OpenAI拆散机器人团队,不等于放弃机器人

2026.11.15 14:15
OpenAI在重新组建独立机器人团队约五个月后,将机器人研究并入核心研究组织,把应用机器人和硬件团队划入Applied部门。此次调整的核心,不是退出机器人,而是押注通用大模型成为机器人的上层智能,但真实世界数据、硬件适配、低层控制和安全验证仍是无法绕开的壁垒。

OpenAI把机器人团队拆散,真正被拆掉的可能不是机器人业务,而是“机器人必须拥有一套独立大脑”的组织想象。

据《财富》11月13日报道,OpenAI已解散独立的机器人团队,将研究人员重新分配到公司其他部门。机器人研究团队并入核心研究组织,向首席研究官Mark Chen汇报;应用机器人和硬件团队则转入更大的Applied部门,由OpenAI总裁Greg Brockman负责。OpenAI对外强调,重组是为了加速机器人进展,并不意味着退出,机器人仍属于公司的长期愿景。

这场调整之所以值得关注,不在于一个部门的名称消失,而在于OpenAI正在重新回答一个基础问题:机器人智能究竟应该由专门的机器人团队训练,还是直接由持续进化的通用模型提供?如果答案偏向后者,那么机器人就不再是一个与大模型平行的业务,而会变成大模型进入物理世界的接口。

独立团队为何又回到大模型体系

OpenAI与机器人之间,从来不是一条直线。公司早期曾设立机器人团队,但在2020年将其收束。根据《财富》的报道,OpenAI联合创始人Wojciech Zaremba后来解释,机器人数据有限,而通过其他方式推进通用人工智能更有效。此后,公司将更多资源投入在海量人类文本上的大规模语言模型训练,最终走向ChatGPT。

这并不代表OpenAI从技术上放弃过机器人。公司曾公开发布用于机器人研究的模拟环境和算法基线,并在物理机器人上验证相关模型。官方材料显示,这批发布包含8个基于MuJoCo的机器人模拟环境,以及用于稀疏奖励学习的后见之明经验回放基线。只是从资源配置看,通用模型被证明是更具规模效应的主航道,机器人被放在了更靠后的位置。

今年的重组,把这段历史重新推到台前。根据格隆汇援引《财富》的报道,OpenAI在重新组建独立机器人团队约五个月后,又取消了这一独立建制。组织结构的反复,看起来像摇摆,也可能是一次路线验证后的快速纠偏。

《财富》称,年初OpenAI研究人员曾考虑借助Sora对物理世界的理解推进机器人。后来,公司判断包括GPT-6 Astra在内的通用前沿模型已经可以直接应用于机器人控制,独立机器人团队的必要性随之下降。这里的关键不是某个模型已经解决了机器人,而是公司认为机器人研究与通用模型研究的边界正在变薄。

被拆掉的是部门,不是能力

过去的机器人研发,通常以“本体加专用模型”为中心。机器人公司设计机械结构、传感器和控制系统,再为特定任务采集数据、训练策略。仓库搬运、家庭服务、工业装配,各自拥有不同的模型和数据闭环。这种方式可控,却难以复制。每换一种硬件、环境或任务,系统往往都要重新适配。

大模型带来的新想象是,把语言、视觉、代码、空间关系和行动规划放进同一套基础能力中。机器人接收摄像头画面、传感器状态和自然语言指令,通用模型负责理解环境和任务,再由更低层的控制模块把意图转成动作。机器人不一定需要重新训练一个完整的大脑,而可能只需要一套可靠的接口。

《财富》援引OpenAI说法称,公司研究人员观察到通用模型与机器人连接后出现了出乎意料的表现,这推动了此次重组。其逻辑并不复杂:如果模型本身已经具备跨任务的理解和推理能力,那么把机器人研究员放进核心模型团队,比让他们在边缘位置单独搭建一套模型体系,更容易获得最新的能力增量。

这也是OpenAI把研究和应用拆向两个组织的原因。核心研究团队关注模型能力、训练方法和通用智能;Applied部门负责把模型接入产品、硬件和具体工作流。机器人由此被拆成两个问题,大模型能否成为足够好的“数字大脑”,以及这个大脑能否在真实硬件上稳定、低延迟、安全地行动。

通用模型能解决什么,又解决不了什么

把通用模型接入机器人,最先改变的不是机械臂,而是机器人的“理解层”。自然语言指令可以与视觉信息、环境状态和任务目标关联起来,机器人有机会从“执行固定动作”走向“理解任务并调整策略”。对于非结构化环境,这种能力尤其重要。

OpenAI公开的物理世界工程材料,也显示出公司正在把模型能力向硬件流程延伸。公司称,其硬件和基础设施团队使用Codex和ChatGPT创建、修改CAD模型,准备制造图纸、设置仿真并审查设计。从2月起,硬件团队的模型使用量按token计算增长了23倍。这个数字反映的是模型辅助工程设计的使用变化,不等于机器人性能提升,更不能直接证明机器人已经实现通用自主操作。但它说明OpenAI正在把“模型服务物理世界”作为内部实践方向。

真正困难的部分仍在模型之外。机器人要在现实中行动,需要处理触觉、摩擦、遮挡、柔性物体、人与环境的随机变化,还要在有限算力下完成实时决策。2025年发表、后续修订的具身智能系统综述指出,基础模型用于移动服务机器人时,仍面临自然语言到可执行动作的转换、多模态感知、不确定性估计、实时部署和安全决策等挑战。

数据是另一道硬门槛。互联网上有海量文本和图像,却没有同等规模、标准化、可共享的机器人交互数据。机器人数据必须在真实硬件上采集,成本高、速度慢,还受到设备差异和场景隐私限制。模型越通用,越需要更多样的真实世界反馈;而机器人越走向真实世界,犯错的成本越高。

因此,OpenAI这次重组不能被理解为“通用模型已经解决机器人”。更准确的判断是,通用模型可能正在成为机器人系统的上层能力,但底层控制、硬件适配、数据采集和安全验证仍然需要专门能力。独立组织消失,不等于专门能力消失。

机器人公司不会因此失去价值

如果通用模型成为机器人的大脑,机器人产业链会重新分工。模型公司向上游移动,试图掌握感知、推理和规划;本体制造商向下游移动,负责机械结构、执行器、传感器、供应链和现场服务;中间的专用模型层可能被压缩。

但这并不意味着机器人企业只能成为模型公司的“身体供应商”。真实场景数据、硬件时序、故障模式和部署经验,是模型公司最难在短时间内复制的资产。一个模型可以在演示中识别物体并生成动作,却不代表它能在家庭和工厂的复杂环境中长期稳定工作,更不代表它能安全应对不可预测的人类动作。

机器人公司的竞争力,可能从“我有没有自己的大模型”转向“我能否提供足够密集的真实世界反馈”。掌握本体、传感器和应用场景的企业,可以通过开放接口接入多种模型,同时把部署数据沉淀为自己的壁垒。模型公司需要机器人,机器人公司也需要模型,双方更可能形成动态联盟,而不是简单的上下游替代。

OpenAI与机器人公司的合作变化,也说明这种关系并不稳定。模型公司希望获得硬件和数据入口,机器人公司则希望保留对核心智能的控制权。双方都不愿成为对方的单纯供应商。谁能在合作中掌握数据闭环,谁就更接近产业链的中心。

组织重组也意味着资源重新排序

技术路线之外,组织重组还意味着资源重新排序。OpenAI需要同时推进模型训练、产品商业化、基础设施和硬件探索。一个独立团队意味着独立的管理链条、算力安排、招聘体系和成果评价。当公司发现机器人研究与通用模型的能力边界正在重合时,将研究员并回核心团队,可以减少重复建设,也能让机器人方向更快获得基础模型的迭代成果。

但组织效率不是技术成功的同义词。独立团队被拆散后,机器人项目可能获得更强的模型支持,也可能在内部优先级竞争中变得更不显眼。研究目标如果过度服从通用模型的短期指标,真实硬件中的慢反馈和长周期验证就可能被低估。

OpenAI需要证明的,不是机器人是否仍写在长期愿景里,而是这种新组织能否持续交付可验证的成果,包括稳定的真实场景表现、清晰的产品路线、可复用的硬件接口,以及能说明模型能力如何转化为机器人能力的公开证据。在这些证据出现之前,“加速而非放弃”仍然是公司的战略表述,而不是已经完成的事实。

机器人正在成为大模型的下一场压力测试

OpenAI此次调整释放出的信号是,机器人可能不再被视为独立的人工智能分支,而被当作检验通用模型是否真正理解世界的压力测试。语言模型可以在数字空间里回答问题,机器人则必须在物理空间里承担后果。它不能只生成看起来合理的答案,还要在正确的时间、以正确的力度完成正确的动作。

这会把大模型竞争从“谁的回答更像人”推进到“谁能让机器在现实中更可靠地行动”。算力、模型规模和训练方法仍重要,但它们必须与传感器、执行器、实时控制和数据闭环共同工作。只拥有其中一环,无法形成完整的具身智能产品。

对OpenAI而言,拆散机器人团队是一场押注,押注通用模型的能力增长足以覆盖机器人专用模型的部分价值,押注核心研究与应用工程的合并能够缩短从模型到硬件的距离。对机器人公司而言,这既是机会,也是警告。机会在于可以借助更强的基础模型,警告在于模型层的价值可能被平台化。

最终胜负不会由组织架构决定,而由谁能把模型能力变成稳定的现实生产力决定。OpenAI把机器人团队吞回大模型,说明它不想把机器人当成另一条孤立赛道,而想让机器人成为通用智能伸向现实世界的手臂。真正的考验,是这只手臂能否抓得准、握得稳,并且在真实世界里持续工作。

作品声明:内容由AI生成