自去年OpenAI與Figure AI分道揚(yáng)鑣之后，外界便不斷猜測(cè)OpenAI有“開(kāi)模打鐵”，打造自己機(jī)器人的計(jì)劃。如今，這一猜測(cè)獲得了官方的確認(rèn)。

6月1日，OpenAI CEO山姆·奧特曼在社交平臺(tái)發(fā)布招聘信息，宣告成立“OpenAI Robotics”團(tuán)隊(duì)，正式進(jìn)軍實(shí)體機(jī)器人領(lǐng)域。

(資料圖片)

奧特曼為團(tuán)隊(duì)設(shè)定了清晰的路線圖：短期專注于開(kāi)發(fā)能夠協(xié)助建筑和物理基礎(chǔ)設(shè)施領(lǐng)域技術(shù)工人的機(jī)器人；長(zhǎng)期愿景則是讓每個(gè)人都擁有一個(gè)可以完成各種需求的個(gè)人機(jī)器人。

據(jù)悉，OpenAI全新機(jī)器人業(yè)務(wù)板塊由旗下“世界模擬研究項(xiàng)目”升級(jí)演化而來(lái)。此次團(tuán)隊(duì)的掛帥者，卻是OpenAI研究副總裁、文生圖模型DALL·E和視頻生成模型Sora的核心開(kāi)發(fā)者阿迪亞·拉梅什。

而這一人事布局也令外界好奇：按照阿迪亞·拉梅什的過(guò)往經(jīng)歷，依托Sora及VLA（視覺(jué) - 語(yǔ)言 - 動(dòng)作）大模型落地機(jī)器人具身智能，或是阿迪亞·拉梅什主攻的技術(shù)路線。但這一技術(shù)路徑，已經(jīng)受到業(yè)內(nèi)人士質(zhì)疑，并被認(rèn)為難以落地通用具身智能。

那么，OpenAI是否會(huì)開(kāi)辟全新的世界模型研究——亦或是依然基于ChatGPT的技術(shù)模型，來(lái)闖蕩人形機(jī)器人行業(yè)？

起大早趕晚集

OpenAI的機(jī)器人籌謀始于2017年，甚至比絕大部分炙手可熱的人形機(jī)器人企業(yè)起步得早。

起初，OpenAI瞄準(zhǔn)的方向是靈巧手——其原型取名為Dactyl。2019年，OpenAI通過(guò)強(qiáng)化學(xué)習(xí)和“自動(dòng)域隨機(jī)化”（ADR）技術(shù)，訓(xùn)練出一個(gè)AI系統(tǒng)，使Dactyl成功復(fù)原了魔方。

彼時(shí)，OpenAI啟發(fā)了行業(yè)從仿真環(huán)境訓(xùn)練并遷移能力到真實(shí)機(jī)器人的技術(shù)可行性。但是作為世界模型的創(chuàng)造者之一，OpenAI卻在此后全身心投入了大語(yǔ)言模型的迭代，該項(xiàng)目在2020年前后也被主動(dòng)放棄。

OpenAI聯(lián)合創(chuàng)始人沃伊切赫·扎倫巴后來(lái)解釋，放棄具身智能，其根本原因在于數(shù)據(jù)瓶頸。機(jī)器人物理交互數(shù)據(jù)極其稀缺、采集成本高昂、迭代緩慢。相比之下，互聯(lián)網(wǎng)上的文本和圖像數(shù)據(jù)則海量且易于獲取。從通往通用人工智能（AGI）的效率路徑看，將資源集中于大語(yǔ)言模型（LLM）——也就是后來(lái)的ChatGPT，顯得更加英明。

當(dāng)然，OpenAI從未放棄在機(jī)器人領(lǐng)域的布局，但角色卻從親自下場(chǎng)變成了“投資人”。

2023年，OpenAI領(lǐng)投了人形機(jī)器人公司1X Technologies。2024年2月，OpenAI參與了Figure AI總額6.75億美元的B輪融資，并宣布為其人形機(jī)器人開(kāi)發(fā)專屬的多模態(tài)AI模型。官宣合作后不到一個(gè)月時(shí)間，F(xiàn)igure 01機(jī)器人便在宣稱搭載了OpenAI具身智能的前提下，展示了部分自然語(yǔ)言交互與物體操作能力。

然而，后續(xù)OpenAI與Figure AI的決裂，卻折射出了機(jī)器人與大語(yǔ)言模型之間天然的“水土不服”。

2025年2月，F(xiàn)igure AI創(chuàng)始人布雷特·阿德考克正式宣布終止與OpenAI的合作，轉(zhuǎn)而自主研發(fā)端到端機(jī)器人AI模型。對(duì)此，阿德考克在采訪中解釋稱，由于OpenAI規(guī)模龐大、業(yè)務(wù)范圍廣泛，但為機(jī)器人等具體對(duì)象裝配AI并非其主要關(guān)注點(diǎn)。

“我們發(fā)現(xiàn)，要想在現(xiàn)實(shí)世界中大規(guī)模解決具身智能問(wèn)題，就必須垂直整合機(jī)器人AI——我們不能外包AI，理由和我們不能外包硬件一樣?！卑⒌驴伎吮硎尽?/p>

不再“讓語(yǔ)言學(xué)家當(dāng)司機(jī)”

對(duì)于OpenAI與Figure AI的分手，外界還有另一種猜測(cè)。Figure AI其實(shí)并不看好基于大語(yǔ)言模型或其Transformer架構(gòu)在人形機(jī)器人上的可行性。

怎么理解這件事？如果你向大模型發(fā)送一組盲文圖片，而大模型能夠明白這張圖片確實(shí)屬于盲文，但它卻很難自主解答這個(gè)盲文的意思——因?yàn)榇竽Ｐ蜎](méi)有真的看到盲文的點(diǎn)位，只是讀到“這似乎是一張盲文圖片”的一段話。

一款通用人形機(jī)器人無(wú)疑需要同時(shí)具備語(yǔ)言能力和動(dòng)作能力。但在具身智能的架構(gòu)上，語(yǔ)言能力和動(dòng)作能力卻有可能是一個(gè)南轅北轍的技術(shù)路線。

宇樹(shù)科技創(chuàng)始人、CEO王興興此前表示，VLA模型就像“讓一位語(yǔ)言學(xué)家去開(kāi)車”——他雖然能讀懂交規(guī)，卻很難瞬間判斷剎車距離或障礙物方位。

此外，斯坦福大學(xué)教授李飛飛指出，用語(yǔ)言模型理解物理世界有結(jié)構(gòu)性短板，空間理解、物理推理等難題從未真正解決。

當(dāng)然，按照奧特曼的說(shuō)法，OpenAI世界模擬研究項(xiàng)目在過(guò)去一年中發(fā)展迅速，現(xiàn)演變?yōu)镺penAI Robotics。但團(tuán)隊(duì)仍由Sora負(fù)責(zé)人來(lái)領(lǐng)銜，或暗示其仍然會(huì)沿用Transformer架構(gòu)來(lái)推進(jìn)人形機(jī)器人具身智能。

然而，Meta前首席AI科學(xué)家楊立昆卻認(rèn)為，Sora生成的視頻存在大量物理規(guī)律上的錯(cuò)誤，如物體突然消失、因果關(guān)系混亂。它學(xué)到的是“視頻數(shù)據(jù)的統(tǒng)計(jì)規(guī)律”，生成的是“看起來(lái)合理”的幻覺(jué)，而非真正符合物理的世界模擬，因此稱其為“世界幻覺(jué)生成器”更為準(zhǔn)確。

而即便隨著模型的升級(jí)，如今Sora已然不會(huì)生成那么“巔”的視頻，但按照大語(yǔ)言模型的訓(xùn)練量級(jí)，以及訓(xùn)練機(jī)器人需要的高質(zhì)量數(shù)據(jù)需求，用類似方式完成具身智能研究，幾乎是一場(chǎng)不可能完成的任務(wù)。

智元機(jī)器人合伙人、高級(jí)副總裁姚卯青指出，如果將大語(yǔ)言模型的訓(xùn)練過(guò)程和具身智能模型訓(xùn)練作對(duì)比，GPT-5大語(yǔ)言模型的訓(xùn)練量級(jí)約100萬(wàn)億Tokens，約為100億小時(shí)量級(jí)，而當(dāng)前高質(zhì)量具身智能真機(jī)交互數(shù)據(jù)僅在50萬(wàn)小時(shí)的量級(jí)。兩者可用數(shù)據(jù)之間存在數(shù)量級(jí)的“鴻溝”。難點(diǎn)在于數(shù)據(jù)獲取的差異。大語(yǔ)言模型可以“安靜地讀書(shū)”，從互聯(lián)網(wǎng)的海量文本、圖像、視頻中汲取一維或二維信息。而具身智能必須在三維開(kāi)放世界中“摸爬滾打”，通過(guò)本體與環(huán)境的物理交互產(chǎn)生閉環(huán)數(shù)據(jù)。

現(xiàn)實(shí)的考量

事實(shí)上，就連OpenAI自身的技術(shù)報(bào)告也承認(rèn)，Sora作為世界模擬器目前仍存在諸多局限。例如，它并不能準(zhǔn)確模擬許多基本相互作用的物理原理，比如玻璃破碎；其他交互，如吃東西，也并不總是能產(chǎn)生正確的物體狀態(tài)變化。這表明，從“生成逼真視頻”到“精確模擬物理世界以訓(xùn)練機(jī)器人”，仍有很長(zhǎng)的路要走。

不過(guò)，從OpenAI此次的安排來(lái)看，開(kāi)辟一條與ChatGPT和Transform架構(gòu)差異極大的具身智能研發(fā)路徑，可能成為現(xiàn)實(shí)。

從OpenAI Robotics的招聘崗位設(shè)置也能看出這一思路。根據(jù)其官方招聘頁(yè)面，OpenAI崗位覆蓋硬件和軟件協(xié)同、仿真環(huán)境、仿真真實(shí)性，以及負(fù)責(zé)縮小“仿真到現(xiàn)實(shí)”差距的工程師。具體職位包括3D打印實(shí)驗(yàn)室技術(shù)員、執(zhí)行器設(shè)計(jì)工程師、電氣工程師、機(jī)器人數(shù)據(jù)系統(tǒng)工程師、仿真工程師等。

電氣工程師崗位則要求參與下一代機(jī)器人系統(tǒng)開(kāi)發(fā)，覆蓋從概念探索、原型設(shè)計(jì)、電路、PCB到集成部署的完整硬件流程。仿真相關(guān)崗位則強(qiáng)調(diào)縮小“模擬到現(xiàn)實(shí)”的差距，涉及物理、傳感器、渲染等工具鏈，其目標(biāo)是構(gòu)建一個(gè)從虛擬訓(xùn)練到實(shí)體部署的完整閉環(huán)。

短期目標(biāo)聚焦于建筑、基建等場(chǎng)景，似乎也是看中了這些場(chǎng)景任務(wù)相對(duì)結(jié)構(gòu)化、市場(chǎng)明確，且能避開(kāi)與特斯拉Optimus、波士頓動(dòng)力Atlas，以及眾多中國(guó)人形機(jī)器人廠商在通用人形機(jī)器人上的直接競(jìng)爭(zhēng)。

值得注意的是，此次高調(diào)宣布機(jī)器人戰(zhàn)略還有一個(gè)不容忽視的背景。

據(jù)悉，OpenAI已于2026年5月22日秘密提交了IPO招股書(shū)草案，計(jì)劃最早于2026年9月上市。而在今年3月完成的最新一輪融資中，其估值已達(dá)到8520億美元。

關(guān)鍵詞： OpenAI 機(jī)器人 智能 IPO 模型 故事 耕具 語(yǔ)言 人形機(jī)器人 數(shù)據(jù)