东方通信-半导体GPT-6-Astra具身能力点评通用...

GPT-6-Astra在具身任务中表现突出，超越现有最高水平，尤其在VLA和WAM等任务中接近满分。模型具备主动视觉和错误诊断能力，通过额外执行步数提升任务成功率。这些突破性表现得益于其先进的算法设计和强大的数据处理能力，使其在复杂环境中展现出优异的适应性和执行效率。

物理AI应用仍面临效率与真实场景挑战，包括高时间和token成本（如LIBERO-Long++消耗约100万token和1小时）、长时程执行困难（微小偏差累积导致任务阻塞）、环境感知不足（如忘记关冰箱门、煎蛋烧焦）及柔性物体操作难题。这些挑战主要源于当前技术对复杂现实环境的模拟和交互能力有限，需要进一步优化算法和硬件支持。

通用大模型有望提升具身智能上限，通过泛化、迁移和跨任务能力优化自主决策，加速工程化落地。其强大的学习能力和适应性使其能够快速适应不同场景，并通过经验积累持续改进性能。预计通用大模型将推动具身智能从实验室走向实际应用，优先应用于流程标准、环境可控的场景，如工业自动化和智能家居领域。

关注物理AI产业链中的传感器与整机制造环节，包括视觉/触觉传感器、端侧采集设备，以及机器人整机和核心硬件制造。通用模型推动算法向真实场景转化，将带动相关硬件需求的增长。这些环节的技术进步和产品创新是物理AI应用落地的关键支撑，具有长期投资价值。

物理AI应用存在技术成熟度、成本控制和场景适应性等风险。当前技术仍处于发展阶段，实际应用中可能面临性能不稳定、成本过高等问题。此外，环境感知和柔性操作等关键技术尚未完全突破，可能影响应用效果。投资者需关注技术迭代进展和市场需求变化，谨慎评估投资风险。