自去年OpenAI與Figure AI分道揚鑣之后，外界便不斷猜測OpenAI有“開模打鐵”，打造自己機器人的計劃。如今，這一猜測獲得了官方的確認。

6月1日，OpenAI CEO山姆·奧特曼在社交平臺發布招聘信息，宣告成立“OpenAI Robotics”團隊，正式進軍實體機器人領域。

(資料圖片)

奧特曼為團隊設定了清晰的路線圖：短期專注于開發能夠協助建筑和物理基礎設施領域技術工人的機器人；長期愿景則是讓每個人都擁有一個可以完成各種需求的個人機器人。

據悉，OpenAI全新機器人業務板塊由旗下“世界模擬研究項目”升級演化而來。此次團隊的掛帥者，卻是OpenAI研究副總裁、文生圖模型DALL·E和視頻生成模型Sora的核心開發者阿迪亞·拉梅什。

而這一人事布局也令外界好奇：按照阿迪亞·拉梅什的過往經歷，依托Sora及VLA（視覺 - 語言 - 動作）大模型落地機器人具身智能，或是阿迪亞·拉梅什主攻的技術路線。但這一技術路徑，已經受到業內人士質疑，并被認為難以落地通用具身智能。

那么，OpenAI是否會開辟全新的世界模型研究——亦或是依然基于ChatGPT的技術模型，來闖蕩人形機器人行業？

起大早趕晚集

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

起初，OpenAI瞄準的方向是靈巧手——其原型取名為Dactyl。2019年，OpenAI通過強化學習和“自動域隨機化”（ADR）技術，訓練出一個AI系統，使Dactyl成功復原了魔方。

彼時，OpenAI啟發了行業從仿真環境訓練并遷移能力到真實機器人的技術可行性。但是作為世界模型的創造者之一，OpenAI卻在此后全身心投入了大語言模型的迭代，該項目在2020年前后也被主動放棄。

OpenAI聯合創始人沃伊切赫·扎倫巴后來解釋，放棄具身智能，其根本原因在于數據瓶頸。機器人物理交互數據極其稀缺、采集成本高昂、迭代緩慢。相比之下，互聯網上的文本和圖像數據則海量且易于獲取。從通往通用人工智能（AGI）的效率路徑看，將資源集中于大語言模型（LLM）——也就是后來的ChatGPT，顯得更加英明。

當然，OpenAI從未放棄在機器人領域的布局，但角色卻從親自下場變成了“投資人”。

2023年，OpenAI領投了人形機器人公司1X Technologies。2024年2月，OpenAI參與了Figure AI總額6.75億美元的B輪融資，并宣布為其人形機器人開發專屬的多模態AI模型。官宣合作后不到一個月時間，Figure 01機器人便在宣稱搭載了OpenAI具身智能的前提下，展示了部分自然語言交互與物體操作能力。

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

2025年2月，Figure AI創始人布雷特·阿德考克正式宣布終止與OpenAI的合作，轉而自主研發端到端機器人AI模型。對此，阿德考克在采訪中解釋稱，由于OpenAI規模龐大、業務范圍廣泛，但為機器人等具體對象裝配AI并非其主要關注點。

“我們發現，要想在現實世界中大規模解決具身智能問題，就必須垂直整合機器人AI——我們不能外包AI，理由和我們不能外包硬件一樣。”阿德考克表示。

不再“讓語言學家當司機”

對于OpenAI與Figure AI的分手，外界還有另一種猜測。Figure AI其實并不看好基于大語言模型或其Transformer架構在人形機器人上的可行性。

怎么理解這件事？如果你向大模型發送一組盲文圖片，而大模型能夠明白這張圖片確實屬于盲文，但它卻很難自主解答這個盲文的意思——因為大模型沒有真的看到盲文的點位，只是讀到“這似乎是一張盲文圖片”的一段話。

一款通用人形機器人無疑需要同時具備語言能力和動作能力。但在具身智能的架構上，語言能力和動作能力卻有可能是一個南轅北轍的技術路線。

宇樹科技創始人、CEO王興興此前表示，VLA模型就像“讓一位語言學家去開車”——他雖然能讀懂交規，卻很難瞬間判斷剎車距離或障礙物方位。

此外，斯坦福大學教授李飛飛指出，用語言模型理解物理世界有結構性短板，空間理解、物理推理等難題從未真正解決。

當然，按照奧特曼的說法，OpenAI世界模擬研究項目在過去一年中發展迅速，現演變為OpenAI Robotics。但團隊仍由Sora負責人來領銜，或暗示其仍然會沿用Transformer架構來推進人形機器人具身智能。

然而，Meta前首席AI科學家楊立昆卻認為，Sora生成的視頻存在大量物理規律上的錯誤，如物體突然消失、因果關系混亂。它學到的是“視頻數據的統計規律”，生成的是“看起來合理”的幻覺，而非真正符合物理的世界模擬，因此稱其為“世界幻覺生成器”更為準確。

而即便隨著模型的升級，如今Sora已然不會生成那么“巔”的視頻，但按照大語言模型的訓練量級，以及訓練機器人需要的高質量數據需求，用類似方式完成具身智能研究，幾乎是一場不可能完成的任務。

智元機器人合伙人、高級副總裁姚卯青指出，如果將大語言模型的訓練過程和具身智能模型訓練作對比，GPT-5大語言模型的訓練量級約100萬億Tokens，約為100億小時量級，而當前高質量具身智能真機交互數據僅在50萬小時的量級。兩者可用數據之間存在數量級的“鴻溝”。難點在于數據獲取的差異。大語言模型可以“安靜地讀書”，從互聯網的海量文本、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放世界中“摸爬滾打”，通過本體與環境的物理交互產生閉環數據。

現實的考量

事實上，就連OpenAI自身的技術報告也承認，Sora作為世界模擬器目前仍存在諸多局限。例如，它并不能準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，也并不總是能產生正確的物體狀態變化。這表明，從“生成逼真視頻”到“精確模擬物理世界以訓練機器人”，仍有很長的路要走。

不過，從OpenAI此次的安排來看，開辟一條與ChatGPT和Transform架構差異極大的具身智能研發路徑，可能成為現實。

從OpenAI Robotics的招聘崗位設置也能看出這一思路。根據其官方招聘頁面，OpenAI崗位覆蓋硬件和軟件協同、仿真環境、仿真真實性，以及負責縮小“仿真到現實”差距的工程師。具體職位包括3D打印實驗室技術員、執行器設計工程師、電氣工程師、機器人數據系統工程師、仿真工程師等。

電氣工程師崗位則要求參與下一代機器人系統開發，覆蓋從概念探索、原型設計、電路、PCB到集成部署的完整硬件流程。仿真相關崗位則強調縮小“模擬到現實”的差距，涉及物理、傳感器、渲染等工具鏈，其目標是構建一個從虛擬訓練到實體部署的完整閉環。

短期目標聚焦于建筑、基建等場景，似乎也是看中了這些場景任務相對結構化、市場明確，且能避開與特斯拉Optimus、波士頓動力Atlas，以及眾多中國人形機器人廠商在通用人形機器人上的直接競爭。

值得注意的是，此次高調宣布機器人戰略還有一個不容忽視的背景。

據悉，OpenAI已于2026年5月22日秘密提交了IPO招股書草案，計劃最早于2026年9月上市。而在今年3月完成的最新一輪融資中，其估值已達到8520億美元。

關鍵詞： OpenAI 機器人 智能 IPO 模型 故事 耕具 語言 人形機器人 數據