自变量创始人兼CEO王潜在外滩大会主论坛上，就GPT-6能否在具身智能领域实现突破发表了独到见解。他指出，尽管通用大模型已展现出控制机器人的能力，但这并不代表其他领域的智能可以自然迁移至具身领域。这一观点引发了行业对具身智能发展路径的深入思考。
王潜分析称，当前主流大模型通过大量机器人数据训练已具备基础控制能力。以OpenAI和Anthropic为例，这两家机构自去年初便开始系统性采购机器人数据、招募相关领域专家，并通过小型数据工厂完成数据采集。这些模型本身具备多模态处理能力，加入机器人数据后实现控制功能并不令人意外。他强调："智能的本质存在于数据之中，模型本质上是数据的'蒸馏器'和'容器'。"
在数据驱动的AI发展模式下，王潜认为具身智能企业可能拥有独特优势。他解释道，即使通用大模型公司进入该领域，仍需构建完整的数据采集、仿真验证基础设施，并在真实环境中进行测试，同时解决硬件适配问题。"这些基础性工作不会因模型规模优势而简化，反而可能成为具身智能企业的护城河。"他特别指出，编程能力的突破源于专业数据积累而非通用对话能力，数学能力与编程能力的训练甚至需要相互隔离，这些案例都证明领域专用模型的重要性。
针对通用智能"降维打击"的猜测，王潜持谨慎态度。他以视频生成模型为例说明，尽管该领域已取得显著进展，但尚未自然转化为机器人控制优势。这种领域间的能力迁移存在明显壁垒，需要针对性数据和验证体系支持。他预测，通用大模型公司与具身智能企业的差异将体现在模型定位上：前者可能将机器人数据融入通用框架，后者则专注构建领域专用模型。
王潜特别提到GPT-6的实践带来的启示：通用数据预训练对具身智能具有积极价值。他以Astra项目为例说明，在预训练阶段合理引入通用数据非但不会干扰模型效果，反而能提升整体性能。这为正在进行预训练的具身智能企业指明方向——持续完善数据基础设施，在保证领域数据质量的前提下，适度扩大通用数据比例可能是有效的发展路径。
