OpenAI 解散独立机器人团队,押注通用模型如 GPT-6 Astra 能驱动机器人
OpenAI 已解散其独立机器人团队,并将研究人员重新分配到其他小组,这一重组被公司描述为加速机器人工作而非撤退。Fortune 于 2026 年 11 月 13 日报道了这一变化,引用了公司的确认和一位发言人的话,称机器人技术“仍然是 OpenAI 长期愿景的核心部分”。
此举是对人工智能行业广泛传播的一个赌注的具体测试:即基于语言、代码和视频训练的通用模型也能作为物理机器的控制层,使得专门的机器人模型团队变得不必要。这也是在 IPO 压力下做出的成本决策,机器人专家对此意见不一,有人认为这反映了真正的技术进步,也有人认为这是对硬件的撤退。
OpenAI 实际改变了什么
OpenAI 取消了独立的机器人组织,并将其人员分配到两个现有组织中。机器人研究团队现在位于公司的主要研究组织内,向首席研究官 Mark Chen 汇报。应用机器人和硬件团队则转移到了更大的应用组织,该组织向 OpenAI 总裁 Greg Brockman 汇报。
这次重组发生得如此之近,以至于 OpenAI 在 CoRL(同周在奥斯汀举行的重大学术机器人会议)上仍保留了一个展位。Fortune 访问了 208 号展位,发现它是空的,没有显示 OpenAI 的标志。尽管如此,前机器人团队成员在会议上出现并吸引了人群,尽管他们没有演示或展示。
所述理由:通用前沿模型已经能运行机器人
OpenAI 表示,其通用前沿模型现在可以直接应用于机器人控制,这就是为什么专门的机器人研究人员被并入通用模型团队。据公司发言人称,OpenAI 研究人员年初认为,实现机器人进步的最佳途径是建立在像 Sora 这样的模型之上,Sora 是一个视频生成系统,必须隐式建模物理动态才能生成逼真的画面。此后,公司表示,包括 GPT-6 Astra 在内的通用前沿模型已展示出对机器人技术的直接适用性。
GPT-6 Astra 是 Fortune 报道中提到的模型,研究人员将其连接到机器人上,并观察到它执行机器人任务时表现出惊人的能力。OpenAI 还单独表示正在开发自己的人形机器人,CEO Sam Altman 的目标是在 2027 年进行首次公开演示。
OpenAI 之前曾建立并解散过机器人团队
OpenAI 的第一个机器人团队于 2020 年解散。联合创始人 Wojciech Zaremba 后来将这一决定归因于机器人数据有限,以及通过其他方法(特别是在文本上训练超大型语言模型,这导致了 2022 年底的 ChatGPT)实现人工通用智能的更高效路径。
OpenAI 于 2024 年重建了一个独立的机器人团队,并宣布与初创公司 Figure 合作,为人形机器人开发 AI 模型。该合作于 2025 年 2 月结束,当时 Figure 表示将开发自己的机器人 AI。
因此,2026 年 11 月的重组是 OpenAI 第二次解散专门的机器人团队,也是第一次在明确声称通用模型可以吸收这项工作的情况下这样做。
声明背后的基准数字
Fortune 引用了一项 Nvidia 研究,其中由 Astra 驱动的代理在模拟操作基准上达到了 74.8% 的成功率。该排行榜上最好的专门机器人模型在同一基准上报告了 51.0% 的成功率。
设置如下:研究人员给 Astra 提供相机图像、机器人状态信息以及一个控制接口,模型可以通过该接口命令机器人。在 Nvidia 的研究中,机器人是模拟的而非物理的,因此该结果衡量的是数字环境中的控制推理,而非现实世界的操作可靠性。
为什么机器人专家不完全信服
卡内基梅隆大学机器人研究所的助理教授 Guanya Shi 告诉 Fortune,他将这次重组解读为 OpenAI 现在认为机器人技术“不再是一个特殊问题”——它是通用智能的下游应用,就像同样的前沿模型现在为专门的编码、法律和金融工具提供动力一样。
Shi 还描述了局限性。通用模型改进的空间和推理能力使它们能够容忍瓶子放置在不同位置或光照变化,并能推理任务的顺序或识别哪一步失败。但大型语言模型速度慢,必须托管在云端,这意味着机器人或设备需要持久的网络连接。Shi 仍然认为需要更小的专门模型在机器人的机载计算机上运行。
MIT 教授、Walden Robotics 联合创始人兼 CEO Russ Tedrake 认为,机器人公司保留了 AI 实验室缺乏的优势:机器人已经在实际部署中(如工厂车间)积累了工作经验。这种部署经验和产生的数据帮助机器人适应特定的工作场所和任务。Tedrake 说,更好的基础模型使特定地点的数据更有价值,因为机器人可以从中更快地学习。
初创公司 Generalist 的联合创始人 Pete Florence 告诉 Fortune:“增长智能可能有不同的起点”,并且目前尚不清楚任何现有模型是否会在长期内主导机器人技术。
Hacker News 评论者:延迟、令牌成本和层级结构
Hacker News 讨论中最实质性的批评针对的是控制回路延迟,而非模型能力。一位评论者认为,通用模型可以运行机器人,但做得不好,分层堆栈效果更好:
通用模型可以运行机器人。但它们做得非常差。更有效的是使用一个模型堆栈,其中“更笨”但更快的模型处理较低级别的功能,而更高级别、更慢的模型处理高级规划。... 传感器和执行器需要毫秒级的响应,这是你无法从通信链路另一端的 LLM 中获得的。
一个相关评论询问是否有使用 LLM 控制机器人的入门指南,指出以每秒 60 帧的速度流式传输命令看起来非常令牌效率低下。另一个评论询问这一变化是否意味着 OpenAI 已经放弃了非云连接的机器人。
几位评论者将这次重组解读为财务而非技术。一位写道,这“看起来像是在 IPO 前为了提升一些数字而进行的普遍成本削减”,另一位总结为“资金紧张”,第三位说 OpenAI 已经意识到,拥有实际硬件的机器人既困难又昂贵。还有人质疑公司“长期愿景”的框架与缺乏中期计划之间的差距。
一位评论者提供了对这一趋势最尖锐的总体框架:
苦涩的教训适用于一切。
这引用了 Richard Sutton 的论点,即利用计算能力的通用方法最终会击败手工设计的领域专业化。这是对 OpenAI 举措最有力的辩护,也是预期行业中出现更多此类重组的最有力理由。
其他评论对人类角度持怀疑态度,一位称具有讽刺意味的是,那些致力于让其他人变得可替代的人最终自己变得可替代,另一位询问这一变化对 OpenAI 在加利福尼亚州里士满的机器人研究办公室意味着什么。Fortune 的报道没有涉及该办公室。
成本背景:季度亏损 109 亿美元,可能 2027 年 IPO
OpenAI 面临削减开支并专注于少数核心产品的压力。Altman 告诉公司需要放弃“支线任务”,OpenAI 已经放弃了一些努力,包括 Sora,以将计算资源重新分配到更核心且可能盈利的工作上。
Fortune 报道称,OpenAI 最近一个季度的运营亏损总计 109 亿美元,公司正在寻求完成新一轮融资,同时准备可能在 2027 年初进行 IPO。机器人重组正好落在这个窗口内。
重组对机器人初创公司意味着什么
通用模型可以在没有专门“空间智能”模型的情况下控制机器人的说法,挑战了许多机器人初创公司筹集数十亿美元的前提:即机器人需要自己的大脑。
Tedrake 的反驳是,机器人技术中稀缺的资产不是大脑,而是部署:在真实工作场所中的真实机器人生成任务特定数据。在这种观点下,通用模型提高了已部署机队的价值,而不是取代拥有机队的公司。Shi 的论点互补:云端托管的通用模型处理高级推理,而紧凑的端侧模型处理快速控制。
实际的解读是混合架构,而非完全替代。OpenAI 的重组表明,高级推理层正在向通用前沿模型商品化。但它并未确立毫秒级控制层也是如此。
报道未回答的开放问题
截至 2026 年 11 月 13 日的报道,一些细节仍未披露。Fortune 没有说明有多少研究人员被重新分配,重组是否涉及离职,或者 OpenAI 声称的人形机器人项目以及 Altman 的 2027 年演示目标在新结构下会怎样。74.8% 对 51.0% 的比较来自模拟基准,而非物理机器人。公司将该举措描述为加速是一种意图声明,而非衡量结果。