OpenAI重组机器人团队，转向通用模型驱动具身智能

OpenAI 已经解散了其独立的机器人团队，将其研究人员转移到其他团队。在接受《财富》杂志询问时，该公司证实了此次重组。公司发言人表示，机器人技术仍然是 OpenAI 长期愿景的核心部分，并将此次重组描述为公司致力于机器人技术的标志，而不是退出。OpenAI 表示，已将其机器人研究团队重新分配到公司的主要研究团队，向首席研究官 Mark Chen 汇报，而应用机器人和硬件团队已重新分配到公司更大的应用组织，该组织向 OpenAI 总裁 Greg Brockman 报告。本周，OpenAI 已经在奥斯汀顶级机器人学术会议 CoRL 上注册了一个展位。尽管会议应用程序和平面图标记了 OpenAI 的位置，但当《财富》杂志参观 208 号展位时，展位空无一人，OpenAI 的徽标也不见踪影。

OpenAI 早期曾有一个机器人团队，但在 2020 年解散了，联合创始人 Wojciech Zaremba 后来引用了有限的机器人数据和通过其他方法实现通用人工智能 (AGI) 的更有效途径，即类人人工智能，这一直是 OpenAI 成立以来的目标。特别是，OpenAI 越来越致力于在大量人类书写文本数据集上训练超大型语言模型。正是这种方法最终在 2022 年底产生了该公司的突破性产品 ChatGPT。OpenAI 在 2024 年重建了独立的机器人团队，宣布与初创公司 Figure 合作，开发人形机器人的 AI 模型。这一合作关系于 2025 年 2 月结束，当时 Figure 表示将开发自己的机器人人工智能。 OpenAI 表示，目前正在开发自己的人形机器人，首席执行官 Sam Altman 的目标是在 2027 年进行首次公开演示。该公司发言人表示，尽管进行了重组，OpenAI 仍然致力于将通用机器人带入世界。这次重组反映了整个 AI 行业越来越受欢迎的赌注：为语言、代码和视觉构建的通用模型也可以用于“体现人工智能”——人工智能模型控制可以在物理世界中行动的设备，例如机器人、无人驾驶汽车等。汽车，或者无人机。这将消除需要让单独的机器人团队构建专门的人工智能模型，只是为了成为机器人的数字“大脑”。研究人员在将 GPT-6 Astra 连接到机器人时看到了令人惊讶的性能，直接使用通用人工智能模型来执行一些机器人任务。卡内基梅隆大学机器人研究所助理教授史冠亚此前曾听说过 OpenAI 的重组，他告诉《财富》杂志，他将此举解读为 OpenAI 认为机器人“不再是一个机器人”的信号。特殊问题。”相反，他说，他们可能将机器人技术视为一种挑战，可以将其作为通用智能的下游应用来解决——类似于现在相同的底层前沿人工智能模型为专门的编码工具或法律或金融工作工具提供支持的方式。OpenAI 在对《财富》杂志的回应中似乎证实了这一观点。该公司表示，今年年初，该公司的研究人员认为在机器人技术方面取得进展的最佳方式是在 AI 模型（例如 Sora）的基础上开展工作，Sora 是一种视频生成模型，为了创建逼真的视频，必须对物理世界的运作方式有一定的隐含了解。但该公司发言人表示，从那时起，包括 GPT-6 Astra 在内的该公司的通用前沿模型已表明可以直接应用于机器人技术。这一发现促使 OpenAI 解散了独立的机器人团队，并将附属研究人员转移到研究更通用的人工智能模型的团队中。此次重组也是在 OpenAI 面临控制成本并表明其更专注于少数核心产品的压力之际进行的。去年，Altman 告诉公司需要放弃“支线任务”，公司也放弃了包括 Sora 在内的一些努力，以便将计算资源重新分配到更核心和可能有利可图的业务上。该公司正面临着弥补巨额运营亏损的压力——据报道，最近一个季度的运营亏损总额为 109 亿美元——因为该公司寻求完成新一轮融资，并为 2027 年初可能进行的 IPO 做准备。

这种思路——通用人工智能模型可以直接应用于控制机器人，而不需要创建具有“空间智能”的专门模型——似乎挑战了当今许多机器人初创公司的假设，这些初创公司已经筹集了数十亿美元的资金，前提是机器人需要自己的大脑。

但麻省理工学院教授、Walden Robotics 联合创始人兼首席执行官 Russ Tedrake 表示，机器人公司仍然拥有人工智能实验室所没有的优势：他们的机器人已经在真实的地方（例如工厂车间）获得了工作经验。这种“部署”经验以及这些机器人收集的数据有助于机器人适应特定的工作场所和任务。泰德雷克说，更好的基础模型使特定地点的数据更有价值，因为机器人可以更快地从中学习。

最近的实验测试了通用模型在没有对机器人数据进行专门训练的情况下可以完成多少工作。研究人员向 Astra 提供了相机图像、机器人信息和控制界面，使模型能够命令机器人采取某些行动。在 Nvidia 的一项研究中，由 Astra 驱动的智能体在模拟操纵基准上取得了 74.8% 的成功率（模型在数字模拟中命令模拟机器人，而不是真正的机器人），而该排行榜上最佳专业机器人模型的成功率为 51.0%。

石说，通用模型空间和推理能力的进步已经让它们能够处理以前需要专门训练的任务。他说，当瓶子处于不同位置或灯光发生变化时，它们可以应对，并推理出任务的顺序或哪个步骤出了问题。

与此同时，大型语言模型功能强大但速度缓慢，并且需要托管在云端，这意味着机器人或设备需要持续的网络连接。石仍然认为需要更小的、专门的模型，可以在机器人的机载计算机上运行，​​而不需要持续的互联网连接。

Generalist 是一家为机器人训练通用人工智能模型的初创公司，其联合创始人皮特·弗洛伦斯 (Pete Florence) 告诉《财富》杂志：“如何提高智能可能有不同的起点。”他表示，目前尚不清楚任何现有模型是否会成为长期主导机器人技术的模型。 OpenAI 方面表示，它正在将其机器人研究人员重新分配到其他团队，因为它现在认为这是加速构建通用机器人进展的最佳方式。

回到 CoRL 的 208 号展位，尽管没有展示或演示，一些前 OpenAI 机器人团队成员仍然吸引了人群。毕竟，会议上最热门的问题之一是，随着通用模型的能力变得越来越强大，机器人专业知识将保持多少价值，而那些现在被派往其他团队的前 OpenAI 机器人研究人员的经验提供了一个答案。

邵文是《财富》杂志人工智能报道研究员，重点关注塑造该行业的公司、经济和基础设施。