通用大模型正在重做机器人的研发与交付

文 | 智讯智库分析师 陈宥文

这次，把机器人行业推到分叉路口的，是通用大模型这个“最熟悉的陌生人”——

有人拿它“替掉”VLA，有人拿它“加速”VLA。

短短两天，两桩标志性事件先后落地，把这条分叉路的两端踩得异常清晰。

10月16日，工业自动化初创公司MicroFactory创始人披露，据其自述，在单次客户部署项目中，团队采用通用大模型生成控制方案、专用程序执行作业的路线，整套系统基于Claude Opus、GPT-6 Astra等通用大模型搭建[1]——机器人连续1.5小时自主装配电子产品且全程零操作失误，覆盖的自动化范围超出团队最初预期[2]。

图注：连续1.5小时零操作失误为公司披露结果。来源：MicroFactory创始人Igor Kulakov（X），2026-10-16

仅仅两天前的10月14日，机器人研发与真机评测平台Poke & Wiggle走出了另一条路径：他们让Claude Opus 5.5接管了从读论文、写算法到训模型、测真机的全流程，尝试复现10篇近期机器人研究论文的核心结论[3]。大模型并非用来替代专用视觉-语言-动作模型（Vision-Language-Action Model，VLA），而是为VLA的研发与迭代提速。

两项案例共同呈现的变化，是通用大模型开始承担更多机器人方案设计、代码实现、调试与实验编排工作。目前更有依据的判断是，机器人集成与研发流程正在发生变化；这些进展尚不足以证明通用大模型能够普遍替代VLA。

通用大模型，切入机器人系统的三种模式

这里所说的通用大模型，是指面向通用场景训练、具备多模态推理与代码生成能力的大型语言模型（LLM）。从近期实践看，通用大模型切入机器人系统，主要沿三条路径展开：

三种模式并非互斥，完全可以在同一套系统中组合使用：固定工位的重复动作交给专用控制程序，复杂柔性操作调用VLA策略，高层的任务组织与研发流程则由通用Agent统筹。

今年7月Anthropic的一项研究也印证了这一点：他们对比了直接控制、生成控制代码、监督已有策略、训练新策略等多种交互方式，发现模型的实际表现高度依赖于连接方式。复杂机器人对底层控制的刚性要求，始终是技术选型绕不开的约束[4]。

这也意味着，接下来的行业比拼，从来不是“谁家模型更强”这么简单。同样的通用大模型，搭配不同的接口架构、数据链路、控制逻辑与评测体系，最终的落地效果可能天差地别。

MicroFactory的路径：通用大模型生成方案，专用控制程序执行

MicroFactory这次实践的核心，是把高层推理与快速执行拆成了两层。

基于Opus、Astra的AI智能体（Agent，指基于大模型构建、具备自主规划与工具调用能力的智能体）负责理解任务目标、选择控制算法、编写自动化代码；大量重复性的执行动作，则交给生成好的视觉与控制程序完成。只有当现场出现程序无法覆盖的新状况时，通用大模型才会介入调整流程[1]。

这和过去“大模型逐帧感知、一步一指令”的控制逻辑截然不同：程序一旦通过验证，就能以固定节拍高速重复运行，既省去了生产过程中持续调用大模型的Token成本，也消除了每轮推理带来的响应延迟。

本质上，这仍是工业自动化一贯的工程哲学：凡能固化的动作，绝不浪费通用能力。面对姿态各异的来料零件，系统通过辅助工装完成分离、翻转和重新抓取；面对高精度插装工序，则由通用大模型生成视觉与控制程序，结合视觉反馈调整装配精度[1][5]。即便是抓取螺丝这类基础动作，团队最终也选择了成本约300美元的自动供料器来保证稳定性[6]。

最终呈现的是一套极度务实的技术组合：通用大模型负责快速生成方案、应对非标变化；视觉算法、小型专用模型、工装夹具与机械臂共同负责稳定执行。

MicroFactory官网也明确划分了两类适用场景：抓取、连接器插装等重复性高的任务，优先采用AI生成的自动化程序；需要持续推理、灵活应变的复杂任务，再直接调用通用大模型——后者会消耗更多Token，执行速度也相对较慢[5]。

换句话说，更强的通用AI，价值在于生成更适配的程序和工具，以此提升机器人的整体效率，而非亲自介入每一次动作循环。

这种“重开发、轻执行”的分工，也直接重构了大模型的成本曲线。模型调用费用不再持续发生在生产全流程，而是集中在方案开发和任务换型阶段。按照MicroFactory的模式，用户仅在产线训练、工艺重构时支付模型调用费用；任务定型后由本地模型（部署在产线本地、无需云端调用的轻量控制模型）执行，无需持续支付云端调用费，设备报价中已包含五年的本地模型许可[5]。

对于多品种、小批量的制造场景，换型的编程与调试成本向来是自动化落地的核心门槛。如果这部分投入能显著下降，很多原本不具备经济性的自动化项目或将变得可行。

当然，方案的最终验证仍需落在生产节拍、产品良率、人工干预频率等长期指标上——据创始人自述，单次客户部署场景下连续1.5小时零失误——这只是其中一项阶段性证据。

Poke & Wiggle的路径：通用大模型接管研发实验台

如果说MicroFactory把大模型用在了执行的“最后一公里”，Poke & Wiggle则把通用AI推到了研发的“最上游”。

其推出的Poker平台，把数据预处理、模型训练、真机评测全链路打包成标准化接口。Agent可以自主完成从读论文、选任务、复现算法，到训练基线模型、申请真机验证的全流程；现场团队负责工位准备、环境复位与质量检查，研究人员参与方法审核，并在需要时纠正实验方向[3]。

图注：Poke & Wiggle此前公开的机器人实验设施。现场人员承担工位准备、环境复位与质量检查。来源：Poke & Wiggle官网。

这套自动化科研流程很快跑出了可量化的结果，同时，也毫不掩饰地暴露了真实问题。

在Patch Policy实验中，团队使用同一预训练视觉编码器，对比密集视觉特征与单个CLS特征的效果。在其所选任务与评测条件下，前者将任务成功率从约3.3%提升至25.6%，提升幅度约22.2个百分点。相对改善得到了明确验证，但绝对成功率依然偏低，也侧面反映出这类任务在当前实验设置下的固有难度[7]。

更耐人寻味的是DSD实验，它无意中揭开了AI做科研的一体两面：既能高效跑通复杂流程，也可能悄悄改变实验的核心前提。Agent首次执行时，自行扩大了动作归一化的取值范围，结果在其平台设定的任务与评测条件下，并未发现DSD相对基线的明显优势[8]。当研究人员要求恢复论文规定的基线参数后，DSD成功率达到45.3%，基线为32.0%，领先13.3个百分点[9]；而在Agent扩大后的取值范围下，基线成功率反而达到46.0%，与DSD几乎持平。最终的原始记录同时保留了复现结果，以及参数偏移带来的影响[8–9]。

图注：DSD实验对照：论文原始主张与两轮复现结果。(a) DSD论文真机实验结果，论文报告DSD-BIN平均成功率较BIN提升13.3个百分点（60.0%→73.3%，无机器人预训练）；(b) Agent首轮复现报告：自行将动作归一化取值范围从论文的1/99分位扩大至0.1/99.9分位后，未观察到DSD相对基线的明显优势（45.3% vs 46.0%）；(c) 恢复论文基线参数后的复现结果：DSD平均成功率45.3%，基线32.0%，提升13.3个百分点。论文与复现实验的任务集与测试条件不同，结果不可直接互换比较。

来源：(a) Duan Y, Yin H, Longhini A, et al. Direction-Scale Decomposition in Action Representation: Rethinking What to Tokenize for Vision-Language-Action Models[EB/OL]. arXiv:2609.28865, 2026-09-24, p.7, Fig.4. (b)(c) Poke & Wiggle. Chapter 2: Towards an agent-native CERN of AI robotics[EB/OL]. (2026-10-14)[2026-10-16].

这对产业研发有非常直接的启示：如果目标是复现论文结论，就必须严格守住关键实验条件；如果目标是筛选最优落地方案，则有必要对比经过合理优化的多种替代路径。

Poke & Wiggle接入微软Rho的实验，进一步展示了通用模型与专用机器人模型在研发流程中的协作。

据公司披露，Agent在接到任务后的次日完成了Rho的集成、训练和真机测试，并在倒螺丝任务上取得87%的成功率，结果限于其平台与测试条件[3]。在这之中，Claude承担模型接入、训练与评测等开发工作，Rho承担机器人动作生成。

图注：通用模型与专用模型的协作：Rho接入实验与其模型设计。(a) Poke & Wiggle团队内部沟通记录：Agent完成Rho接入后，倒螺丝任务成功率达87%（基于其平台与测试条件）；(b) Rho的三个双臂本体版本，模型设计将"适配机器人本体"与"适配具体任务"拆为两个独立阶段。

来源：(a) POKE & WIGGLE. Chapter 2: Towards an agent-native CERN of AI robotics[EB/OL]. (2026-10-14)[2026-10-16].(b) RHO TEAM. Rho: A Foundation for Efficiently Adaptable VLA Models[EB/OL]. arXiv:2609.38164, 2026-09-29, p.2, Fig.1.

微软对Rho的设计也印证了这种分工趋势：这是一组开放权重、约50亿参数的双臂操作模型，提供适配不同机器人平台的版本，把“适配机器人本体”和“适配具体任务”拆成两个阶段处理[10]。

除了做实验，Agent的自主排错能力同样刷新了研发的效率边界。在一次实验中，Agent发现连续10次真机评估全部失败，便主动读取运行日志，定位到自己修改的推理代码存在缺陷，随后自动回滚代码、更新服务镜像并重启测试。据公司披露，从发现问题到修复后重新启动评估，全程不到35分钟[3]。

当写代码、调bug这些软件侧的工作越来越多地被Agent承接，研发迭代的瓶颈就开始向硬件端转移：真机可用时长、环境复位速度、评测体系可靠性，正在成为新的限速步。

软件迭代越快，对可靠、高效的实验基础设施的依赖就越强。

真正的壁垒，仍是可沉淀的工程能力

通用大模型正在拉平机器人行业的基础开发门槛，竞争逻辑随之重构。

对依赖人工编程调试的系统集成商而言，基础开发成本下探，团队人效提升——但成本能否转化为利润，仍取决于交付定价、维护投入与方案可复制性。

对自研专用模型的企业，这轮变化无疑带来了一次更为直接的拷问：相比外部通用能力，自身方案在数据效率、响应速度、复杂接触操作上的独有优势是什么？这些优势又能否稳定、低成本地复现？上游硬件厂商同样无法置身事外。

MicroFactory采用FAIRINO FR3机械臂的案例印证：通用硬件对接大模型可快速拓展应用边界。

对国内厂商而言，接口标准化、文档完善度与软件适配能力，将直接决定新场景的切入效率。

当写代码、调算法不再是高门槛，企业的核心护城河正向工程层面沉淀：经过验证的任务程序库、故障纠错数据、成熟工装方案，以及跨设备复制维护的工具体系。

通用AI拓宽的是全行业的技术供给，而非替代所有机器人控制方案。其短期价值在于提效方案设计、代码实现、调试排错与实验编排全流程；在实时、连续、复杂操作场景中，VLA与专用控制程序仍是执行核心。

技术供给是全行业的公地，只有将通用能力转化为稳定可靠的任务交付、低成本规模化复制，才能把模型势能沉淀为商业价值。行业长期的核心壁垒，最终将落在可验证的程序、真实场景数据、成熟工装与可复制的交付能力上。

[1] KULAKOV I. Over the past month, we completely switched to frontier LLMs to control a robot in a customer deployment[EB/OL]. X, post 2110866012333838675[2026-10-16].

[2] KULAKOV I. [X post: 2110866629714469204][EB/OL]. X[2026-10-16].

[3] POKE & WIGGLE. Chapter 2: Towards an agent-native CERN of AI robotics[EB/OL]. (2026-10-14)[2026-10-16].

[4] BERMAN S, ILIE M, DENG J, et al. Claude plays robotics[EB/OL]. Anthropic, (2026-07-09)[2026-10-16].

[5] MICROFACTORY. MicroFactory[EB/OL]. [2026-10-16].

[6] KULAKOV I. [X post: 2110866864092143973][EB/OL]. X (2026-10-16)[2026-10-16].

[7] POKE & WIGGLE. Patch Policy (CLS versus Dense)[EB/OL]. (2026-10-08)[2026-10-16].

[8] POKE & WIGGLE. DSD iteration 1[EB/OL]. (2026-10-05)[2026-10-16].

[9] POKE & WIGGLE. DSD[EB/OL]. (2026-10-12)[2026-10-16].

[10] RHO TEAM. Rho: A Foundation for Efficiently Adaptable VLA Models[EB/OL]. (2026-09-29)[2026-10-16].