GPT-6 Astra能自己設計機器人實驗，讓AI訓練AI
當通用語言模型可以直接在仿真環境裡調試、訓練自己的機器人策略時，獨立具身模型公司「物理AI大於數字AI」的估值敘事就開始鬆動。
原視頻在 YouTube 上放不出來，用音頻聽：
核心論點 · 點時間戳可跳到原聲
機器人學界因Astra吵出三大陣營
IROS晚宴上做的一次調查顯示，與會的上百位機器人研究者對Astra的反應分裂成幾派：一派認為「robotics is over」,通用模型會解決所有物理問題；一派認為通用模型和物理模型是兩層分工，各佔生態位；還有一派堅持通用模型永遠解決不了今天機器人研究面對的具體問題。陳哲估計持「solve everything」這種激進看法的研究者約佔三分之一——這在一個傳統上專注控制、觸覺等經典機器人學問題的頂會上，是罕見的認知撕裂。
— 陳哲Astra最炸裂的用法：自己當機器人研究員
Astra在機器人任務上至少有三層用法。第一層直接當策略模型，輸出末端執行器位置；第二層當監督者糾正VLA模型的動作——銀河通用的一個案例顯示，Astra單獨控制成功率只有26%,但用它監督π0.5的輸出後成功率提到了48%;第三層最讓業內震動：Astra可以自己在Blender裡搭建仿真環境、生成物體和屬性，再自行調試運動控制策略，相當於獨立完成策略建模、訓練和優化的全過程——這就是「物理RSI」,AI在物理世界裡自己訓練AI。
— 陳哲Astra空間能力的代價是僱人建模
Astra在空間理解上的突破被認為主要來自數據而非新方法。陳哲聽到的消息是，相關團隊在5月僱用了大量Blender建模師，做了大規模的建模軌跡和標註工作，這也解釋了Astra在Blender生成能力上的飛躍。這類投入的成本可以被多個用途分攤(3D素材、視頻、機器人訓練),通用模型公司因此更有優勢。外界還懷疑預訓練中用了EgoCentric第一視角數據，雖無法證實，但從scaling law的邏輯看，陳哲認為「沒有理由不用」。
— 陳哲具身創業公司還能守住什麼
如果通用模型把任務拆解、空間推理都包圓了，具身創業公司該做什麼？陳哲的建議是：做好被通用模型反覆調用的「接口」,同時守住真正的閉環——觸覺力覺信息、具體工藝約束、硬件可靠性、失敗任務的恢復能力，以及持續積累的行業數據。他用智能汽車產業類比：主機廠、Tier1方案商、核心零部件公司三層裡，夾在中間、既無終端定價權也無核心零部件技術的公司最容易被兩頭擠壓。
— 陳哲World Labs被收購：NeoLab的退出樣本
李飛飛的World Labs以82億美元(全部用AMD股票支付)被收購，此前她的團隊做空間重建模型Atlas,又收購了仿真測試公司SceniX。陳哲認為這筆交易價格未必反映業務貢獻，但體現了一家萬億級公司願為Physical AI戰略付出的代價，也提醒其他NeoLab:中短期最好的出路可能是儘快找大廠賣身，因為對大廠來說往往只有第一個被收購的標的才有價值。他特別指出，國內幾乎沒有這種像樣的收購退出路徑。
— 陳哲宇樹市值腰斬，硬件邏輯卻更硬了
宇樹上市首日一度衝到4400多億，此後下跌六成，但相比600多億的發行市值仍是上漲。陳哲認為這輪暴漲暴跌主要是新股流通中的短期資金炒作，真正的判斷要等明年8月科創板解禁後看機構資金怎麼定價。基本面上，宇樹上半年營收同比增長48%,人形機身出貨佔比大幅提升。他的邏輯是：Astra證明通用模型能加速物理AI落地，這反而放大了對可靠硬件本體的需求，宇樹的位置更像自動駕駛時代的英偉達——上層模型越強，硬件生態越受益。
— 陳哲給模型看段視頻，省掉幾天後訓練
In-Context Learning是這季度Gen1.5和S1展示的新能力：不用改模型參數做後訓練，靠一段幾秒到幾分鐘的示範視頻，模型就能學會新任務，原本靠真機搖操加後訓練往往要幾小時甚至幾天。更出人意料的是，這種學習對訓練中完全沒見過的分布外任務也有效，還能把多個已學過的原子技能組合成長序列任務。兩家公司實現路徑不同：Generalist示範軌跡更短，接受帶關節信息的第一視角輸入；Skill AI更強調第三視角、長達十分鐘的視頻，適合全身運控的技能組合。
— 陳哲FCC新規按產地卡進口機器人
美國FCC在7月底的新規把「超過2公斤、具備移動感知聯網和控制能力」的機器人都納入進網認證範圍，掃地機器人、割草機器人也算在內，而且是按核心零部件原產地算賬——一款美國品牌機器人若65%以上零部件產自中國或第三國，照樣會被卡住。短期內宇樹現有的G1、R1、H2等已認證型號不受影響，但新型號會受限。陳哲判斷這類政策更像關稅博弈，難以真正撼動中國在供應鏈上十幾二十年積累的優勢，長期的解法更可能是像汽車產業一樣把產能帶去海外建廠。
— 陳哲原話 · 已逐字校驗
其實我們在有一天晚上的一個晚宴上面 CMU的助理教授石關亞老師 其實做了一個survey 他的survey就是問在場的可能100多個研究人員 Astro對大家的影響
我們在一天晚上的晚宴上，CMU的助理教授石關亞做了一個調查，問在場可能100多位研究人員Astro對大家的影響。
陳哲13:16
但是爭議比較大的兩派 可能一派就是認為原模型solve everything 就是robotics is over 就是我們沒有什麼問題 還特別值得研究 如果通用模型可以不斷的推進前沿 可能還有一個走中的派別是認為 通用模型跟物理模型 或者robotics問題是兩層分層的問題 可以各自佔據各自的生態位 那還有一派比較極端的是什麼 還有一派極端的是認為 通用模型永遠解決不了 我們今天物理學研究的很多問題
爭議最大的兩派：一派認為通用模型能solve everything,robotics is over,沒什麼問題值得研究了；還有折中派認為通用模型和物理模型是兩層分工，各佔生態位；另一派極端地認為通用模型永遠解決不了我們今天物理學研究的很多問題。
陳哲14:17
今天在Astro面前都灰飛煙滅 就是這些我們認為 認知上一個真人司機 可能都容易犯錯的問題 其實在Astro面前 都是很簡單的問題 就直接打穿了
這些自動駕駛反覆驗證十年的benchmark,在Astro面前都不堪一擊——這些我們認為連真人司機都容易犯錯的問題，對Astro來說都是很簡單的問題，直接就被打穿了。
陳哲44:52
就是他們在解決通用智能問題 別的都是此問題 他們公司裡的Bartis團隊的人 也都是這麼想 都是有這個共識的 我就是整個公司大的共識 沒有見到神蹟的人 就是不會信的
他們在解決通用智能問題，別的都是子問題，公司裡做機器人團隊的人也都這麼想，這是整個公司的共識——沒有見到神蹟的人，就是不會信的。
陳哲53:55
我覺得判斷肯定是增強了 在Astro橫空出世過後 其實讓大家看到了通用智能的這種加速 和通用智能的這個能力 其實是進一步加強了一個 一個solid的本體公司 或者硬件公司的價值
我的判斷肯定是增強了。Astro橫空出世讓大家看到了通用智能的加速，它的能力反而進一步加強了一家solid的本體公司或硬件公司的價值。
陳哲57:56
今天可能有了一個 更簡單的方法 無論是用第一視角的視頻 還是用第三視角視頻 我就可以快速的展示 這樣它這個動作 複製的速度 或者說項目落地的速度 就會大大的提升
現在有了更簡單的方法，不管用第一視角還是第三視角的視頻，我都能快速示範，這樣動作複製的速度、項目落地的速度就會大大提升。
陳哲1:19:11
數字與實體
| World Labs被AMD收購金額 | 82億美元(股票支付) | 4:06 |
| 銀河通用：Astra直接控制成功率 | 26% | 19:26 |
| 銀河通用：Astra監督π0.5後成功率 | 48% | 20:26 |
| 宇樹科技2026上半年營收同比增長 | 48% | 57:56 |
| 宇樹科技2026上半年營收 | 11.52億元人民幣 | 1:01:00 |
| 宇樹科技2026全年預計營收 | 約25億元人民幣 | 1:01:00 |
| FCC新規納入認證的機器人重量門檻 | 超過2公斤且具備移動感知聯網控制能力 | 1:30:20 |
| FCC認定“境外生產”的核心零部件佔比門檻 | 65% | 1:31:21 |
術語
- In-Context Learning (ICL)上下文學習
- 不改模型參數，靠幾秒到幾分鐘的示範視頻讓模型當場學會新任務
- Physical RSI物理世界遞歸自我改進
- AI自己搭建仿真環境、調試策略，在物理世界裡訓練AI自己
- VLA視覺-語言-動作模型
- 直接輸出機器人電機控制信號的具身策略模型
- World Action Model (WAM)世界動作模型
- 以視頻生成模型為骨幹、弱化語言中間層的動作模型
- Robot Dojo機器人測試集
- 開源的具身任務測試機，用來比較不同策略模型的成功率
- FCC美國聯邦通信委員會
- 負責電子產品入網認證，此次將先進機器人納入管轄範圍
收聽指南
關注具身智能/機器人創業與投資的從業者、VC,以及想理解通用大模型如何改寫機器人賽道格局的人。
不關心一級市場炒作亂象，可跳過61-70分鐘IPO監管討論。