从数据堆砌到推理进化：具身智能“o1 时刻”将至，产业结构或迎大转移！

下面我们来扒一扒具身智能发展都有哪些重点——

如果 GPT - 4 系列让 AI 第一次在语言层面惊艳，那么 o1 代表 AI 开始探索如何通过推理解决复杂问题。机器人行业正在等待的，可能并不是一个拥有更多数据的机器人 GPT，而是一个能够理解身体、预测未来、规划行动的具身 o1。

从数据 Scaling 走向推理 Scaling

过去一段时间，行业形成了数据越多、机器人能力越强的共识，很多人判断“数据达到某某某级别，具身智能才可能迎来 ChatGPT 时刻”。然而，当整个行业还在争夺更多机器人数据时，Google DeepMind、Meta、Anthropic 等公司正在探索另一条路径：能否通过增强模型自身的推理能力，让机器人摆脱对海量示范数据的绝对依赖？

这让人联想到大模型领域的变化。ChatGPT 让人们看到 AI 能够理解语言，而 o1 则让行业意识到，下一阶段的竞争可能不只是知识规模，还有推理能力。如果说彼时的 GPT 系列解决的是“AI 是否能够理解世界”，那么 o1 探索的是“AI 是否能够通过思考解决复杂问题”。而具身智能正在面对类似的问题：机器人什么时候能够不只是模仿动作，而是真正理解行动？或许，具身智能等待的 ChatGPT 时刻，更具象看可能就是机器人领域真正的“o1 时刻”，它将促成产业应用爆发的起点。

GPT - 3 时代，大模型竞争核心是扩大规模，更多参数、更大数据量、更强算力投入推动模型能力提升，行业关注训练规模。OpenAI 等机构证明大量高质量数据能帮助模型获得更强语言理解能力。但 o1 的出现带来变化，它证明模型能力提升也可来自推理阶段计算量的增加。过去大模型主要依靠“学得更多”，而 o1 开始探索“想得更深”。这意味着 AI Scaling 出现新维度，未来推理计算同样可以创造能力。OpenAI 首席科学家 Ilya Sutskever 此前强调，未来 AI 进步重要方向之一是让模型通过更有效训练和推理获得新能力。o1 问世让不少媒体、学者谈论 GPT - 4o 与 o1 的区别，腾讯研究院资深专家王鹏认为 o1 是“与世界知识大幅解耦的推理模型”，因为若模型能力依赖不断增加的数据，AI 会遇到数据瓶颈，而通过推理产生新能力可打开 AI 发展空间。

具身智能寻找自己的“o1 时刻”

过去一年，具身智能最重要、被视作最可能商业落地的技术路线之一是 VLA，它试图让机器人像人一样理解视觉环境、语言指令并执行动作，依托成熟的 VLM 推动具身智能发展，机器人能完成更复杂任务。但随着模型能力提升，问题逐渐暴露：机器人真正缺少的是行动推理能力。

人类完成任务会根据常识推断，而目前很多机器人模型更擅长回答“看到这个场景，应该执行什么动作”，不擅长回答“为什么执行这个动作？这个动作之后会发生什么”。这也是 Meta 提出 HumanCLAW 及配套的 HumanCLAW - Bench 的重要所在，研究结果显示目前最先进的视觉语言模型距离真正具身智能仍有明显差距，在 1218 个具身任务测试中，最佳模型成功率仅有 16.8%。

这说明行业进入更深层问题：语言智能如何转化为物理智能？机器人需要综合推理能力。因此越来越多研究关注世界模型，其核心思想是让 AI 在行动前建立对未来状态的预测，这是机器人的“思考过程”。所以 Google、Meta、Anthropic 等公司在机器人领域的探索，或许预示着一场更大强度的竞争即将到来，而他们都想成为率先找到的 o1。

额外需要提一点的是，推理在 App 上可以等待，但具身智能作为物理世界中实际运作的机器人大脑，可能需要更巧妙的架构设计，如逐际动力提出的 Agent OS，Figure 的 Helix 系统，刚获 1 亿美元天使轮融资的求之科技提出的 ORION - 0 四层分级架构等“快慢脑”或“大脑 - 小脑 - 脊髓”架构。

数据竞争转向“智能密度”竞争

重视推理并不意味着机器人行业的数据时代结束，未来很长时间内，数据仍是具身智能最重要的基础设施，机器人需要大量数据、真实世界反馈并不断学习，数据的暴力堆砌也可能有效果。

但数据价值在发生变化，大模型时代互联网文本帮助模型建立语言规律和世界理解，机器人数据也应帮助模型理解物理世界运作逻辑和规则。近期备受关注的方向都在朝此努力：更高质量的具身原生数据，如蚂蚁灵波做的“围绕动作、接触、状态变化组织数据”；更创新的数据用法，如将人类远程干预形成的回流数据、执行失败的负样本用于反思和策略修正；更激进的“推理时技能获取”等创新学习架构，如自变量发布的 HOST 摒弃简单“模仿”。

因此，数据在未来不可或缺，但胜利关键从“谁的粮草更多”变成“谁的调度运筹更高明”，即谁能让有限数据催生出更准确、稳定、可泛化的行动智慧，谁就掌握竞争主动权。具身智能正在经历关键转折，过去行业把机器人训练成“执行者”，未来要借助推理与模型设计把机器人塑造为“理解者”。当数据规模之争让位于智能密度之争时，机器人距离“o1 时刻”又迈出决定性一步。

产业结构或因“o1 时刻”转移

如果当前具身智能产业竞争拼的是数据原始积累，那么下一阶段胜负手可能是谁能率先完成从“数据喂养”到“推理进化”的范式切换，跑通机器人的“o1 时刻”。

过去一年，具身智能行业围绕数据竞争，催生了“场景数据”供给方，这些数据与具体场景高度绑定，是机器人企业提升能力的重要基础设施。但如果具身智能迎来类似 o1 的推理突破，产业竞争逻辑可能变化。o1 启示我们，AI 能力提升可通过增强推理能力让模型从已有经验产生新能力，机器人未来不必等数据规模达到临界点，可通过优化模型架构、提升推理能力和设计高效学习范式，从“见过、训练过、微调过才能完成任务”走向“理解规律后自主解决问题”。

这意味着围绕场景数据的产业机会会被重新定义，模型本身话语权会提升，机器人产业核心竞争可能从数据供给能力转向智能系统能力。更重要的是，具身 o1 可能降低机器人商业化门槛。当前机器人难大规模落地的核心问题是“长尾场景过长”，若机器人具备更强物理逻辑推理能力，面对未见过的物体和场景时能“边想边做”，降低部署成本，打开柔性制造、养老服务、家庭服务等领域的增长空间。

当机器人开始从“记住动作”走向“推理行动”，那一天，才可能成为真正意义上的具身智能时刻。