OpenAI二度解散机器人团队:不是退场,是通用模型直接接管机器人的“大脑”

OpenAI再度解散独立机器人团队:官方口径是"通用模型已经够用"

11月14日,多家行业媒体爆出,OpenAI解散了独立机器人研究团队,研发人员被并入核心研究与Applied部门。值得注意的是,这已经是OpenAI第二次解散独立的机器人专项团队。官方给出的解释并不是退出机器人赛道,而是判断以GPT-6 Astra为代表的通用模型已经具备直接控制机器人、执行机器人任务的能力——独立的机器人团队,不再是必需架构。

把这句话翻译成组织语言,等于是一次"降权":机器人从一门需要独立建制的前沿方向,变成基础模型能力的自然外延。研发人员并入核心研究部门后,机器人研发与基础模型训练被放在同一条流水线上,模型强了,机器人能力随之水涨船高,而不必再单独养一支队伍。对一家把大部分资源压在基础模型上的公司来说,这本账并不难算。

但这恰恰是行业里最有争议的地方。"通用模型可以直接控制机器人"是官方的能力判断,不等于可靠部署的现实。长序列任务规划、精细操作、实时性要求高的工业场景,通用模型目前都还在补课。解散团队可以是自信,也可以是提前透支——答案要留给未来一两年的产品来给。

同一条河流的分岔口:有人把模型塞进机器人,有人反手把机器人模型开源

OpenAI做减法的同时,同行们在做加法。谷歌的路线是把Gemini直接装进机器人身体:DeepMind推出的Gemini Robotics 2.5在与奔驰合作的工业场景里,分拣汽车零件的成功率达到了96%,走的是"旗舰通用模型垂直下沉"的路线。一个收编、一个下沉,方向看似相反,底层逻辑却一致——都认为机器人的"大脑"应该长在基础模型上。

更耐人寻味的是开源阵营的动作。据行业日报,Runway开源了机器人控制模型Praxis-1,采用Apache 2.0协议开放权重与源码,核心思路是把视频预训练获得的知识迁移到机器人控制任务上,并在RoboLab-120基准的World Action Model赛道拿下第一。其短板也写得很直白:暂时无法独立规划长序列复杂动作。

英伟达则在自动驾驶这个"轮式机器人"赛道加码,发布端到端智驾模型Alpamayo 2 Edge,适配DRIVE AGX Thor平台,依靠自适应因果链推理把闭环驾驶表现提升了48.9%,训练数据包含11.5万小时驾驶视频;模型还会在普通场景主动跳过文本生成,只在复杂交互时输出推理链路,明显是在为车端实时性做取舍。

通用模型凭什么"顺手"接管机器人的大脑

答案藏在VLA(视觉-语言-动作)范式的成熟里。过去机器人控制要靠专门的策略模型加大量遥操作数据,如今视觉语言模型已经能把"看懂画面—理解指令—输出动作"串成一条链路。浙江大学ACES实验室OmniAI团队提出的VLA-Δ就是最新例子:基于仅2B参数的视觉语言骨干,在LIBERO仿真基准上取得98.4%的平均成功率,在真实双臂机器人的五类任务中也拿到68.0%的平均成功率——小模型、高成功率,正是"通用底座+少量适配"路线最有力的证据。

数据瓶颈也在被撬动。具身智能公司维他动力发布跨视角生成模型Exo2EgoPolicy,并全面开放Vbot Echo与Echo App,核心能力是把海量的第三人称视频转换成第一人称视角、手部骨骼乃至机器人训练数据。互联网上堆积如山的视频,第一次被系统性地翻译成机器人能"吃"的格式,这等于给通用模型接管机器人大脑补上了最关键的一块数据拼图。

成本逻辑则解释了OpenAI的选择。维护一支独立的机器人团队,意味着重复建设感知、规划、控制的全套能力;而把这些能力做进基础模型,一次训练、多场景复用,边际成本随规模递减。当通用模型的能力曲线足够陡,任何专用团队的性价比都会被打穿——这不是机器人不重要了,而是造大脑的地方变了。

机械仿生手展示AI机器人从推理走向物理行动

机器人的"身体"与工厂仍在加速:人才和算力都在进场

大脑被收编,身体和工厂的比赛却才刚开始。11月15日,联想集团在河北张家口发布"联想万全混合词元工厂",并签约推进首座混合词元母本工厂落地,首期规划15000P异构算力集群和约100MW智算中心,打出的口号是"绿电进,Token出"。当机器人的大脑越来越依赖 token 级别的算力供给,这类"词元工厂"实际上是在给整个具身智能产业修电网。

人才流向同样能说明问题。机器学习领域知名的技术布道者李沐11月15日正式出任Aimotion联合创始人兼CTO,同时继续担任Boson AI联合创始人兼CTO,双方将联合攻关产业级世界模型和商业AI Agent。世界模型被视为机器人"大脑"的下一级台阶——它不仅要对眼前的世界做出反应,还要在脑中对世界的演化做推演。顶尖工程师向这个方向集结,说明赛道远未到终局。

产业侧的信号更直接。据《科创板日报》报道,2026年以来工业AI投融资热度持续上行,行业正从"概念验证期"进入"价值兑现阶段",流程工业自主工厂、钢铁与锂电产线AI等标杆案例密集涌现。讨论的焦点已经从"能不能做"转向"划不划算"——这是任何技术从 demo 走向产线的标志。

花边与热议:这周还有这些值得一看

除了机器人主线的结构性变动,本周还有几条资讯从侧面勾勒出AI落地的真实节奏。其一是AI浏览器Aside的营收曲线:这款从销售会议助手转型而来的产品,利用用户已登录网站的上下文跨站办事,上线四个月年收入超过200万美元、月活15万,其中从100万美元涨到200万美元只用了33天——"已登录态"正在成为AI应用新的护城河。

其二是医疗AI的一次硬碰硬盲评。未来医生的医疗大模型MedGPT在40例真实复杂肺癌病例的盲评中以88:12战胜250名三甲医生,综合评分96.22,领先GPT-5.4、Claude Opus 4.7和Gemini 3.1 Pro的直连版本;在医生辅助下,方案得分还能再提高24.1%。垂类模型在封闭知识域里的优势,再次被量化验证。

其三则是一次"泼冷水"式的基准测试。姚期智、杨植麟等学者发表论文并开源了理论计算机难题基准TCSExam,30道开放猜想中,GPT-6 Astra以71.9分居首、Kimi K3.1 Pro得57.4分,但没有任何模型能独立攻破其中任何一题。一边是整理哥德尔80年前的工作笔记、梳理出663条定理雏形,一边是30道现代难题全军覆没——AI今天的真实位置,就在这两者之间。

观察:机器人创业公司的位置,正在从"大脑"移向"身体"

OpenAI这次解散团队,影响最深的不是OpenAI自己,而是整个具身智能创业生态。如果"通用模型即机器人大脑"成为行业共识,那么创业公司再去做一个通用机器人大脑,大概率是在重复造轮子;机会反而集中在通用模型暂时"够不着"的地方:本体的可靠性、场景的数据闭环、交付与运维的脏活累活。

但"够用"是一个进行时而非完成时。从RoboColiseum新赛季榜单看,Claude Fable 5.2虽然以18.30分综合登顶,在精细操作和跨本体迁移上领先,灵巧手一项却只拿到3.73分;Praxis-1也坦承无法独立规划长序列复杂动作。精细操作、长程规划、实时控制,这些恰是当前通用模型的能力洼地,也是专用模型和机器人公司最后的护城河。

接下来值得观察的有三件事:OpenAI会不会第三次重组机器人架构;Runway开源的Praxis-1能走多远,社区会不会在开源权重上长出长序列规划能力;以及国内"词元工厂"式的算力基建,能否把机器人大脑的调用成本再压下一个数量级。机器人行业的大脑之争,才刚刚换到第二回合。

© 版权声明
THE END
喜欢就支持一下吧
点赞15 分享
评论 抢沙发

请登录后发表评论

    暂无评论内容