在美国奥斯汀举办的机器人学习会议 CoRL 上，208 号展位显得格外反常：会议手册和场馆平面图上都清清楚楚印着 OpenAI 的名字，展位却始终空着，连一块公司标识牌都没挂出来。
缺席的谜底很快揭开。据《Fortune》杂志披露，OpenAI 已经解散了独立的机器人研究团队，成员被分散安插进公司其他部门。这一调整随后得到 OpenAI 证实。
具体去向是：原团队里做基础研究的人员并入核心研究团队，向首席研究官 Mark Chen 汇报；负责应用机器人与硬件的人员则划入规模更大的 Applied 部门，由公司总裁 Greg Brockman 统管。
面对外界猜测，OpenAI 强调此举并非退出机器人领域，称机器人依旧处于公司长期愿景的核心位置，把通用机器人带进现实世界的目标没有动摇。
回看 OpenAI 与机器人的纠葛，这已是第三次大的转向。公司早期组建过机器人团队，2020 年将其解散，联合创始人 Wojciech Zaremba 事后解释，当时机器人训练数据太稀缺，走别的路通往 AGI 或许更高效。此后 OpenAI 押注大语言模型，用海量人类文本喂出模型，最终在 2022 年底迎来 ChatGPT 的爆发。
2024 年，机器人团队重新挂牌，OpenAI 还与人形机器人初创公司 Figure 达成合作，为其开发 AI 模型。可惜这段姻缘不长，2025 年 2 月 Figure 宣布分道扬镳，转向自研。OpenAI 干脆自己上手做类人机器人：2026 年 5 月底，Sam Altman 公开发帖大规模招人，正式亮出 OpenAI Robotics 的名号，并把 2027 年定为首次公开演示的时间点。
真正促成这次重组的，似乎是一个技术层面的新判断。据《Fortune》报道，OpenAI 年初的研究思路还是指望从 Sora 这类视频生成模型中挖掘机器人技术的突破口——Sora 为了生成逼真画面，在训练中掌握了物体运动、空间关系等物理规律，这些能力理论上可以迁移给机器人。
但评估结果改变了方向。OpenAI 发现，以 GPT-6 Astra 为代表的前沿通用模型，已经能直接胜任机器人任务，无需专门模型作为中介。于是，机器人研究人员被整体并入通用模型研发体系，让机器人研究与基础模型的演进绑在一起。
这种做法并非没有依据。近期有研究者把 GPT-6 Astra 直接接到机器人上，输入摄像头画面和机器人状态信息，再给模型配一个动作执行接口。英伟达的一项测试显示，由 Astra 驱动的智能体在某项模拟操作基准中拿下 74.8% 的成功率，而该榜单上公开成绩最好的专用机器人模型只有 51.0%。需要说明的是，实验在仿真环境中完成，被控制的是模拟机器人而非实物，但差距本身已足够引人注目。
卡内基梅隆大学机器人研究所助理教授 Guanya Shi 把这次调整解读为一个重要信号：OpenAI 或许不再把机器人当成需要单独攻克的特殊难题，而是当作通用智能的一种下游应用。在他看来，这与当下流行的 AI 编程、法律、金融工具逻辑一致——底层共享同一套通用模型，上层用不同工具和接口适配具体场景。
通用能力的提升，也降低了机器人对专项训练的依赖。比如瓶子挪了位置、光线变了，模型仍能应付；它还能推理出任务的先后顺序，发现某一步出了问题，再据此调整后续动作。
障碍同样明显。大语言模型推理速度慢，且通常依赖云端算力，而机器人对实时性要求极高，网络延迟和连接稳定性随时可能成为致命短板。Guanya Shi 认为，能跑在机器人本地硬件上的小型专用模型依然不可替代，它们至少能保证在没有持续网络连接的情况下完成部分工作。
数据层面的问题同样存在。MIT 教授、Walden Robotics 联合创始人兼 CEO Russ Tedrake 指出，机器人公司手里握着 AI 实验室难以复制的东西——它们的机器已经进入工厂等真实场景，持续积累一线运行数据，这些数据能帮助机器人贴合具体的工作场所和任务。基础模型越强，机器人从这些数据中学习的效率反而越高。换句话说，通用模型与真实场景数据需要互相成就，前者提供理解与推理，后者解决环境适配。
专注通用机器人 AI 模型的初创公司 Generalist 联合创始人 Pete Florence 则持保留态度。他认为，现在断言哪条路线能笑到最后为时尚早，智能可能有不同的生长起点，现有模型还不足以给出裁决。
这场路线之争牵动着整个行业的神经。过去几年，数十亿美元涌入机器人赛道，大量初创公司遵循相似的打法：为机器人定制专属 AI 大脑，靠大规模采集机器人数据训练专用模型，逐步逼近通用操作能力。OpenAI 走的是另一条路——先把通用模型的理解、推理和空间能力做扎实，再通过接口对接物理设备，直接让通用模型充当机器人的智能控制中枢。
假如这条路被持续验证，围绕专用模型搭建的研发体系恐怕要重新审视。不过机器人公司的价值不会因此归零，真实场景部署、硬件设计、控制系统和场景数据，仍是机器人规模化落地绕不开的根基。
这次调整也带着成本控制的烙印。此前 Altman 曾要求公司砍掉偏离核心目标的「支线任务」，把资源集中到关键产品与研发方向，随后多个项目被陆续调整，计算资源得以重新分配。有报道称，OpenAI 最近一个季度运营亏损达 109 亿美元，公司同时在推进新一轮融资，并为可能于 2027 年初启动的 IPO 做准备。在这种局面下，把分散的研究力量收拢到通用模型研发上，正契合公司提高资源利用效率的诉求。
