2026年10月12日，宇树科技联合创始人王兴兴在公开场合提出激进预判：‘明年GPT-7可能直接把具身智能问题打穿’，相较其2026年8月20日‘快则两三年，慢则五到十年’的口径，产业拐点预期显著收窄至‘最快一两年’。这一快速修正被解读为受通用大模型迭代进度倒逼的被动调整。
实证层面，趋势已从仿真延伸至真机：RoboDojo于2026年9月评测显示，GPT-6 Astra在42项双臂任务中平均成功率达22.48%，超越40个公开专用策略最高成绩（19.34%）；而Artificial Analysis于10月14日发布的AA-Robotics v0.1真机评测进一步证实，Astra虽以69.4分居首，但单次任务平均耗时约30分钟（人类仅需20秒），调用成本最高达16.36美元，且存在‘无法准确判断任务完成’等基础执行缺陷。
与此同时，外部模型服务正加速商品化：Physical Intelligence于10月13日开放API测试版，支持企业上传场景数据并调用云端算力完成微调与托管推理；英伟达Isaac GR00T、银河通用π系列等具身基础模型亦同步推进；银河通用与宇树更于10月23日宣布联合研发Galbot ET1，覆盖产品定义至智能能力全链路。
在此背景下，机器人企业研发分工面临重构：自研不再默认等于技术溢价，而需回归经营本质——通过‘全周期成本核算’与‘四阶回报检验’（研发→试点→复制→经营），明确每笔投入是否补足了不可外采的能力缺口、提升了交付效率、并形成可复用的资产。Figure通过Index预训练将长程任务成功率从9%提升至56%的对照实验，即为典型的价值标尺实践。