冰川688
淘股吧原创
2026-11-15 02:17
突发,OpenAI解散机器人团队,研究员全部并入通用模型部门
2026年11月14日
OpenAI解散了独立机器人团队,把研究人员打散调往其他部门,因为GPT-6 Astra等通用大模型已经能直接控制机器人干活了。
OpenAI已经证实了这次重组。
这次调整发生在不久前。
就在本周,顶级机器人学术会议CoRL在奥斯汀举行,OpenAI此前已经预订了208号展位,会议软件和平面图上都标出了公司的位置。
但记者走到208号展位时,现场空空荡荡,看不到任何OpenAI的标志。
OpenAI发言人表示,机器人依然是公司长期愿景的核心部分,这次重组体现的是公司对机器人的投入,否认这是从该领域撤退。
根据公布的人员调整方案,原机器人研究团队并入公司主研究团队,向首席研究官Mark Chen汇报。
应用机器人和硬件团队则并入规模更大的应用部门,向OpenAI总裁格雷格·布罗克曼汇报。
促使OpenAI做出这一决定的,是通用大模型在机器人任务中展现出的惊人表现。
就在今年年初,OpenAI的研究人员还认为,推动机器人发展的最佳方式,是基于Sora这类视频生成模型继续研发。
Sora为了生成逼真的视频,必须对物理世界的运作方式具备一定的隐含理解。
但从那以后,包括GPT-6 Astra在内的通用前沿模型,证明了自己能够直接用于机器人控制。
这一发现促使OpenAI解散独立机器人团队,把相关研究人员调往研发通用AI模型的团队。
近期的一些实验,专门测试了通用模型在没有经过机器人数据专项训练的情况下,到底能干多少活。
研究人员给Astra接入摄像头画面、机器人信息以及一个控制接口,让模型能够向机器人下达行动指令。
在英伟达的一项研究中,由Astra驱动的智能体在模拟操作基准测试中,拿下了74.8%的成功率。
这项测试是在数字仿真环境中指挥模拟机器人,并未用到真实机器人。
而在同一份排行榜上,此前表现最好的专用机器人模型,成功率只有51.0%。
OpenAI的这次重组,反映出整个AI行业正在兴起的一个判断。
业界越来越相信,原本为语言、代码和视觉打造的通用模型,同样可以用于具身智能,也就是让AI模型控制机器人、无人驾驶汽车或无人机等物理世界中的设备。
如此一来,公司就不再需要设立单独的机器人团队,去专门研发充当机器人数字大脑的专用AI模型。
卡内基梅隆大学机器人研究所助理教授Guanya Shi对此发表了看法。
他认为,OpenAI的举动释放了一个信号,表明公司不再把机器人看作一个特殊问题。
OpenAI很可能将机器人视为通用智能的下游应用来解决,就像如今底层的前沿AI模型已经能驱动专业编程工具、法律工具和金融工具一样。
Guanya Shi提到,通用模型在空间能力和推理能力上的进步,已经让它们能够处理过去需要专门训练才能完成的任务。
哪怕瓶子换了位置,或者环境光线发生变化,模型都能应对,还能推理出任务的操作顺序,或者判断出哪一步出了错。
不过,大语言模型虽然强大,运行速度却比较慢,而且必须托管在云端,这意味着机器人或设备必须时刻保持网络连接。
因此,Guanya Shi认为依然需要更小的专用模型,让它们能够直接在机器人的机载电脑上运行,不必依赖持续联网。
事实上,OpenAI在机器人领域经历过多次路线调整。
早在创立初期,OpenAI就曾拥有一支机器人团队,但在2020年将其裁撤。
联合创始人Wojciech Zaremba后来解释,当时机器人数据有限,通过其他途径通往通用人工智能AGI的效率更高。
此后,OpenAI将越来越多精力投入到利用海量人类文本数据训练超大语言模型上,这一路线最终在2022年底带来了突破性产品ChatGPT。
到了2024年,OpenAI重建了独立机器人团队,并宣布与初创公司Figure合作,为人形机器人开发AI模型。
这段合作在2025年2月结束,当时Figure表示将自行研发机器人AI。
OpenAI方面表示目前正在开发自己的人形机器人,CEO山姆·奥尔特曼将首次公开演示的目标定在2027年。
OpenAI发言人重申,尽管进行了这次重组,公司依然致力于将通用机器人带入现实世界。
这次重组的另一个背景,是OpenAI当前面临控制成本的压力,需要向外界证明自己更加专注于少数核心产品。
去年,奥尔特曼曾要求公司放弃支线任务。
随后OpenAI砍掉了包括Sora在内的部分项目,将算力资源重新分配给更核心、更有盈利潜力的业务。
据报道,OpenAI最近一个季度的运营亏损高达109亿美元。
在寻求完成新一轮融资并为最早可能在2027年初进行的IPO做准备之际,公司正承受着止住巨额亏损的压力。
通用AI模型无需创建专门具备空间智能的模型就能直接控制机器人,这种思路正在挑战如今许多机器人初创公司的立身前提。
这些初创公司此前筹集了数十亿美元,依据的判断正是机器人需要拥有属于自己的大脑。
但麻省理工学院教授、Walden Robotics联合创始人兼CEO Russ Tedrake认为,机器人公司依然拥有AI实验室不具备的优势。
这些公司的机器人已经在工厂车间等真实场所积累了工作经验。
这种实地部署经验以及收集到的数据,能帮助机器人适应特定的工作环境和任务。
Tedrake表示,更优秀的基础模型会让这些现场特定数据变得更有价值,因为机器人能够从中学得更快。
为机器人训练通用AI模型的初创公司Generalist联合创始人Pete Florence也表示,智能的成长可能存在不同的起点,目前尚不清楚现有模型中哪一个会在长期内主导机器人领域。
对于此次人事变动,OpenAI方面表示,调配机器人研究人员去其他团队,是因为公司现在相信这是加速打造通用机器人的最佳途径。
随着通用模型的能力越来越强,机器人专业知识究竟还保留多少价值,正是本届会议最热门的问题之一。
而这些已经分派到其他团队的前OpenAI机器人研究人员的经历,已经给出了一个答案。

✅ OpenAI 解散独立机器人团队,研究人员并入核心基模团队;机器人应用、硬件工程团队划转至 Applied 应用部门。官方明确:机器人仍是长期愿景核心,本次调整并非退出,而是通过组织合并加速通用机器人迭代,2027 人形样机演示目标维持不变。这也是 OpenAI 历史上第二次解散独立机器人团队。
✅我们认为组织重构的原因:
一是研发资源向大模型集中,把机器人具身反馈、真机交互数据直接回流到核心模型训练链路,实现大模型能力与机器人控制双向闭环迭代;二是把高层智能规划交给基模团队,硬件工程等交给应用部门,区分 “智能大脑” 和 “物理载体” 以更快推进;三是表明方向:“通用大脑”是 OpenAI 选定的主路线,专用机器人独立模型优先级下调;有望带动全球具身智能研发资源、资本投向重新分配。
当前该路线仍存约束:仿真基准的优势不直接等于真实物理场景稳定可用,时延(Astra在解决)、触觉和力控精度、端侧部署成本等仍需硬件与工程层持续验证。
✅我们的判断:
通用大模型作为机器人大脑,能力已经跑赢专用机器人模型。英伟达RoboLab-120仿真基准测试中,接入GPT-6Astra的具身智能体任务成功率74.8%,显著高于榜单最优专用机器人模型51.0%。仅需给通用模型接入视觉图像、机器人本体状态、动作控制接口,即可完成任务规划与执行,不再需要从零训练一套独立的机器人专用模型。
大脑路线范式收敛:今年年初,研究人员还认为推进机器人技术的最佳方式是基于Sora等模型的研究成果。但此后,包括GPT-6 Astra在内的通用前沿模型,展现出了直接应用于机器人任务的能力。正是这一发现,促使公司解散独立机器人团队,将研究人员转入通用模型研究体系,让机器人研究与基础模型能力的进步更加紧密结合。
✅投资方向:
1)人形机器人本体优先受益。大脑层不再需要自研专用模型,可直接调用通用大模型做规划决策,机器人智能化门槛下降,整机的商业化拐点有望提前——头部主机厂在整机工程、供应链成本和真实场景数据上具备既有优势,智能化路径被压缩后,量产兑现能力成为核心变量。
2)高质量物理世界数据稀缺性加强。通用大模型训练素材以互联网文本、图像为主,天然缺少真实物理交互、力觉、接触、真机操作轨迹这类具身数据;仿真数据存在Sim-to-Real鸿沟,高质量数采是模型持续迭代、从仿真走向真实场景的刚需。具身模型训练所需多模态数据缺口巨大,数采设备(传导链条:触觉→电子皮肤→灵巧手→力控臂)与全链路数据服务商充分受益。
优选组合:福莱新材、宇树科技、模塑科技、凯众股份、万向钱潮、上纬新材、恒帅股份、凡拓数创