机器人不用全能大模型：英伟达提出分工思路

很多年后，如果机器人真能在物理世界中学会思考并行动，研究者大概还会记起 OpenAI 发布 GPT-6 Astra 的那一刻。

先是有人不承认，随后发火，再试着讨价还价，接着情绪低落。到最后，众人还是认下了「完蛋」这个说法，或者说，感叹寒冬要来了。

这番话出自英伟达机器人方向负责人 Jim Fan 在 CoRL 2026 演讲中的调侃，说的是整个行业的集体焦虑。

英伟达最新发布的世界动作模型

头一个方向，是把模型之间的重新分工摆上台面。

通用推理模型和机器人专用模型之间，并不是谁替代谁的关系。前者管任务理解、步骤规划，后者盯物理操作，两边配合起来才能完成更复杂的任务。

再一个方向，是突出模型对异构数据的高效利用。

GR00T 2

照此看来，机器人模型的比拼正转向高效协作，重点落在组织模型、利用数据，以及让技能在不同任务、不同机器人之间流转。

Astra 管想，GR00T 2 管做，

机器人开始重新分工

GR00T 2

这一变化，首先体现在

2025 年发布的 System 2GR00T N1

模型的算力和实时性都有约束，把复杂推理和高频动作生成塞进同一个模型里，性能上会卡住。

到了 GR00T 2，英伟达换了个思路：规划层的 System 2 交给外部推理模型，复杂推理由 Astra 等大模型来做，自己只管生成动作。

新的协作体系里，Astra 负责理解复杂任务、拆解步骤、生成代码并监督执行，GR00T 2 则把这些意图落成具体的物理操作，让

Jim Fan 在演讲中把这种工作方式叫作「统一认知」（Unified Cognition），这套分工的好处，是让不同模型各自集中处理擅长的问题。

复杂推理不必都挤进需要快速响应的动作模型，具身模型可以专心做动作生成。

分工清楚之后，还有个更实际的问题：管思考的模型，怎么准确指挥管动作的模型？

为此英伟达做了两种协作接口，外加一套智能体执行框架。

第一种是

第二种是

第三种是

这三个机制对应的是任务开始前的引导、执行中的修正，以及出错后的恢复。通用模型和具身模型的合作，也由此从简单的指令传递，变成能持续反馈的执行闭环。

这种协作方式的可靠性还要不断验证，不过它指向的行业信号越来越清楚：让不同层级的模型各司其职，正在成为

复杂任务的理解与规划、具体动作的生成，以及机器人的实时运动控制，本来要求的能力就不一样。

与其硬让一个模型包揽全部环节，不如按任务性质分派给各自更擅长的模型。

具身智能

通用模型管的是复杂意图的理解、任务拆解和执行监督；专用具身模型则盯住物理交互和动作生成这两块。

这不是谁替代谁的关系。两者在各自能力边界内互相补位，通用智能的推理能力与机器人对现实世界的操作能力就此接上。

机器人智能往前走，未必非得靠一个什么都会的大模型。擅长推理的负责想，擅长物理交互的负责做，中间用控制系统串起来，复杂任务照样能完成。

分工明确之后，

具身模型该用什么样的方式训练？

模型分工回答了谁来思考、谁来执行。可物理世界还摆着一道更难的题：灵巧操作怎么学会？碰上精细活，机器人不光要认物体、排动作，还得管住几根手指之间的配合，感知接触、摩擦和力度的变化。

只靠堆数据量已经不够了。训练数据怎么分配类型、不同本体之间的经验怎么迁移、训练效率高不高，这几件事同样关键。

GR00T 2 在数据侧的一整套设计，正好对应具身智能赛道训练范式的几个走向。

先看训练数据，模型要解决的是异构数据之间怎么协同、怎么配合。

GR00T 2 的预训练数据里，约 40.3 万小时是人类第一视角视频，1.02 万小时是手持夹爪操作数据，另有 2.35 万小时机器人遥操作数据。「世界-动作」联合预测机制能把不同类型的数据组合到一起。

比方说，人类视频即便没有和机器人关节对应的动作标签，照样能给模型学习物体运动与交互过程提供监督。来源各异的数据，就这样有了共同参与训练的基础。

再看数据适配程度，模型正在做到跨本体的技能迁移。

把数据凑到一块训练只是开头。真正的目标是：用尽量少的目标本体专属数据，让不同形态的本体学会新任务。

GR00T 2 的 （跨本体适配）走了三条不同的技能迁移路径：灵巧手复刻人类示范数据、机械臂复刻手持夹爪的示范数据、灵巧手复刻可穿戴外骨骼采集的人类数据。

仿真环境则给了机器人另一条积累操作经验的路子。

英伟达工具链中的

Isaac Lab

GR00T 2 展示了训练怎么走：从人类演示出发，在仿真环境里重建任务，再用强化学习反复优化机器人的操作策略。训练完成后，GR00T 2 能借助仿真生成的数据学会这项技能，并迁移到搭载

说白了，就是让机器人先在虚拟世界里练手，再到真实世界验收。有些任务操作风险高、反复试错代价大，仿真能给出更可控的训练和验证条件。

这几条路径指向同一个目标：机器人学新任务时，对目标本体专属数据的依赖要降下来。

不过跨本体迁移不等于机器人数据可以完全不要。不同本体之间仍要建立动作对应关系，部分实验也得拿目标机器人其他任务的数据打底。

最后，数据壁垒正从采集规模延伸到训练效率和技能复用上。

在

只要补上少量真机示范，任务平均成功率就能明显抬升。给 1 次示范，成功率可到 71 %；给 5 次示范，成功率则能升到 95%。

换个角度看，GR00T 2 想做的事，是让机器人学新任务时不必再死磕专属数据：先用多源预训练攒下通用本领，再拿少量真机数据快速调到位。

遇到难度更高的任务，GR00T 2 在后训练（Post-Training）阶段用到的遥操作数据同样尽量压缩。这一做法，也跟行业眼下对数据效率的关切对得上。

Google DeepMind 牵头、21 家机构共同参与建设的数据项目之外，数据量和模型本事之间并没有简单的线性对应。数据的质量、覆盖哪些任务、动作怎么表示，加上训练之后的迁移效果，都会左右模型的表现。

所以数据基础设施值不值钱，越来越看它能不能跑通一条从采集、清洗、对齐到训练、评估的有效流程，让手里已有的数据在更多任务上派上用场。往后数据上的比拼，既看企业囤了多少操作经验，也看这些经验能不能压低新任务的学习成本，变成可以迁移、可以复用的物理技能。

机器人技能要是更容易拿到手，行业的夏天真就要来了？

演讲收尾时，Jim Fan 又讲回了开场那个「凛冬将至」的故事。他说，走过悲伤的五个阶段之后，故事还能有第六个阶段：庆祝行业「夏天即将到来」。

夏天的第一层含义，是机器人开发方式变了。以前机器人要完成一项复杂任务，通常得围着特定场景把整套操作策略训出来；任务一换，开发者可能又得重新采数据、重新训练和调试。

眼下情况不同了：GR00T 2 和 Astra 可以配合干活，机器人技能也有机会像软件模块那样，被封装成相对独立的能力单元，按任务需要调用、组合，并在执行中不断修正。

开发者还能用仿真环境，让大模型去探索、生成和改进程序，把成功的经验沉淀成可复用的技能库。等大模型本事足够强，开发者也许就不用再从头写每一套操作策略，直接拿自然语言告诉智能体要完成什么任务，由它去找合适的技能、把执行流程组织起来。

这很容易让人想到软件开发领域的「」，那机器人行业的夏天，是否也会迎来「」？

设想一下：开发者只用自然语言描述任务目标，智能体就能拆解执行步骤、调用已有技能、生成控制程序，再到仿真环境里验证一遍。画面很美，可大模型在仿真环境里跑通任务，并不等于真机上也能跑通。

物理世界里的摩擦、碰撞、物体形变和环境扰动，都可能让原本看着没问题的程序失效。前沿大模型加进来，能加快代码生成和迭代，可最后仍要过真实机器人这一关。

夏天的第二层含义，是机器人研发或许会从少数团队包揽的全栈工程，转向更多中小型团队也能参与的应用创新。

GR00T 2 的权重与代码将在 2026 年 12 月开放；再加上目前开放的仿真工具、数据标注模型套件和数据集等，英伟达的开源生态会覆盖模型、仿真、智能体、数据、采集硬件，构成一套相对完整的机器人开发体系。

做仓储分拣、工业装配或者商业服务的小团队，规模不大，如今也有机会直接拿现成模型和工具打底，针对自己的具体场景做出机器人应用。

不过把视线收回到眼前，这个行业离真正的旺季还差得远。

落到商业部署上，几道坎依旧绕不过去：精细操作的误差、出异常之后的恢复、端侧算力够不够、硬件怎么维护，还有完成单位任务要花多少成本。

模型之间互相配合、开源把一部分技术门槛拉低，这些变化也在改竞争的重心——光比模型本身可能不够了，长期运维能力更考验团队底子，比拼的地方会往那边挪。

开发门槛在往下走，这话不假；可行业能走多远，说到底还是看机器人能不能长期、稳定、划算地把真实任务干完。

对机器人行业来说，真要说有什么值得高兴的，未必是终于出了某个什么都能干的大模型，而是模型开始各管一摊、不同的本体之间能共享经验、各项技能可以被调出来反复用。

这些能力拼成一个完整的系统之后，机器人才算真正离开实验室，在物理世界里持续、稳定、经济地把任务完成。