OpenAI确认,公司已解散原有独立机器人研究团队。这不等于放弃机器人方向,而是把数十人的团队拆开重组:核心算法研究员并入首席研究官Mark Chen领导的主模型研究组,应用与硬件团队并入总裁Greg Brockman负责的Applied部门。2020年,OpenAI曾关停机器人实验室,理由是物理交互数据不足、研发进展慢,资源要集中到大语言模型。此次调整的原因则变成:新一代通用前沿模型尤其GPT-6 Astra,被认为已经能更直接驱动物理硬件,行业不必再维护一套孤立的机器人基础模型。
从“缺数据”到“模型能力”:两次关停背后是路线变化
在美国奥斯汀举行的机器人学习大会CoRL上,OpenAI预订的208号展位空置,也没有公司标识。随后,《财富》报道称其再次解散机器人团队,并获得OpenAI确认。
与六年前相比,OpenAI面对的问题已经改变。此前,机器人研发受制于物理交互数据不足;现在,公司更看重通用模型能力的快速提升。按照这一判断,如果通用大模型已经足够强,继续为机器人单独做一套小模型,在商业和技术效率上都不再合适。
OpenAI并未放弃硬件。Sam Altman仍在筹备自研人形机器人本体,目标是2027年公开亮相。此次调整的关键,不是“做不做机器人”,而是“机器人智能应该放在哪个体系里研发”。
仿真和真机测试,让通用模型进入物理任务
通用模型对机器人的影响已有迹可循。7月,Anthropic发现新一代通用模型能通过视觉观察、编写控制程序、调用运动控制工具,完成部分原本需要专门研发机器人策略的任务。GPT-6 Astra出现后,英伟达、宇树、银河通用等公司也进行了相关实验。
11月初,Anthropic发布Claude Fable 5.2。在双臂机器人纯视觉控制复杂物理操作的仿真基准RoboDojo Sim中,Fable 5.2取得64.9%任务成功率;上一代Fable 5.1为27.6%,Google Gemini 4 Argon为34.2%,GPT-6 Astra为29.8%。Fable 5.2并非为机器人研发,也没有经过大量机械臂示教轨迹训练,其基础仍是文本、代码和多模态图像/视频数据。
在真机盲测中,Fable 5.2未经过微调就接管机械臂,完成拧瓶盖、转魔方等动作;第三方测试还记录到它控制机械臂下完一局62步的跳棋。当抓取棋子因机械公差发生滑动碰撞时,它能根据视觉画面微小变化进行反向补偿与纠偏。
专用模型、世界模型和通用大脑的边界正在模糊
具身智能的技术路径此前经历了多轮变化。早期,机器人主要依靠传统C++控制算法和轨迹规划,云端大模型把自然语言指令拆成函数调用。随后,端到端VLA模型兴起,输入摄像头画面,输出机械臂关节角度或末端轨迹,System 1与System 2组成的快慢双系统也随之出现。
今年,世界模型受到更多关注。它不只预测动作,也预测物理世界的变化。例如机器人推门时,模型需要判断不同方向、不同大小的力会让门和环境如何变化。英伟达11月公布的GR00T 2采用世界动作模型WAM,在预测动作的同时预测动作后的视觉变化。银河通用创始人王鹤也主张融合VLA和世界模型。Google则在Fable 5.2发布第二天推出专用VLA模型Gemini Robotics 2.5,并用Gemini 4 Argon生成仿真环境、分析失败原因。
共识未形成,物理问题仍是关键
产业界判断并不一致。Anthropic创始人Dario今年2月接受《纽约时报》采访时表示,操纵真实机器人比玩电子游戏复杂,但从智能问题本身看,两者没有根本区别。Sam Altman和Figure AI创始人Brett Adcock强调通用智能;Adcock提出,在租用10万张下一代GPU的条件下,机器人学习同样服从Scaling Law,只要算力够大、预训练数据够丰富,身体运动智能会指数级跃迁。
机器人公司则更关注工程边界。宇树科技创始人王兴兴在世界物理AI大会上表示,物理AI被击穿的苗头已经清晰,未来两年行业可能真正把基础大模型和机器人技术统一起来。智元联合创始人彭志辉、姚卯青认为,通用模型向具身领域渗透是大趋势,也会提高System 2的长程规划上限,但全栈机器人企业仍需自研决策模型。自变量机器人创始人王潜提醒,通用模型能控制机器人,不代表其他领域的智能自然迁移到具身领域。Physical Intelligence联合创始人Sergey Levine认为,LLM可弥补机器人数据不足,但真实操作、视频和物理数据仍然必要。
OpenAI这次撤并团队,把问题从“要不要机器人”转向“机器人智能应该放在哪里研发”。通用模型提供了常识、视觉理解和复杂逻辑,但64.9%的仿真成功率也意味着仍有35.1%的任务失败。机器人进入工厂、家庭等复杂场景,还需要解决实时控制、物理交互和长期可靠性。对具身智能公司而言,通用模型降低了部分能力门槛,也压缩了专用模型空间;未来价值可能取决于谁能解决通用模型尚未解决的物理问题。
原创文章,作者:点点,如若转载,请注明出处:https://www.dian8dian.com/openai-che-bing-ji-qi-ren-tuan-dui-tong-yong-da-mo-xing