您的位置首页 >科技要闻 >

OpenAI 最新机器人测试结果印证梁文锋通用大模型驱动具身智能的预言

OpenAI 的 GPT-6.2 Astra 在真实机械臂评测中拿到高分,用零样本方式直接操控实体机器人完成物理任务,这个实验结果刚好印证了 DeepSeek 梁文锋此前提出的 AI 路线预言,也就是具身智能不需要单独训练机器人垂直专用模型,依靠通用大模型本身能力持续变强,就能延伸出操控物理设备的能力。过去行业主流思路认为,想要做好机器人,必须专门训练机器人专属垂直模型,针对机械控制、力反馈等机器人特有能力单独优化。而梁文锋提出的判断完全不同,他把通用大模型进化当成通往 AGI 的主线,具身智能只是通用模型能力向外延伸的结果,要先做强通用模型,再让 AI 进入物理世界控制硬件。这次 OpenAI 的测试数据,直接证明通用大模型不经机器人专项训练,也能直接控制真实机械臂完成多项物理任务,验证了这条技术路线的可行性。

OpenAI 机器人评测核心数据

  • 评测项目:Artificial Analysis AA-Robotics v0.1 榜单
  • 测试模型:GPT-6.2 Astra、GPT-6.2 Sol
  • 测试条件:零样本,不对模型做机器人专项训练,模型通过生成代码控制 6 轴机械臂
  • 任务总量:8 项物理操作任务
  • GPT-6.2 Astra 成绩:得分 79,成功完成 6 项任务
  • GPT-6.2 Sol 成绩:得分 78,同样具备不错的实体操控能力

梁文锋关于具身智能的核心观点清单

  1. AGI 发展主线是通用大模型持续迭代,具身智能属于衍生延伸能力,不是起点。
  2. 技术推进顺序:语言模型→Agent 智能体→持续学习→AI 自我迭代→具身智能。
  3. 不优先独立打造机器人垂直模型,认为先做强通用模型再落地物理设备效率更高。
  4. 通用模型能力足够强之后,不需要大量机器人专项训练,就能直接操控实体硬件。

两家企业落地动作

  • OpenAI:持续迭代 GPT 系列通用模型,同时对外投资多家机器人企业,推进通用模型对接实体机器人。
  • DeepSeek(梁文锋):持续打磨通用基础大模型,通过投资、战略合作方式布局机器人企业,拓展具身智能业务。

结论

OpenAI 本次机械臂测试成果,验证了梁文锋关于通用大模型驱动具身智能的预判,行业正在重新看待机器人开发思路,通用大模型有望逐步替代传统机器人垂直专用模型,成为未来具身智能的核心底座。

【常见问题】

问题 1:OpenAI 哪项测试印证了梁文锋的预言?

回答 1:OpenAI 的 GPT-6.2 Astra 在 AA-Robotics v0.1 真实机械臂零样本测试中拿到 79 分,不用机器人专项训练就能操控机械臂完成物理任务,这一结果印证梁文锋通用大模型驱动具身智能的预言。

问题 2:梁文锋对于具身智能的预言核心是什么?

回答 2:梁文锋预言的核心是具身智能突破依托通用大模型能力进化,不用单独训练机器人垂直模型;AGI 主线是做强通用模型,具身智能只是通用模型能力延伸,应该后置推进。

问题 3:通用大模型直驱机器人和传统机器人垂直模型有什么差别?

回答 3:传统机器人垂直模型专门针对机械、力控做专项训练;通用大模型直驱机器人,依托基础大模型本身能力,零样本情况下写代码控制硬件,不需要为机器人单独训练整套模型,也就是 OpenAI 印证梁文锋预言所验证的路线。

【参考资料】

[2026-11-19](OpenAI 印证了梁文锋的 “预言”)36 氪

[2026-11-19](OpenAI 印证了梁文锋的 “预言”)虎嗅网

[2026-10-15](梁文锋松口了,DeepSeek 紧盯具身智能)机器人大讲堂

【免责声明】

本文仅为 AI 行业资讯整理,不构成投资、创业或技术选型建议。OpenAI 模型测试效果受硬件、测试基准限制;梁文锋相关观点仅为行业技术路线预判,未来具身智能技术发展存在不确定性。

今日大家都在搜的词: