当所有人都在惊叹"GPT-6 能操控机械臂了，具身智能要被降维打击"的时候，9月10日的外滩大会上，有个清华毕业的创业者却泼了一盆冷水。他的理由，值得每个追热点的人听一听。
王潜是谁
自变量机器人创始人兼 CEO 王潜，清华大学毕业，曾在海外顶级机器人实验室从事研究，2023年12月创立自变量，主攻 WALL-B 世界统一具身智能大模型。9月10日外滩大会主论坛，他回应了"GPT-6 能否取代具身模型"的讨论——而当时，社交平台上正刷屏 GPT-6 Astra 操控机械臂的视频。
他的核心观点：智能藏在水里，不在模型里
王潜打了个比方：训练模型像"蒸馏器"，把数据里的能力提炼出来；部署模型像"容器"，承载这些能力。所以模型强不强，关键看喂进去的数据质量，而不是模型本身"够不够通用"。
他判断，通用大模型很难对具身智能形成"降维打击"。证据很朴素：编程能力的突破，靠的是专门的编程数据和验证体系，不是对话能力自然长出来的；数学和编程在训练里甚至会互相干扰，得分别训好再融合。同理，视频生成再强，也没自动变成机器人控制能力。说白了，会聊天、会写代码、会画图，不等于会搬箱子——后者要的是另一套从真实世界攒来的数据。
如果 OpenAI 还是得重走数据采集、仿真、验证、硬件这套路，那它不过是一家"另一个具身智能公司"。
为什么这盆冷水有价值
在人人喊"大模型通吃"的时候，清醒地指出"通用不等于全能"，是对行业的保护。对创业者来说，这句话的价值是：别因为巨头出招就自乱阵脚，你积累的专用数据和真实场景，依然是你真正的护城河。对投资人来说，它提醒你：别光看"大模型又行了"就给机器人公司重新定价，得看它手里到底有没有真数据、真场景。
这盆冷水，对普通人也不只是"看热闹"。如果你在考虑转行做 AI，王潜的话指向一个冷门但值钱的方向：与其扎进"调模型"这个已经人挤人的赛道，不如去练"造数据、做验证"的硬功夫——那恰恰是通用大模型公司也得重头补的课。未来几年，懂行业、能产出高质量真实场景数据的人，可能比只会写提示词的人更稀缺。
普通人现在能做什么
1. 看 AI 新闻时，多问一句"它的证据是什么"，少被"降维打击"这类词带节奏。
2. 如果你在做或想做 AI 产品，把"专有数据 + 真实场景验证"当成命根子，别指望通用模型替你搞定一切。
3. 把王潜这句话记下来，下次有人跟你吹"某某模型要取代所有行业"，拿出来冷静一下。