王潛談GPT-6能否取代具身模型：智能存在于數據之中，通用模型很難“降維打擊”
/朝聞通/9月10日，自變量創始人兼CEO王潛在外灘大會主論壇上，談及GPT-6能否取代具身智能模型。他表示，通用大模型展現機器人控制能力并不意外，但這不意味着其他領域的智能能夠自然泛化到具身領域。
據王潛介紹，當前版本的大模型已經訓練了大量機器人數據。從去年年初起，OpenAI和Anthropic便開始大量采購機器人數據，招聘機器人領域人才，并通過小規模數據工廠開展采集。這些基礎模型本身具備較強的多模态能力，加入機器人數據後能夠控制機器人，并不令人意外。
“智能的本體是存在于數據裡面的。”王潛認為，模型更多扮演“蒸餾器”和“容器”的角色：訓練時提煉數據中的能力，部署時承載這些能力。大模型每一代的提升，既來自規模擴大和基礎設施增強，更依賴數據質量的改善。大量工作集中在數據的生産、篩選、驗證和标注上，這些環節推動了AI系統的進步。
因此，OpenAI和Anthropic如果進入具身智能領域，同樣需要建設數據采集、仿真和驗證基礎設施，在真實環境中開展評測，并解決硬件問題。“如果它還是要做這些事情的話，我認為其實它隻是另外一個具身智能公司而已。”王潛表示，這些工作的難度不會因為基礎模型的優勢而降低，具身智能企業反而可能擁有實質性優勢。
對于基礎模型能否憑借其他領域的通用智能，對具身智能形成“降維打擊”，王潛判斷可能性較小。他指出，編程能力的成功并非源于對話能力，而是依賴大量編程數據，以及更完善的數據和驗證體系。數學能力也沒有随着編程能力的提升而自然增強，兩者在訓練中甚至可能相互幹擾，需要分别訓練專家模型後再進行融合。同樣，視頻生成模型雖然已經表現出色，也尚未自然轉化為機器人動作控制的優勢。
在王潛看來，通用大模型公司與具身智能企業的區别，可能更多在于前者将機器人數據和相關基礎設施融入通用模型，後者則面向具身領域構建專用模型。考慮到機器人對推理速度和部署效率的要求，專用具身模型可能是更高效的選擇。
盡管如此，GPT-6操控機器人的表現，确實為具身智能行業帶來了一個啟示：通用數據預訓練是有效的。過去人們會懷疑，在具身模型預訓練階段加入大量通用數據，會不會反而是有害的做法、影響模型效果?王潛認為，Astra展示了這一做法的積極價值。對于在做預訓練的具身智能企業，持續完善數據和驗證基礎設施，在預訓練階段加入更多通用數據，這條路應該堅定地走下去。
