OpenAI下场造人形机器人，奥尔特曼：AI大脑是关键 - 赛程查询

马斯克最担忧的局面终究还是出现了。

“我们一定会涉足人形机器人领域，也会开发其他形态的机器人。”

在《Sources》最新一期播客专访中，OpenAI首席执行官Sam Altman（奥尔特曼）被问及公司硬件业务进展时，向主持人给出了这一回应。

这也标志着，OpenAI从一家仅为机器人企业提供AI能力的幕后重要参与者，正式转向具身智能产业的正面竞争。

OpenAI的这一决定，最可能辗转难眠的或许是马斯克，毕竟他刚刚强调过，Optimus 和 Cybercab 将占据特斯拉“绝大部分价值”，而特斯拉股价中早已计入大量关于人形机器人的预期溢价。

如今，Sam Altman的明确表态，无疑为这一叙事直接引入了一个重量级的对手。

时隔6年重新启动

为何一定会选择制造机器人，尤其是人形机器人？

奥尔特曼在访谈中给出了一个朴素的理由。

他认为，世界本就是为人类设计的。门把手、键盘、楼梯、货架，全都按照人的身高和手掌尺寸打造，“因此，一台要在这些空间中工作的机器，采用人形是最便捷的选择。”

在他看来，如果机器人最终要融入人类生活，采用与人类相近的身体形态，就能直接利用现有物理环境，无需为了机器人而重新改造整个世界。

所以，“匹配这种外形是个不错的思路。”

当然，奥尔特曼并未认为所有机器人都必须是人形，“也会存在采用不同形态的数据中心机器人。”

因为在数据中心，机器人所需完成的任务与人类生活环境截然不同，因此没必要强行采用双足、双臂的人形结构。

同时，他也给出了时间表，预期相当谨慎：“我预计我们会在2027年拿出亮眼的演示样机，但机器人真正走上街头，还需要再等好几年。”此外，奥尔特曼未透露其他信息。

这种谨慎态度是有迹可循的。

因为与其说这次OpenAI是官宣进入人形机器人领域，不如说是时隔6年后再次重启机器人业务。

OpenAI涉足机器人的历史比大多数人想象的更早，自2016年起，它陆续推出了强化学习基准环境OpenAI Gym、开源机器人仿真平台Roboschool，并成功研制出Dactyl——一只灵巧到能单手复原魔方的机械手。

2019年10月，OpenAI通过神经网络训练，用类人机械手单手还原三阶魔方，实现了15步内还原成功率稳定在60%。即使在需要旋转26次、外加人为外部扰动的情况下，成功率仍保持在20%。

这项研究在当时极具开创性，它证明了通过仿真环境训练、再将能力迁移到真实机器人的技术路线是可行的。如果沿着这条路径持续发展，OpenAI或许会成为最早实现“仿真到现实”路径的公司。

但故事在2020年前后急转直下，OpenAI亲手解散了机器人团队。

后来，OpenAI联合创始人沃伊切赫·扎伦巴解释过，放弃具身智能的根本原因在于数据瓶颈。机器人物理交互数据极其稀缺、采集成本高昂、迭代缓慢。相比之下，互联网上的文本和图像数据则海量且易于获取。

从通往AGI的效率路径来看，将资源集中于大语言模型，也就是后来的ChatGPT，显得更为“明智”。同样的研发资源，投入语言模型能撬动的数据规模，是机器人的千万倍。

后来的事大家都知道了，ChatGPT横空出世，引爆了全球大模型热潮，OpenAI也一举成为全球估值最高的AI独角兽。

虽然团队解散，但OpenAI从未真正离开机器人赛道，只是选择了一条更轻巧的路径——投资。

一个典型例子就是投资了美国人形机器人明星企业Figure AI，为Figure的人形机器人开发专属的多模态AI模型。

仍然主攻“大脑”

直到2025年2月，Figure AI创始人Brett Adcock（阿德考克）正式宣布终止与OpenAI的合作，转而自主研发端到端机器人AI模型。

正是这次不到一年的合作，成为压垮OpenAI“旁观者”心态的最后一根稻草。

从当初布雷特·阿德考克给出的解释中，OpenAI意识到一个问题：大语言模型处理的是“符号”，而机器人需要理解的是“物理”。

语言可以描述世界，但无法替代对世界的直接感知。想在现实世界中大规模解决具身智能问题，就必须垂直整合机器人AI。

换句话说，光靠投资他人是不够的，自己必须亲自下场。入局的第一刀，仍然是主攻“大脑”。

奥尔特曼在访谈中坦言，与其纠结机器人长什么样、身体结构如何设计等细节，“这些问题远不如驱动机器人运转的大脑重要。”用他的话来说，如果一台机器不知道如何运用四肢，就算给它装上双臂双腿，也难以发挥作用。

确实，这符合目前人形机器人的普遍现状，就像一个四肢发达、头脑简单的健身教练——动作挺溜，但让它去厨房给你倒杯水都费劲。

OpenAI要做的，就是给这个健身教练装上大脑，这也基本点明了OpenAI进入机器人领域的核心逻辑：形态可以不同，但智能必须成为通用能力。

奥尔特曼敢这么说，是因为已经有了可以跑通的例子。

就在不久前，有网友拿着OpenAI刚发布的GPT-6 Astra尝试作为机器人的大脑。网友基于SO-101机械臂，在GPT-6 Astra的控制下，边画边看，最终画出了一幅金门大桥。视频一经发布，Sam Altman更是直接转发表示“我也想要一个”。

还有更厉害的，有网友先录下一段人类完成新任务的视频，把录像丢进Codex，再让GPT-6 Astra控制机械臂，用同样的方式完成任务，结果一次性跑通。

也有人将GPT-6 Astra接到两只真实的I2RT YAM机械臂上，让其执行把桌上的红色积木抓起来、放进旁边碗里的指令，一共20次，Astra成功了19次，成功率95%。

很难想象一个并未专门为机器人训练的通用模型，能做到这种程度。

别人制造机器人，是先造一具身体，再想办法往里塞智能。OpenAI的路数是反过来的：先让AI在虚拟世界里理解物理世界长什么样、东西怎么掉、怎么碰、怎么被抓起来。把这套“世界模型”训练好，再灌进真实的机器人身体里。

2026年6月1日，奥尔特曼亲自在社交平台发帖，宣告成立“OpenAI Robotics”团队，而这个团队存在的目的就是教会AI搞懂真实世界的样貌与运转逻辑。

从Robotics招聘的岗位也能看出端倪。除常见岗位外，他们专门设置了负责缩小“仿真到现实”差距的工程师岗位，让机器人在虚拟世界里练出来的本事能无缝迁移到真机上。这可能会成为OpenAI区别于那些依靠真机数据采集路线的核心壁垒。

虽然奥尔特曼强调“大脑”的重要性，但这并不代表OpenAI打算把“硬件”放在一边。当你打开OpenAI的招聘页就不难发现。

机器人方向中，有关运动控制、状态估计、执行器控制、整机行为开发的岗位占了大半。甚至还有自研机电一体化执行器相关的岗位，量产要用的制造和供应链也在招人。

这足以说明，这次OpenAI重回机器人赛道，不再只是想做个“纯大脑”公司，而是想把“大脑”和“身体”握在自己手里。