腰斩，硬件逻辑却更硬了
宇树上市首日一度冲到4400多亿，此后下跌六成，但相比600多亿的发行市值仍是上涨。陈哲认为这轮暴涨暴跌主要是新股流通中的短期资金炒作，真正的判断要等明年8月科创板解禁后看机构资金怎么定价。基本面上，宇树上半年营收同比增长48%,人形机身出货占比大幅提升。他的逻辑是：Astra证明通用模型能加速物理AI落地，这反而放大了对可靠硬件本体的需求，宇树的位置更像自动驾驶时代的英伟达——上层模型越强，硬件生态越受益。
— 陈哲给模型看段视频，省掉几天后训练
In-Context Learning是这季度Gen1.5和S1展示的新能力：不用改模型参数做后训练，靠一段几秒到几分钟的示范视频，模型就能学会新任务，原本靠真机摇操加后训练往往要几小时甚至几天。更出人意料的是，这种学习对训练中完全没见过的分布外任务也有效，还能把多个已学过的原子技能组合成长序列任务。两家公司实现路径不同：Generalist示范轨迹更短，接受带关节信息的第一视角输入；Skill AI更强调第三视角、长达十分钟的视频，适合全身运控的技能组合。
— 陈哲FCC新规按产地卡进口机器人
美国FCC在7月底的新规把「超过2公斤、具备移动感知联网和控制能力」的机器人都纳入进网认证范围，扫地机器人、割草机器人也算在内，而且是按核心零部件原产地算账——一款美国品牌机器人若65%以上零部件产自中国或第三国，照样会被卡住。短期内宇树现有的G1、R1、H2等已认证型号不受影响，但新型号会受限。陈哲判断这类政策更像关税博弈，难以真正撼动中国在供应链上十几二十年积累的优势，长期的解法更可能是像汽车产业一样把产能带去海外建厂。
— 陈哲原话 · 已逐字校验
其实我们在有一天晚上的一个晚宴上面 CMU的助理教授石关亚老师 其实做了一个survey 他的survey就是问在场的可能100多个研究人员 Astro对大家的影响
我们在一天晚上的晚宴上，CMU的助理教授石关亚做了一个调查，问在场可能100多位研究人员Astro对大家的影响。
陈哲13:16
但是争议比较大的两派 可能一派就是认为原模型solve everything 就是robotics is over 就是我们没有什么问题 还特别值得研究 如果通用模型可以不断的推进前沿 可能还有一个走中的派别是认为 通用模型跟物理模型 或者robotics问题是两层分层的问题 可以各自占据各自的生态位 那还有一派比较极端的是什么 还有一派极端的是认为 通用模型永远解决不了 我们今天物理学研究的很多问题
争议最大的两派：一派认为通用模型能solve everything,robotics is over,没什么问题值得研究了；还有折中派认为通用模型和物理模型是两层分工，各占生态位；另一派极端地认为通用模型永远解决不了我们今天物理学研究的很多问题。
陈哲14:17
今天在Astro面前都灰飞烟灭 就是这些我们认为 认知上一个真人司机 可能都容易犯错的问题 其实在Astro面前 都是很简单的问题 就直接打穿了
这些自动驾驶反复验证十年的benchmark,在Astro面前都不堪一击——这些我们认为连真人司机都容易犯错的问题，对Astro来说都是很简单的问题，直接就被打穿了。
陈哲44:52
就是他们在解决通用智能问题 别的都是此问题 他们公司里的Bartis团队的人 也都是这么想 都是有这个共识的 我就是整个公司大的共识 没有见到神迹的人 就是不会信的
他们在解决通用智能问题，别的都是子问题，公司里做机器人团队的人也都这么想，这是整个公司的共识——没有见到神迹的人，就是不会信的。
陈哲53:55
我觉得判断肯定是增强了 在Astro横空出世过后 其实让大家看到了通用智能的这种加速 和通用智能的这个能力 其实是进一步加强了一个 一个solid的本体公司 或者硬件公司的价值
我的判断肯定是增强了。Astro横空出世让大家看到了通用智能的加速，它的能力反而进一步加强了一家solid的本体公司或硬件公司的价值。
陈哲57:56
今天可能有了一个 更简单的方法 无论是用第一视角的视频 还是用第三视角视频 我就可以快速的展示 这样它这个动作 复制的速度 或者说项目落地的速度 就会大大的提升
现在有了更简单的方法，不管用第一视角还是第三视角的视频，我都能快速示范，这样动作复制的速度、项目落地的速度就会大大提升。
陈哲1:19:11
数字与实体
| World Labs被AMD收购金额 | 82亿美元(股票支付) | 4:06 |
| 银河通用：Astra直接控制成功率 | 26% | 19:26 |
| 银河通用：Astra监督π0.5后成功率 | 48% | 20:26 |
| 宇树科技2026上半年营收同比增长 | 48% | 57:56 |
| 宇树科技2026上半年营收 | 11.52亿元人民币 | 1:01:00 |
| 宇树科技2026全年预计营收 | 约25亿元人民币 | 1:01:00 |
| FCC新规纳入认证的机器人重量门槛 | 超过2公斤且具备移动感知联网控制能力 | 1:30:20 |
| FCC认定“境外生产”的核心零部件占比门槛 | 65% | 1:31:21 |
术语
- In-Context Learning (ICL)上下文学习
- 不改模型参数，靠几秒到几分钟的示范视频让模型当场学会新任务
- Physical RSI物理世界递归自我改进
- AI自己搭建仿真环境、调试策略，在物理世界里训练AI自己
- VLA视觉-语言-动作模型
- 直接输出机器人电机控制信号的具身策略模型
- World Action Model (WAM)世界动作模型
- 以视频生成模型为骨干、弱化语言中间层的动作模型
- Robot Dojo机器人测试集
- 开源的具身任务测试机，用来比较不同策略模型的成功率
- FCC美国联邦通信委员会
- 负责电子产品入网认证，此次将先进机器人纳入管辖范围
收听指南
关注具身智能/机器人创业与投资的从业者、VC,以及想理解通用大模型如何改写机器人赛道格局的人。
不关心一级市场炒作乱象，可跳过61-70分钟IPO监管讨论。