本报告导读：
　　数据荒漠是阻碍具身大脑发展的关键障碍，数据采集大有可为。
　　投资要点：
　　 OpenAI切入人形机器人赛道。2026年10月，在《Sources》最新播客专访中，OpenAI首席执行官Sam Altman表示：公司会做人形机器人，也会做其他形态的机器人。2026年6月，山姆·奥特曼在社交平台发布的一则招聘信息，正式宣告进军实体机器人赛道。奥特曼表示，公司正在组建名为“OpenAIRobotics”的新团队，并公开招募全栈硬件、运营、系统及机器学习工程师。根据奥特曼的阐述，OpenAI的机器人战略分为短期和长期两个目标。短期内，OpenAI专注于研发能够协助技术工人建设未来基础设施的机器人；长远来看，公司设想未来的每个人都能拥有一个可以完成各种需求的个人机器人。公司成立初期，机器人技术便是其探索通用人工智能（AGI）的重要方向。2016年至2019年间，OpenAI先后推出了强化学习基准环境OpenAIGym、开源机器人仿真平台Roboschool，并成功研发了名为Dactyl的灵巧机械手。由于当时机器人训练数据稀缺、迭代缓慢，而互联网上的文本和图像数据则海量且易于获取，OpenAI在2020年前后做出了一个战略抉择：解散机器人团队，将资源集中到以GPT系列为代表的大语言模型研发上。这一决定最终催生了ChatGPT。
　　数据荒漠是阻碍具身大脑发展的关键障碍，数据采集大有可为。目前具身智能的数据来源主要包含三类：1.顶层：真机数据，数据质量最精准，成本最贵；2.中层：仿真数据，成本低、可规模化，能够弥补当前真机数据的不足；3.底层：互联网视频、人类行为数据，来源广泛、泛化性强。大语言模型可以轻松从互联网获取海量语料，而机器人需要的是在真实世界中“拿、放、走、抓、避障、操作”等三维动作数据，数据获取的复杂程度和难度都比大语言模型高很多。Grand View Research的数据显示，全球数据采集和标注市场规模预计到2030年将达到171亿美元。
　　GPT-6-Astra显示通用模型很大程度上跨过了具身能力的门槛。2026年9月发布的GPT-6 Astra核心创新在于构建了时空连续的认知框架。该模型通过引入动态注意力机制，将视频流分解为时空图结构，在GitHub评测报告《GPT-6 Astra as an Embodied Policy》中显示：1.在RoboDojo基准测试的10项任务中，平均得分超越第二名37%；2.复杂场景理解准确率从68%提升至89%；3.动作决策时延压缩至85ms。我们认为，当前Astra的测评显示通用模型基本跨过了具身的门槛，但是和具体精准执行人类命令还有很长距离，解决中间巨大鸿沟的关键路径就是实现数据闭环，真机数据在具身落地的过程中重要性凸显。推荐：龙旗科技。
　　风险提示。具身智能发展不及预期；地缘政治风险。