OpenAI不再只想做机器人的“大脑”了。
这家以ChatGPT、Sora和连续模型突破定义AI时代的公司，正在干一件它过去最不愿意干的事，那就是造硬件。2026年9月，OpenAI官网一次性释出19个Robotics核心职位，招聘边界从算法与软件一路推到电机设计、执行器、电气工程、控制系统、制造乃至数据采集体系。这不是给第三方机器人装模型的“大脑外包”生意，而是一次从软件到肉身的全链路下注。
山姆·奥特曼（Sam Altman）在Sources播客里把话说得很直白：“我们肯定会做人形机器人，也会做其他形态。”当被追问是做人形机器人还是数据中心机器人时，他只回了一个词：“Both.”
大脑和身体，OpenAI全都要。而它这次招聘的岗位清单，暴露了它真正的野心。
19个岗位，暴露的是一条完整硬件链
如果只看数量，19个岗位在硅谷大厂里不算什么。但把岗位名称摊开看，味道就变了。
这19个岗位里，有4个聚焦执行器，还有专门的技术项目经理负责执行器工作；有PCB布局工程师、热仿真工程师、固件工程师；有负责原型制造和库存管理的岗位；有数据采集设施的运营经理、DAQ工作站工程师、现场工程师；甚至还有一位专门服务于机器人团队的律师。Business Insider在2026年9月的统计更进一步，OpenAI的机器人岗位总数已达27个，而2026年5月这个数字还是11个。
康奈尔大学机械与航空航天工程教授、人机协作实验室负责人Guy Hoffman为Business Insider审阅了全部27份招聘后，给出了一个判断：OpenAI看起来正在组建一支“定制机器人设计团队”。这句话的潜台词是，OpenAI不是要给现成的机器人底盘套个模型，而是要从关节、电机、传动开始自己定义硬件。
更值得玩味的是现场工程师岗位的招聘信息显示，OpenAI的数据采集环境中，已经搭建并运行着多个机器人工作站。也就是说，当外界还在讨论OpenAI“要不要做机器人”时，它的实验室里已经有机器人在干活了。
从只提供大模型“大脑”，到亲自下场啃硬件这块硬骨头，OpenAI的机器人战略完成了一次关键的转向。而这次转向背后，是一场关于“谁掌握物理世界数据”的终极争夺。
为什么OpenAI非要做自己的硬件？
答案藏在它上一次机器人项目的失败里。
OpenAI并非机器人领域的新手。早在2017年5月，它就开始训练一只机械手解魔方；2019年10月，Dactyl机械手公开演示了单手解魔方，相关论文登上arXiv。但这场技术秀之后，OpenAI在2020年前后关闭了机器人项目。Forbes的报道点出了关键原因之一，那就是数据不足。
大语言模型可以爬取互联网上几乎无限的文本来训练，但机器人不行。机器人需要的是人在真实物理世界里如何抓握、如何施力、物体如何移动、失败如何纠正的数据。这类数据互联网上没有，只能自己生成。没有自己的硬件，就没有自己的数据闭环；没有数据闭环，模型就永远隔着一层仿真和现实的鸿沟。
这正是OpenAI这次招聘里最容易被忽略、却最关键的一类岗位，即数据采集体系。最高薪的职位不是执行器专家，而是一个做分布式数据系统的机器学习工程师，公开底薪高达50万美元。整个机器人岗位的公开底薪区间是17.7万到50万美元。为什么？因为对OpenAI来说，最难的不是造一个会动的铁壳子，而是建一套能持续喂养具身模型的物理数据工厂。
一位机器人团队的专属律师也出现在名单上。这个细节同样耐人寻味。当一家AI公司开始为机器人团队配法务，说明它已经在认真考虑产品化、责任归属和监管合规这些“落地之后”的问题。
执行器，人形机器人最难啃的那块骨头
OpenAI这次招聘里，执行器相关岗位的分量最重。19个岗位中有4个聚焦执行器，另有技术项目经理专责执行器工作。执行器是什么？简单说，就是机器人的关节，电机、传动、传感、散热全在里面。
Forbes援引麦肯锡的数据称，执行器可以占到人形机器人物料清单（BOM）的40%到60%。谐波减速器、滚柱丝杠等精密部件供应集中，稀土磁材的加工又高度依赖中国。换句话说，执行器既是成本大头，也是供应链上最卡脖子的环节。
这意味着什么？意味着OpenAI如果只想做“大脑”，根本不需要招这么多执行器工程师。招了，就说明它准备把“身体”也握在自己手里。
但这恰恰是OpenAI最缺经验的地方。特斯拉的Optimus从宣布到开始生产用了大约五年，截至2026年仍未向客户发货，还错过了2025年约1万台的产量目标。埃隆·马斯克直言，Optimus是特斯拉最难规模化的产品，因为它的零部件和供应链几乎都是全新的。特斯拉有工厂、有供应链管理经验、有量产基因，尚且如此；一家纯软件出身的AI公司要跨过制造这道坎，难度可想而知。
OpenAI显然意识到了这一点。岗位描述里反复出现“可制造性”“与制造伙伴合作”“生产就绪设计”这类字眼。它没有天真到以为写代码的逻辑能直接套用到硬件上，但它选择的路径依然是最重的那条，即自建硬件团队，同时保留制造合作伙伴的可能性。
从Figure分道扬镳，到亲自下场
OpenAI并非没有尝试过“借船出海”。
2024年，OpenAI参与了人形机器人公司Figure AI的融资，该轮金额6.75亿美元，并与其合作为Figure的人形机器人开发AI模型。但这段合作只维持了约11个月。2025年2月，Figure宣布终止与OpenAI的合作，转向自研模型。Figure CEO Brett Adcock当时的理由很直接，他说具身智能需要硬件和AI的深度整合，不能拆开做。
这句话，今天成了OpenAI自己的行动纲领。
Figure的选择不是孤例。它反映的是整个人形机器人行业的一个共识，那就是大脑和身体不能分家。模型需要在真实硬件上迭代，硬件需要为模型的特性重新设计，数据和算法必须在同一个闭环里滚动。把模型交给第三方，等于把最核心的迭代节奏交给了别人。
OpenAI的转向，正是对这一共识的回应。它不再满足于做“卖铲子”的模型供应商，而是要成为那个既造铲子、又挖矿、还掌握矿脉数据的人。
一场比大模型更慢、更重的战争
但别急着给OpenAI的机器人故事写结局。
人形机器人是一场和大模型完全不同的战争。大模型的竞争节奏以月甚至周计，一次模型迭代就能改写格局；而硬件的竞争节奏以年计，开模、打样、测试、量产，每一步都是时间和资本的消耗战。特斯拉的Optimus至今没有真正交付，就是最直观的警示。
另一个变量是市场本身。对人形机器人市场规模的预测口径差异巨大。MarketsandMarkets预计从2025年的29.2亿美元增长到2030年的152.6亿美元，年复合增长率39.2%；ResearchAndMarkets的基准预测则是2030年70亿美元。无论取哪个数字，今天的市场都还处在商业化的前夜。OpenAI此时大举投入，是在赌一个尚未被验证的需求曲线。
但OpenAI有自己的筹码。奥特曼在博客中曾预测，2027年可能会出现能在现实世界执行任务的机器人。它把数据中心机器人列为早期应用场景，那里环境可控、任务明确，是比家庭更现实的落地切口。而“总有一天，每个人都应该拥有一台个人机器人”这句话，则暴露了它最终的想象空间。
具身智能的终局，是“大脑+身体+数据”的三位一体
回头看OpenAI的这19个岗位，它真正招聘的不是一群工程师，而是一条完整的护城河，即自研执行器掌握硬件定义权，自建数据采集体系掌握物理世界数据，自研模型保持智力优势。三者合一，才是具身智能的完整形态。
这场“终极战”的胜负手，不在于谁的模型参数更多，而在于谁能最先跑通“真实世界数据、模型迭代、硬件进化”的闭环。OpenAI已经摆出了全链路的阵型，但制造和规模化仍是它面前最大的未知数。
对于行业里的其他玩家，信号已经足够清晰。只做模型，或者只做硬件，都可能在这场战争里沦为配角。大脑和身体的边界正在消失，能同时掌控两者、并让数据在两者之间自由流动的公司，才配拿到终局的入场券。
奥特曼说，总有一天每个人都该有一台个人机器人。那个“总有一天”，因为OpenAI的这次转身，可能比我们想象中来得更快。但在那之前，OpenAI得先证明，它不仅能写出最好的模型，也能造出最好的身体。
快报