王兴兴把自己的时间表提前了。

两个月前，他判断具身智能迎来突破，快则两三年，慢则五到十年。结果宇树最近跌的惨不忍睹。

最近在工博会上，他把最快的预期改成了一两年。让他改变判断的是GPT-6：宇树团队把它放到不同机器人上做任务测试，他觉得效果非常不错。他还反省，过去十几年最大的错误，是对AI相信得不够。

王兴兴在工博会现场谈到，宇树已经用新模型进行机器人任务测试

在《宇树到底做错了什么？》里，我们讨论过宇树面对的难题：机器已经卖起来了，让机器干活的智能还得继续补。现在，上游的大模型开始替机器人理解任务、安排步骤，专门的具身模型也在展示看一次示范学习新任务、把已有能力带进陌生环境的办法。

原来需要机器人公司逐项开发的一部分能力，开始能够从基础模型那里获得。王兴兴因此可以开始重新计算，宇树还要花多少时间和钱，才能让已经造出来的机器真正好用。

DeepSeek也在靠近具身智能。它已经入股宇树，双方约定在模型和机器人业务上优先考虑彼此。最近又有媒体报道，梁文锋正在接触具身智能创业者，评估自建团队或通过投资进入这一领域。

宇树想把模型的进步变成机器的用途，DeepSeek则要让自己的模型学会行动。两家公司相向而行，接下来要争取的，也不只是一次合作：机器人变得好用之后，这门生意的收入会怎样分配？

大模型开始接管具身任务

Google展示过这样一个场景：用户用自然语言提出要求，Spot机器人去取爆米花。负责理解和组织这件事的，是Gemini Robotics ER 2。它调用机器人的导航和机械臂接口，把人的要求变成一连串动作。

模型基于Gemini 3.5 Flash，进一步加入具身推理训练。在Google的机器人系统里，它还能观察环境、安排步骤、跟踪任务进度，再把执行交给动作模型。通用多模态模型积累的理解能力，已经有了一条进入机器人工作流程的实际路径。

开发通用机器人模型的Skild AI展示的，是机器人怎样从一次示范中学习新任务。工作人员录下一段操作视频，交给已经预训练好的S1，机器人就尝试照着做。一次盆栽测试中，从开始录制示范，到机器人开始自主执行，团队用了11分钟，没有为这个新任务重新训练模型。

它也会根据眼前的东西调整做法。示范者用浇水壶，机器人面前只有一杯水，它就改用杯子。模型要从演示中理解目的，再利用已经学过的能力完成它。

Skild的测试中，机器人改用水杯给植物浇水

过去，教机器人做一项新工作，往往还要安排数据采集和专项训练。S1让人看到了另一种产品形态：机器买回来以后，用户有机会通过示范增加它的用途。新需求到来，研发团队未必每次都要重新开一个项目。

更让人熟悉的Figure，则直接把机器人带进了30个没有采集过训练数据的家庭，让它们收玩具、铺床和叠毛巾。房间布局变了，家具和物件也变了，机器人要自己找东西、挪动身体，再动手操作。

只能说，大模型还是太全面了。

在Figure的对照测试中，使用人类行为数据预训练的Helix 2.5，完整任务成功率达到56%；其他训练条件保持一致、没有这一步预训练的模型是9%。一次收玩具任务，要把13至15件玩具全部放进篮子才算完成，安全人员介入也算失败。

Figure的官方测试展示了收玩具、铺床和叠毛巾三种家庭任务

虽然这离具身智能走入寻常人家还有差距，但这个showcase已经可以证明，预训练积累的经验，有望减少新客户重新教机器的成本。

从理解指令，到学习新任务，再到适应陌生现场，这几组实验分别减少了机器人开发中的重复工作。通用模型经过具身训练后，开始承担任务理解和规划；具身基础模型继续把可复用的能力推进到操作动作。机器人公司需要自己开发什么，正在随之改变。

宇树已经在这么做了。它自己的具身模型以Qwen3-VL为基础，再加入交互预测和动作学习。王兴兴仍然做模型，但确实也不需要重新造轮子。

这对宇树有利，也会改变它面对的竞争。宇树能用上游模型给机器增加用途，其他整机厂也可以尝试接入。产品经理接下来要比较的，是更具体的场景：同一种工作，哪台机器做得更久、更少出错，客户换一个任务时，又要叫来多少工程师。

DeepSeek开始研究下一个议题

DeepSeek把视觉能力进一步接入了Flash的Agent工作流。先是V4-Flash-Vision-Exp开放图片输入，随后发布的V4.1-Flash，明确加入了原生视觉理解。开发者可以把图片和文字一起交给模型，再让它调用工具完成任务。

Flash的产品取向，已经写进了发布说明。DeepSeek介绍V4.1-Flash时，专门解释了一笔Agent的运行成本：模型反复处理任务记录，会用到缓存；压缩缓存，能减少这部分开支。按官方披露，新模型的KV缓存所占显存降到了上一代的四分之一。它同时强调更快的推理、更高的吞吐量，并随之下调API价格。

这也解释了，为什么模型厂商越来越重视Flash这类产品。一个Agent接到工作以后，可能要反复读取信息、调用工具、检查结果。每一步都要等，每一步都要花钱，出错后还要重来。应用开发者选模型，最终得算完成整项任务需要多少时间、多少费用。单次回答便宜，任务却反复失败，也省不下钱。

Google对Flash系列的定位同样明确：提高效率、缩短等待时间，让Agent能在生产环境里大规模运行。上文的机器人推理模型Gemini Robotics ER 2，就以Gemini 3.5 Flash为基础，再加入具身推理训练。模型公司为应用做的效率改进，已经有了进入机器人的具体路径。

这给DeepSeek留下了一条可以分步执行的路线。先把已有的视觉和推理能力用于理解任务、安排步骤，动作执行可以交给合作方。若继续向下做动作模型，它就得学习机器碰到东西之后会发生什么：杯子滑了一下，机械臂怎样调整；物体移动以后，下一次判断要怎样改变。

这些经验需要从操作中积累。宇树的具身模型在Qwen3-VL之外，还用了约2500小时真实机器人数据训练，覆盖不同设备和操作场景。对DeepSeek而言，买到机器人只是开始，它还需要有人一起做实验，把动作、结果和失败留下来。

训练方法也要重新处理。研究机器人基础模型的Physical Intelligence发现，某些把视觉语言模型与动作模块直接联合训练的做法，会让机器人更容易忽略语言指令，也更难把已有知识用于操作。DeepSeek若要继续做动作，就得在学会操作的同时，保住已经积累的理解和推理能力。

它与宇树的合作，正好可以放在这条路径里理解。DeepSeek以约1.41亿元参与宇树IPO战略配售时，双方已经约定：DeepSeek未来探索具身智能，同等条件下优先采购宇树的机器人和技术方案；宇树开展模型适配、调用和融合，也在同等条件下优先考虑DeepSeek的模型训练服务和方案。

双方约定，同等条件下优先采购对方的产品和服务

据外媒报道，DeepSeek还已同意领投Winverse AI的种子轮融资，交易当时尚未最终完成。创始人胡瀚此前在腾讯负责视觉语言和具身基础模型团队。梁文锋接触的，既有能提供机器的公司，也有专门研究机器人智能的人。

宇树希望借用上游模型，减少自己重复开发的工作；DeepSeek向机器人企业靠近，则有机会获得屏幕里的任务给不了的操作经验。但这些经验最后归谁使用，还得在合作中谈清楚。现场数据能否用于训练，改进后的模型能否提供给其他整机厂，都会影响双方愿意投入多少。

毕竟，DeepSeek要做成一门面向行业的模型生意，就得把在宇树机器上学到的本事，带到更多设备和现场。Google已经展示过同一套动作模型控制不同本体的能力。模型公司走得越深，与整机厂之间需要商定的研发和交付分工也会越多。

模型公司的商业化前景

到了这一步，DeepSeek的新一轮融资消息就有了更具体的意义。有媒体报道，公司第二轮融资拟募资约1000亿元，投前估值约5000亿元，梁文锋更倾向于能带来上下游资源的产业投资方。潜在投资者中有吉利，宁德时代也计划继续追加投资。

这是整家公司的拟融资，具身智能是它正在评估的方向之一。如果DeepSeek继续向机器人走，汽车和电池企业能提供的研究条件就很有价值：机器可以买，生产线却需要企业愿意开放，日常操作积累的数据也得获得使用许可。

同一场工博会对话中，王坚就提到，工业数据仍分散在企业内部，机器人和AI研究者很难直接使用。接受产业资本投资，可以增加接触现场的机会。到了具体工厂，哪些数据可以用、测试影响了生产由谁负责，仍要一件件谈。

模型用于机器人，也已经有人付钱。Skild披露，首次商业部署后的十个月，它已有60多家付费客户，确认收入5000万美元，约九成来自操作类任务。公司没有单独拆出纯模型许可费，这笔收入来自此前的商业部署。

Skild 官方视频展示的机械臂操作画面

资方会继续观测“边际交付成本”，那就是：每增加一个客户，需要额外投入的适配研发、部署调试和现场支持成本。

Figure在没有采集过训练数据的30个家庭里测试家务，Skild则展示了通过一次示范尝试新任务。这些实验让人看到，已有能力有机会减少服务新客户时的重复开发。

Flash能让模型少用资源、更快完成任务。具身能力的复用，则有机会减少现场开发。对于同时承担部署工作的模型公司，推理成本和交付成本都得算进去：如果每个现场仍要反复派工程师调试，推理环节省下的钱，就可能被交付支出抵消。

降价也会改变DeepSeek自己的收入要求。同样的调用量，价格低了，ARR就少了。它需要更多使用量，或者找到客户愿意持续付费的服务。机器人确实可以增加模型的用途，但卖出一台机器，也不会自然给模型公司带来一笔长期收入。

宇树已经把机器人模型列入IPO募投研发项目，预算包括设备、人员和实施等投入，外部模型公司有机会争取其中的训练与技术服务需求。只是，DeepSeek虽然持有宇树股份，王兴兴最近公开肯定的是GPT-6，宇树自己的模型也以Qwen为基础。虽然两者在靠近，但是却还是还有走到一起。

对宇树而言，模型的进步可以让同一台机器多干一些活，也让客户少付一些开发费用。DeepSeek要争取的，是通过训练、更新和部署服务，让下一批客户少做现场开发，并愿意为模型后续的改进继续付费。