机器之心编辑部

OpenAI 的机器人团队，突然解散了。

据《Fortune》杂志报道，OpenAI 已经解散独立的机器人研究团队，将相关研究人员重新分配到公司其他部门。

原机器人研究团队被并入公司的核心研究团队，向首席研究官 Mark Chen 汇报；应用机器人和硬件团队则被划归规模更大的 Applied 部门，由 OpenAI 总裁 Greg Brockman 负责。

这项调整已经得到 OpenAI 确认。

本周，在美国奥斯汀举行的机器人学习会议 CoRL 上，OpenAI 原本已经预订了一个展位，会议 App 和展馆平面图都标注了 OpenAI 的名字，但 208 号展位最终空无一人，连公司的标志都没有出现。

OpenAI 对此强调，机器人仍然是公司长期愿景的核心组成部分，这次组织调整并不是退出机器人领域，公司依然致力于将通用机器人带入现实世界。

OpenAI 为什么要在这个时间点解散独立机器人团队？

这可能与一项重要的技术判断有关。通用大模型已经开始展现直接控制机器人的能力，OpenAI 正在尝试让通用模型承担更多机器人智能任务。

OpenAI 为何再次调整机器人团队？

OpenAI 对机器人的探索，断断续续折腾了好几轮。

公司早期就成立过机器人团队，但在 2020 年将其解散。联合创始人 Wojciech Zaremba 后来解释，当时机器人领域面临训练数据有限的问题，通过其他技术路径实现 AGI 可能更加高效。

随后，OpenAI 将研发重心转向大语言模型，利用海量人类文本训练模型，这条路线最终催生了 2022 年底推出的 ChatGPT。

到了 2024 年，OpenAI 再次组建独立机器人团队，并宣布与人形机器人初创公司 Figure 合作，共同开发用于人形机器人的 AI 模型。不过，双方合作并没有持续太久。2025 年 2 月，Figure 宣布结束合作，转而自主开发机器人 AI。

OpenAI 随后也开始研发自己的类人机器人。2026 年 5 月底，Sam Altman 公开发帖大规模招聘，并正式对外命名为 OpenAI Robotics，还将 2027 年定为首次公开演示的目标时间。

从这段发展历程来看，OpenAI 对机器人的投入并未中断，变化主要发生在技术路线和组织方式上。

据《Fortune》报道，OpenAI 今年年初的研究思路仍然是从视频生成模型 Sora 等已有成果中寻找机器人技术的突破口。

Sora 为了生成逼真的视频，需要在训练过程中学习物体运动、空间关系以及物理世界的部分规律，这些能力有机会迁移到机器人领域。

但此后，OpenAI 发现，包括 GPT-6 Astra 在内的通用前沿模型，已经能够直接应用于机器人任务。

这一发现改变了公司的研发思路。OpenAI 决定将机器人研究人员并入通用模型研发体系，让机器人研究与基础模型能力的进步更加紧密地结合。

这背后反映出一种正在 AI 行业逐渐获得认可的技术路线。过去，机器人通常需要专门训练的模型来理解环境、规划动作和控制执行器，不同机器人硬件、任务和应用场景，往往需要投入大量数据进行适配。如今，通用模型开始展现出跨越这些任务边界的潜力，面向语言、代码和视觉训练的基础模型，也有机会直接用于控制物理世界中的设备。

通用大模型能否接管机器人大脑？

这条路线已经出现了一些令人意外的实验结果。

近期，研究人员尝试将 GPT-6 Astra 接入机器人，为模型提供摄像头图像、机器人相关信息，以及能够控制机器人执行动作的接口。

在英伟达的一项研究中，由 Astra 驱动的智能体在一项模拟机器人操作基准测试中取得了 74.8% 的成功率。相比之下，该榜单上表现最好的专用机器人模型，公开成绩为 51.0%。

这项实验是在数字仿真环境中完成的，模型控制的是模拟机器人，并非真实机器人。不过，这组结果仍然显示出通用模型在机器人任务上的潜力。

卡内基梅隆大学机器人研究所助理教授 Guanya Shi 认为，OpenAI 此次调整释放了一个重要信号。OpenAI 可能已经不再将机器人视为一个需要独立解决的特殊问题，而是将其看作通用智能的一种下游应用。这与如今的 AI Coding、法律和金融工具有相似之处，底层使用同一套通用模型，再通过不同工具和接口适配具体任务。

通用模型能力的进步，也让机器人有机会减少对特定任务训练的依赖。

例如，当瓶子的位置发生变化，或者环境光线有所改变时，模型依然能够在一定程度上适应。它们还可以推理任务的执行顺序，判断某个步骤是否出现问题，并据此调整后续动作。

不过，通用模型距离全面接管机器人控制，仍然存在不少限制。

首先是推理效率。大语言模型虽然能力强大，但运行速度相对较慢，通常还需要依赖云端计算，对于需要实时响应的机器人来说，网络延迟和连接稳定性都是现实问题。

Guanya Shi 认为，能够运行在机器人本地计算设备上的小型专用模型，仍然有重要价值，它们可以在不依赖持续网络连接的情况下完成部分任务。

其次是数据和真实环境经验。

MIT 教授、Walden Robotics 联合创始人兼 CEO Russ Tedrake 指出，机器人公司拥有 AI 实验室难以复制的优势，它们的机器人已经进入工厂等真实场景，持续积累实际工作经验，这些部署数据能够帮助机器人适应特定工作场所和具体任务。基础模型能力越强，机器人从这些数据中学习的效率也可能越高。

也就是说，通用基础模型与真实场景数据仍然需要协同发展，前者提供更强的理解和推理能力，后者帮助机器人适应具体环境与任务。

专注于通用机器人 AI 模型的初创公司 Generalist 联合创始人 Pete Florence 也认为，目前还无法确定哪一种技术路线最终会主导机器人领域。智能可能有不同的成长起点，现有模型还不足以证明谁能成为长期赢家。

机器人行业的技术路线要变了？

OpenAI 的这次调整，也可能对整个机器人行业产生影响。

过去几年，机器人领域吸引了数十亿美元投资，许多初创公司押注于一条相似的路线，即为机器人打造专属的 AI 大脑，通过大规模采集机器人数据、训练专用模型，让机器人逐渐获得通用操作能力。

OpenAI 如今正在尝试另一种可能性。通用模型先获得足够强的理解、推理和空间能力，再通过接口连接物理设备，直接承担机器人的智能控制任务。

如果这条路线持续取得进展，过去围绕专用模型建立的研发体系就需要重新评估。不过，机器人公司的价值并不会因此消失，真实世界部署、硬件设计、控制系统和场景数据，依然是机器人走向规模化应用的重要基础。

OpenAI 此次调整也发生在公司面临成本控制压力的背景下。

去年，Altman 曾要求公司放弃一些偏离核心目标的「支线任务」，将资源集中到更重要的产品和研发方向。此后，OpenAI 陆续调整了一些项目，以便重新分配计算资源。

据报道，OpenAI 最近一个季度的运营亏损达到 109 亿美元。同时，公司正在寻求新一轮融资，并为可能于 2027 年初进行的 IPO 做准备。

在这样的背景下，将分散在不同团队的研究人员重新整合，集中投入通用模型研发，也符合公司提高资源利用效率的思路。

OpenAI 对机器人技术的判断，正在发生变化。未来的机器人，究竟需要一套独立训练的专用大脑，还是可以直接调用不断进化的通用智能？

来源：凤凰网科技（2026-11-14 13:38）　查看原文 >>