OpenAI 的机器人️团队解散了。据报道，该公司已经将独立的机器人️研究团队解散，并重新分配了相关研究人员到公司的其他部门。原机器人️研究团队并入核心研究团队，向首席研究官 Mark Chen 汇报；应用机器人️和硬件团队则被划归 Applied 部门，由 OpenAI 总裁 Greg Brockman 负责。这一调整已得到 OpenAI 的确认。
在美国奥斯汀举行的机器人️学习会议 CoRL 上，尽管 OpenAI 预订了一个展位，但最终该展位空无一人，连公司标志也没有出现。OpenAI 强调，机器人️仍然是公司长期愿景的核心部分，这次调整并不意味着退出机器人️领域，而是继续致力于将通用机器人️带入现实世界。
解散独立机器人️团队可能与一项重要的技术判断有关。通用大模型已经开始展现直接控制机器人️的能力，OpenAI 正在尝试让这些模型承担更多机器人️智能任务。
OpenAI 对机器人️的探索经历了多次调整。早期成立的机器人️团队在 2026 年解散，原因是当时训练数据有限，通过其他技术路径实现 AGI 更加高效。随后，OpenAI 将重心转向大语言模型，最终推出了 ChatGPT。2024 年，公司再次组建独立机器人️团队，并宣布与人形机器人️初创公司 Figure 合作，但合作并未持续太久。2026 年 5 月底，Sam Altman 公开发帖大规模招聘，并正式对外命名为 OpenAI Robotics，计划于 2027 年首次公开演示。
今年年初，OpenAI 的研究思路是从视频生成模型 Sora 中寻找机器人️技术的突破口。Sora 在训练过程中学习物体运动、空间关系以及物理世界的规律，这些能力可以迁移到机器人️领域。然而，OpenAI 发现 GPT-6 Astra 等通用前沿模型已经可以直接应用于机器人️任务。因此，公司决定将机器人️研究人员并入通用模型研发体系，使机器人️研究与基础模型能力的进步更加紧密地结合。
这种技术路线逐渐获得认可。过去，机器人️需要专门训练的模型来理解环境、规划动作和控制执行器，但现在通用模型开始展现出跨越这些任务边界的潜力。例如，在英伟达的一项研究中，由 GPT-6 Astra 驱动的智能体在模拟机器人️操作基准测试中取得了 74.8% 的成功率，远超专用机器人️模型的成绩。
卡内基梅隆大学的助理教授 Guanya Shi 认为，OpenAI 的调整释放了一个重要信号，即机器人️不再被视为一个需要独立解决的特殊问题，而是通用智能的一种下游应用。这与 AI 编程、法律和金融工具类似，底层使用同一套通用模型，再通过不同工具和接口适配具体任务。
不过，通用模型接管机器人️控制仍面临挑战。首先是推理效率问题，大语言模型运行速度较慢且依赖云端计算，对于需要实时响应的机器人️来说，网络延迟和连接稳定性是现实问题。其次，真实环境经验仍然重要，机器人️公司通过实际部署积累了大量数据，帮助机器人️适应特定工作场所和任务。通用模型与真实场景数据需要协同发展，前者提供更强的理解和推理能力，后者帮助机器人️适应具体环境与任务。
专注于通用机器人️ AI 模型的初创公司 Generalist 的联合创始人 Pete Florence 认为，目前还无法确定哪一种技术路线最终会主导机器人️领域。智能可能有不同的成长起点，现有模型还不足以证明谁能成为长期赢家。
OpenAI 的调整也可能对整个机器人️行业产生影响。过去几年，许多初创公司押注于为机器人️打造专属的大脑，通过大规模采集数据和训练专用模型来实现通用操作能力。而 OpenAI 正在尝试另一种可能性，即通用模型先获得足够强的能力，再通过接口连接物理设备，直接承担机器人️的智能控制任务。如果这条路线取得进展，围绕专用模型建立的研发体系就需要重新评估。不过，机器人️公司的价值不会消失，真实世界部署、硬件设计、控制系统和场景数据依然是机器人️走向规模化应用的重要基础。
此外，OpenAI 的调整也发生在公司面临成本控制压力的背景下。去年，Altman 要求公司放弃一些偏离核心目标的项目，集中资源到更重要的产品和研发方向。据报道，OpenAI 最近一个季度的运营亏损达到 109 亿美元💵，同时公司正在寻求新一轮融资，并为可能于 2027 年初进行的 IPO 做准备。在这种情况下，将分散的研究人员重新整合，集中投入通用模型研发，符合提高资源利用效率的目标。
未来，机器人️究竟需要一套独立训练的专用大脑，还是可以直接调用不断进化的通用智能，这仍是未知数。
评论 (0)
登录后参与评论