（来源：老司机驾新车）
OpenAI入局，通用模型向S1渗透如何演绎？
Q: 以GPT-6等通用模型为例，目前通用模型应用到机器人上做到了S2层面还是S1层面？
A: 通用模型在机器人上的进步是代际的，GPT-6在仿真基准上的平均成功率达22.48%，远高于上一代GPT5.5的0.88%。具体接法有三种：直接出动作成功率66.3%，放进智能体调用成功率74.8%，审查世界模型动作再决定成功率66.5%，而专用模型派0.5成功率为28%。通用模型泛化能力强，但在精度、速度、成本和可靠性上有短板，如精密动作和双臂协同表现略逊，调用速度在十几秒级别，远慢于派0.5的46.96毫秒，且API成本较高。目前最有效的方法是分工，由通用模型做S2，配专用S1控制器做闭环。
Q: 使用通用模型击穿机器人控制仍需分层，是否证明分层效率比一套模型完整做下来更高？
A: 是的，分层控制的速度更快，且经济性更好。
Q: 如果大模型公司能力继续向前发展并渗透到S1层，他们将如何实现？实现后对产业可能会如何演绎？
A: 理论上S1层完全可以渗透，分为两件事：一是通用大模型自己下场做S1直接出动作，难点在于物理约束和时延，通用模型调用需十几秒，要压进几十毫秒需将模型压缩至几十亿参数级别；二是主路径，即将通用模型能力蒸馏到小模型，或作为教师模型指导训练学生模型。未来产业有三种演绎路径：1.稳定分工，通用模型做S2，专用模型做S1，本体做S0；2.逐步下沉，通用模型先吃掉对时延不敏感的家庭整理、异常处理等长尾低频冷启动场景；3.一体化，通用模型能在机器人端侧运行动作版本。最终取决于分工与完全替代两种路径谁先达到高成功率的终局。
Q: 对比发展时间较长的智驾领域，目前智驾更像机器人控制三种分工演绎中的哪一种？
A: 智驾相较于机器人有更多的时延约束，对时延要求更高。目前智驾通过VLA或动作模型的泛化能力已达90%多甚至99%，主要剩下1%的长尾场景。从时延和进度状态来看，短期内倾向于将通用模型作为教师来训练VLA或世界模型，或者采用分层架构，而不是直接向下击穿S1层，因此更看好各自分工的模式。
Q: 机器人控制的三种演绎路径对产业内不同类型公司的影响是什么？
A: 对于专用模型公司，短期压力最大的是只做上层大脑而无本体、真机数据或自有世界模型/VLA的公司，因为上层规划是通用模型的强项且对时延不敏感；拥有自有世界模型/VLA及真机闭环的公司短期内会被频繁调用，但中长期面临通用大模型蒸馏及通用能力装入S1小模型的竞争压力。对于本体公司，未来向可靠性、灵巧性、成本和部署能力强的方向转型更占优势。对于数据提供方，数据需求发生变化，带失败和恢复的真机数据、精密操作及力触觉数据更加稀缺值钱，通用语言模型无法弥补。此外，下一个瓶颈在于部署，包括集成、故障恢复、测评及安全认证，测评标准将增加时延、单次成本和失败后恢复能力等维度。
Q: 在机器人控制的三种演绎路径中，哪一种对当前产业的影响最大？
A: 一体化的形式对当前产业的影响最大。
Q: 如果一体化形式最终能够跑通，是否意味着大模型基本可以击穿一切，大部分公司只能做硬件本体？
A: 是的，如果一体化跑通意味着大模型可以击穿一切，大部分公司只能做硬件本体。但完全击穿这件事情仍需从中长期的角度去审慎看待。
Q: 机器人控制中的S0层是否属于偏小脑的能力，主要负责运动控制等偏硬件的能力？
A: S0层是更基础的能力，如电机控制等，更偏向本体厂商负责的工作，例如采购什么样的电机、使用什么样的丝杠等硬件能力。
