商汤把GPT-6-Astra搬上真机：具身智能真正难的，开始浮出水面

10月19日，商汤发布了一份颇有分量的具身智能测试报告，联合大晓机器人、Ropedia、南洋理工大学、东京大学等团队，对GPT-6-Astra进行了系统测试，覆盖12项仿真评测和8款真实机器人平台。测试结果把一个行业已经讨论很久、却很难真正量化的问题摆到了台面上：大模型在虚拟环境里的高分，距离真实世界里的稳定执行，中间仍然隔着一整套工程系统。

GPT-6-Astra在部分传统具身基准中成绩非常高，在LIBERO-Long++上达到100%，LIBERO-Pro达到99.3%，SIMPLE达到98.8%，RoboDojo达到81.9%。但进入真机环境后，复杂任务的表现明显下降。插头插入、柔性材料操作以及长序列导航等任务，都暴露出视觉、动作控制、时间约束和物理反馈之间的断点。商汤还发现，在RoboDojo部分任务中，把模型允许的交互步数提高到原来的10倍，原本连续5次失败的9个任务最终可以5次全部完成，但成本也随之快速上升，叠碗任务平均耗时约131分钟、估算推理费用约19美元，把笔放进笔筒平均耗时263分钟、估算推理费用约55美元。

这组结果的价值，不是给GPT-6-Astra打分，而是给具身智能重新划了一条线：模型能力已经能够覆盖相当复杂的理解、规划和空间推理，但真正决定商业化的指标，最终仍然是任务完成率、响应速度、失败成本以及在陌生环境中的稳定性。对商汤而言，这个问题又多了一层公司基本面的含义。2026年上半年，商汤收入29.1亿元，同比增长23.4%；毛利12.1亿元，同比增长32.9%，生成式AI收入达到23.3亿元，约占集团总收入八成，并首次实现IFRS口径盈利，净利润6.2亿元。商汤已经进入商业化效率开始兑现的阶段，具身智能能否成为新的应用出口，因而比单纯的技术概念更值得观察。

具身智能真正的门槛，开始从模型能力转向“完成任务”的能力

过去几年，大模型竞争主要围绕参数、推理、上下文和多模态能力展开，机器人则更多依赖针对特定本体训练的VLA模型。GPT-6-Astra的出现，把两条技术路线拉到了同一张考卷上。商汤此次测试进一步说明，通用模型可以凭借强大的视觉理解和推理能力直接进入机器人任务，但模型“知道应该怎么做”，与机器人“能够稳定做出来”，依然是两个问题。

仿真环境尤其容易把这种差距隐藏起来。机器人面对的是规则明确、状态可控的数字世界，模型可以持续观察并反复尝试；现实环境却存在机械碰撞、电机过热、视角受限以及动作不可逆等问题。商汤在真机实验中观察到，GPT-6-Astra能够通过主动调整观察视角解决插花任务，但面对插头插入等精细操作时，能力明显受限。换句话说，具身智能真正需要解决的不是单纯的“空间智能”，而是感知、规划、控制和反馈组成的闭环。

这也是行业竞争开始发生变化的地方。机器人本体价格下降、硬件形态逐步丰富以后，真正稀缺的环节可能逐渐向“具身大脑”和任务系统迁移。谁能够让模型理解环境、规划动作，再根据执行结果及时修改策略，谁才更接近真正的通用机器人软件层。

商汤的技术路线正好与这一变化形成呼应。公司今年4月开源SenseNova U1，强调在统一架构中融合多模态理解、推理和生成能力；7月发布U1 Pro时，又进一步把长程任务和系统级交付放到产品框架中。具身智能因此并非一条突然出现的新业务，而是商汤从视觉、多模态模型向“理解—决策—执行”延伸的一部分。

商汤真正值得观察的，是从“模型公司”向“系统能力提供者”延伸

商汤过去容易被资本市场按照AI模型公司理解，但最新财务表现已经开始改变这种单一标签。2026年上半年，商汤生成式AI收入23.3亿元，Token相关业务收入5亿元，占集团总收入约17%；SenseCore在7月平均每日Token服务量达到2.4万亿，同比增长约22倍，业务已经覆盖20多个国家和地区、服务超过4500家客户。公司同时披露，经常性收入达到11.4亿元，占总收入39.3%。

这组数字说明，商汤当前最重要的变化是AI能力开始进入可重复交付的商业体系。模型只是其中一层，算力基础设施、推理优化、模型适配、智能体以及行业场景共同构成收入来源。公司提出的“模型系统+Token工厂+Agent Harness”框架，本质上是在解决一个商业化问题：怎样把越来越强的模型能力转化为稳定的任务交付。

具身智能恰好把这个问题放大了。

机器人每完成一次任务，都要面对真实环境的不确定性。如果模型需要反复推理几十分钟甚至数小时，理论上的成功率没有太大商业意义；如果一次失败会造成设备损伤，系统还必须理解执行风险；如果不同机器人拥有不同机械结构，模型又需要适配不同的控制接口。因此，具身智能最终比拼的不只是基础模型能力，还包括模型如何调用工具、如何理解反馈、如何分配推理预算，以及如何与不同本体协同。

商汤这次推出SenseNova-RoboRSI，正是在这一层做文章。公司同步开源Harness和27B具身模型，并披露相关方案能够把具身任务完成成本降至GPT-6-Astra的1/50。这个动作的意义在于，商汤开始把具身智能研究从“模型评测”进一步推进到“系统效率”。

对于公司基本面而言，这比单独发布一个机器人模型更值得跟踪。因为一旦具身智能进入产业部署，收入未必全部来自机器人本体，模型调用、推理服务、行业解决方案以及长期的软件服务，都可能成为商业化路径。商汤已经拥有模型、算力和企业客户体系，具身智能如果能够形成稳定的任务交付能力，原有AI基础设施的利用率和应用边界也会进一步扩大。

真正的增量空间，在“机器人能干什么”走向“机器人值多少钱”

目前具身智能最大的产业误区，是把机器人发布数量和模型测试分数直接等同于商业化进度。现实情况更复杂。机器人要进入工厂、商超、物流甚至家庭，首先需要解决任务可靠性，其次需要控制运行成本，最后还要证明机器人创造的价值足以覆盖硬件、维护和AI推理成本。

商汤此次测试提供了一组非常直观的参照。模型可以通过增加交互预算提高成功率，但任务时间和推理成本也会同步增加；模型可以在真机上展现主动视觉能力，但机械结构、摄像头位置和电机状态仍然可能成为任务失败的原因。具身智能的商业化，因此会越来越关注“单位任务成本”和“有效完成率”，而不只是Benchmark排名。

这对商汤也是一次现实检验。

公司今年上半年已经实现首次IFRS盈利，毛利率提升至41.4%，经常性收入占比达到39.3%，同时海外业务收入同比增长127%。公司正在证明AI业务可以从高投入研发逐步走向规模化交付。

下一阶段真正值得观察的，是具身智能能否沿着同一条商业化路径继续向前推进。商汤此前已经把AI能力嵌入零售等真实经营场景，推出SenseMart OS，连接异构机器人本体、零售大脑、真实场景数据和门店运营体系，尝试让机器人进入具体业务流程。

这意味着商汤面对的市场空间已经从单纯的模型竞争延伸到物理世界的任务系统。短期看，具身智能仍处于研发和场景验证阶段，真机稳定性、推理成本、数据获取以及本体适配都会形成压制；中期看，如果模型推理效率持续提升，机器人能够从单任务走向多任务，商汤已有的多模态模型、Token基础设施和企业交付能力就有机会形成协同；长期看，真正能够获得产业定价权的公司，未必是Benchmark分数最高的公司，而可能是能够把模型能力转化成稳定任务结果，并且让客户愿意持续付费的公司。

结语｜机器人产业下一轮竞争，考场正在从榜单转向真实世界

GPT-6-Astra的测试给行业留下的最大信息，是“智能”已经开始进入物理世界，但距离可靠的生产力仍然有一段工程距离。商汤选择公开测试这种差距，再把测试框架、具身模型和执行系统一起开源，本身就是一次比较清晰的产业信号：具身智能正在从模型能力竞赛进入系统能力竞赛。

对于商汤，市场接下来需要观察的也不只是机器人概念升温，而是具身智能能否与公司已经形成规模的生成式AI业务产生真实协同，能否带来新的客户、Token需求和场景收入，以及这些投入最终能否沉淀为可复制的商业交付能力。

如果这条链条逐步跑通，商汤的AI资产就会拥有更大的应用边界；如果真机任务长期停留在“能完成，但太慢、太贵、不够稳定”，具身智能仍然更接近研发投入而非利润贡献。对投资者而言，这恰恰是未来一段时间最值得跟踪的变量：模型分数决定技术上限，任务成本决定商业下限，真正能够改变公司定价的，是两者之间能否形成持续扩大的兑现空间。