开场：GPT-6 Astra 在机器人圈引发的震动

节目以 GPT-6 Astra 在机器人圈引发的讨论切入，提出核心问题：当通用大模型快速覆盖三维空间理解、任务规划、反思纠错等能力，机器人创业公司还应该自己做什么。主持人介绍本期嘉宾阵容。

嘉宾亮相：三位从业者的背景与研究方向

王建明介绍自己在英诺基金看机器人方向并写机器人百年史博客，韩磊介绍诺亦腾机器人专注人与世界交互的数据获取技术，胡钰承介绍潜界科技研究具身基础大模型，曾参与 VPP 和 BigGoVA 工作。

第一次看到 GPT-6：震惊还是意料之中

王建明从投资人视角谈群内反馈，胡钰承透露团队一两个月前已用 Gemini 在仿真中做零样本任务，当时花四十到五十分钟完成推理，GPT-6 更快。韩磊认为最强的是视觉与语义层面的理解能力。

GPT-6 强在哪：空间理解、任务理解与上下文纠错

胡钰承把 GPT-6 的能力拆成三层：空间理解、任务理解、上下文理解，认为上下文理解是智能产生的来源。韩磊补充 GPT-6 能通过数字变化理解视觉反馈并调整方向。讨论延伸到 System 0/1/2 分层。

VLA 的困境：它在拟合轨迹，而不是理解语义

韩磊指出 VLA 模型对语言指令的跟随能力不好，更像记住了视觉到动作的绑定关系而非真正理解。他举例说模型走出丝滑弧线后无法拐九十度弯。胡钰承认为 VLA 的语言理解远达不到上层通用水平。

快慢系统如何结合：从 Pi 0.5 修正到协同推理

讨论 GPT-6 与 VLA 的结合方式。胡钰承认为 Pi 0.5 先出轨迹再让 GPT-6 修正不是好方式。韩磊提出 Figure AI 的 harmonic reasoning 协同推理方案，让 System 2 推理过程中实时注入 token 给下层 VLA。

RoboDojo 评测的反直觉结果与仿真生成

韩磊解释为何 GPT-6 加 Pi 0.5 在部分任务上反而更弱：VLA 训练分布不匹配。胡钰承谈 GPT-6 对仿真环境生成的推动，能自动化搭建仿真环境并调整物理属性，但 sim-to-real gap 仍未解决。

世界模型的价值争议：智能到底在语言还是视频里

胡钰承明确不认同世界模型能像语言模型一样涌现智能，认为难度大且没必要。韩磊也认为 video world model 不适合解决具身智能。讨论延伸到智能是否只存在于语言模型中。

创业者该自研什么：聚焦 System 0/1 与本体

王建明建议国内创业者聚焦 System 0、System 1 和本体，韩磊强调移动操作与全身运动控制的价值。讨论真机强化学习的成本问题，胡钰承认为 GPT-6 可作为 reward model 降低真机 RL 成本。

美国见闻：差异化 vs 对标，概念化 vs 数据理性

王建明分享美国交流感受：美国团队更关注预训练和后训练阶段用什么数据达到什么结果，国内则非常概念化，把 world model 和 VLA 对立起来。他认为国内需要更多元化，尝试不同组合。

异构数据的价值与静态/非静态任务的分野

讨论 GPT-6 作为 System 2 后异构数据价值是否下降。韩磊认为需要更多模态组合，偏执行层数据更重要。王建明提出静态任务 GPT-6 已能解决，非静态任务如人形机器人移动操作仍未解决。

数据才是根本：别在乎模型叫什么名字

韩磊直言不必在乎是 VLA、WAM 还是 world model，关键是数据配比和 input/output 设计。胡钰承认为数据 know-how 才是模型训好的根本。王建明强调不要跟风，要有原生思考。

六到十二个月展望与具身原生团队的路线之争

三位嘉宾预测未来六到十二个月：资本降温但技术迭代，移动操作能力提升，更多团队往落地走。在具身原生团队与基模团队谁更可能做出好具身大脑的问题上，王建明和韩磊看好具身原生公司，胡钰承认为需要两者兼备。