2026年10月12日、宇樹科技の共同創業者である王興興氏は公の場で、次のような大胆な予測を示した。「来年にはGPT-7が身体を持つ知能の課題を一気に解決してしまう可能性がある」と述べた。これは、同年8月20日に「早ければ2〜3年、遅くとも5〜10年」としていた見通しと比べると、産業の転換点に関する期待が「最短で1〜2年」と大幅に短縮されたことを意味する。この急速な修正は、汎用大規模モデルの進化ペースに迫られる形での、やむを得ない調整と解釈されている。
実証の段階では、トレンドはシミュレーションから実機へと広がっています。RoboDojoによる2026年9月の評価では、GPT-6 Astraが42種類の二腕タスクにおいて平均成功率22.48%を達成し、公開されている40件の専用ポリシーの最高記録（19.34%）を上回りました。一方、Artificial Analysisが10月14日に公表したAA-Robotics v0.1の実機評価では、Astraが得点69.4で首位に立ったものの、単一タスクの平均所要時間は約30分（人間はわずか20秒）であり、呼び出しコストは最大16.36ドルに達し、さらに「タスク完了を正確に判断できない」などの基礎的な実行上の欠陥も確認されています。
一方で、外部モデルサービスの商品化が加速しています。Physical Intelligenceは10月13日にAPIのベータ版を公開し、企業がシーンデータをアップロードしてクラウド上の計算能力を活用し、ファインチューニングやホスティング型推論を実行できるようにしました。NVIDIAのIsaac GR00Tや銀河通用のπシリーズといった身体知能ベースのモデルも同時に開発が進められており、さらに銀河通用と宇樹は10月23日、製品定義から知能機能に至るまでの一連のプロセスを網羅するGalbot ET1の共同開発を発表しました。
このような背景のもと、ロボット企業における研究開発の分業体制は再構築を迫られています。自社開発がもはや技術プレミアムを意味するとは限らず、経営の本質に立ち戻る必要があります。すなわち、「全サイクルコスト算定」と「四段階リターン検証」（研究開発→パイロット試行→複製→事業運営）を通じて、各投資が外部調達では補えない能力ギャップを埋め、納品効率を向上させ、さらに再利用可能な資産を創出しているかどうかを明確にするのです。FigureによるIndex事前学習を用いた対照実験では、長時間タスクの成功率が9％から56％へと向上しました。これは、価値評価の典型的な実践例と言えます。