2025年，具身智能在喧嚣中迎来泡沫破裂。为何强大的大语言模型无法直接驱动机器人？核心在于难以跨越的“具身鸿沟”。本文深度剖析了特斯拉、Figure AI、Dyna Robotics等核心玩家的不同技术路线与商业逻辑，揭示了这场关于数据、物理与现实的万亿级赌局背后的真相。
智能速览
具身智能的核心难题是“具身鸿沟”，即数字指令与物理现实的脱节。
特斯拉采用暴力美学路线，试图复用FSD数据，却因缺乏物理反馈而陷入困境。
Figure AI发现仅有语言模型不足，转向模仿生物的“系统一+系统二”架构。
Dyna Robotics反共识深耕垂直场景，以高质量数据优先攻克叠毛巾等任务。
精华内容
将ChatGPT的“大脑”装入机器人，为何如此困难？答案藏在“具身鸿沟”中，它揭示了数字世界与物理世界的根本性矛盾，也催生了截然不同的破解之道。
致命的具身鸿沟
将通用人工智能装进机器人身体，最大的障碍并非算法，而是“具身鸿沟”。人手能感知力度、材质和温度，完成流畅操作，而机械手缺乏这些物理反馈。因此，机器人观看人类切菜的视频，就像普通人看乔丹打球，只能理解动作表象，无法模仿其精髓。这种数字指令与现实物理的脱节，是导致机器人动作僵硬、频频失误的根本原因，也是特斯拉Optimus等项目进展不及预期的核心症结。
暴力美学的困境
以特斯拉和Figure AI为代表的全栈集成派，信奉“大力出奇迹”。特斯拉试图将其在自动驾驶FSD上积累的庞大数据平移至机器人，但因忽略了手与机械手的本质差异，数据含噪量过高，导致在2025年初被迫停产重设计。Figure AI曾与OpenAI紧密合作，直接接入GPT-4o，但很快发现仅有语言模型无法协调身体控制，最终分道扬镳，转而开发类似大脑与小脑协作的Helix模型，试图从架构上解决行动笨拙的问题。
垂直场景的破局
与追求通用的巨头不同，Dyna Robotics选择了反共识的路径：先精通一件事。他们集中资源死磕“叠毛巾”这一看似简单的任务，因为在处理柔软物体时，传统坐标规划会彻底失效。他们的核心发现是，在机器人领域，数据质量远比数量重要。通过在垂直场景积累高质量的物理交互数据，机器人能形成可迁移的“原学习能力”，如同钢琴家学吉他般高效。Dyna Robotics计划在2026年率先在洗衣房等商业场景实现规模化落地。
巨头的生态赌局
除了下场造机器人，英伟达和谷歌选择了成为“卖水人”。英伟达推出GR00T项目，试图构建一个包含芯片、模型和仿真平台的封闭生态，打造机器人界的安卓，将所有玩家锁定在自己的技术栈中。谷歌则延续其开源策略，通过发布RT系列模型和相关论文，争夺技术标准的话语权。这两条路线虽然不直接参与硬件竞争，却意图从更高维度掌控整个赛道的未来走向。
这场混战不仅是技术的竞赛，更是商业模式的重塑。未来几年，机器人将率先在商业场景普及，而家庭仆役或许也不再是遥远的幻想。最终谁能胜出，取决于谁能真正理解并跨越物理世界的法则，用最有效的方式教会机器与真实环境互动。
关键评论
大模型可以无限试错，成本可控，但物理世界试错成本高，一个失误就可能让公司倒闭。
机器人学习像小孩成长，需要一个循序渐进的过程，不能一蹴而就。
FSD的逻辑与叠毛巾有共通之处，理解了物理交互就能实现技能迁移。
人形机器人距离实用还很远，希望国内能有革命性的突破。
