问题

11 月 13 日,Fortune 报道 OpenAI 解散了独立的机器人团队,OpenAI 向 Fortune 确认了这次重组。机器人研究员并入首席研究官 Mark Chen 领导的主研究团队;做应用机器人和硬件的团队并入总裁 Greg Brockman 领导的 Applied 部门。据 Fortune 转述,发言人表示机器人仍是 OpenAI 长期愿景的核心部分,并给了理由:年初时,研究员以为做机器人最好的路线是沿着 Sora 这类世界模型往下走;但之后包括 GPT-6 Astra 在内的通用前沿模型已经证明,可以直接用到机器人上。

这次调整很新。当周在奥斯汀举办的机器人学术会议 CoRL 上,OpenAI 已经订好的 208 号展位,Fortune 去看时空无一物。

一条广为转发的帖子把它读成了讣告。帖子写道 “OpenAI has officially disbanded its robotics team, just five months after relaunching it”,接着是 “it’s over”,浏览量过了一百万。OpenAI 员工当天下午就出来反驳。工程师 David Schnurr 写道 “robotics at openai is alive and well.",并说有 15 个职位在招。简介为 “sora, robot researcher @ openai, cs @ stanford” 的 Welton Wang 回复:“this is completely wrong (read the article), we are investing more than ever in robotics.”

两边吵的都是 OpenAI 是不是不做机器人了。Fortune 的报道没这么说,员工也说不是。更值得问的是:这张组织架构图押的是什么,又放弃了什么。

我的结论

按 Fortune 的说法,我的理解是:OpenAI 拆机器人项目,正好拆在它自己说过的地基上。

5 月 31 日,Sam Altman 写道:“Our world simulation research program, led by Aditya Ramesh (@model_mechanic), has evolved over the past year into OpenAI Robotics. Progress is rapid, and based on a foundation of co-design between robotics hardware and ML research.” 也就是世界模拟研究项目在过去一年演变成了 OpenAI Robotics,进展建立在机器人硬件和机器学习研究的协同设计之上。五个半月后,按 Fortune 的说法,机器学习研究向一位高管汇报,硬件向另一位高管汇报。

这是一个说得通的押注,不是撤退。如果通用模型真的能驱动机器人,机器人就成了这个模型的下游应用,和写代码、做法律工作一样。卡内基梅隆大学的 Guanya Shi 告诉 Fortune,他把这次调整理解为 OpenAI 认为机器人 “no longer a special problem”(不再是一个特殊问题)。在这个前提下,单独做机器人大脑的团队大多是在重复造通用模型,还要跟它抢算力。

代价是:协同设计原来是一个团队的事,现在成了两条汇报线之间的接口。机器人需要、而通用模型不在乎的东西,比如速度、断网运行、接触密集的精细控制、真实车间里的稳定在线,在研究这一侧不再有专门的负责人。我的判断:如果 OpenAI 把机器人任务变成评判通用模型的标准之一,这次重组是对的;如果机器人沦为一个客户,只能给忙着做别的事的研究部门提需求,那就是错的。

约束条件

有四件事让这件事没那么简单,不是"模型变强了,把团队并进去就行”。

速度和联网。 Shi 还对 Fortune 说,大语言模型能力强但慢,跑在云上,要求机器人一直联网。他认为仍需要能跑在机器人本体计算机上的小型专用模型。一个模型会做这件事,但每次都要连回云端再等结果,还算不上控制器。

现场数据在已经部署了机器人的人手里。 MIT 教授、Walden Robotics 联合创始人兼 CEO Russ Tedrake 对 Fortune 说,机器人公司有一个实验室没有的优势:它们的机器人已经在真实场所积累工作经验;基础模型越好,这些特定现场的数据越值钱,因为机器人能更快地从中学会。OpenAI 自己的机器人还没公开亮相;据 Fortune 报道,Altman 的目标是 2027 年首次公开演示自家人形机器人。

物理工程依然难。 这一点最好的证据是 OpenAI 自己 11 月 3 日的文章。文里的 Astra 做的是一台用来跟 Codex 对话的设备,不是机器人。两名成员把它当作副业,用 Astra 在一周内设计出来,代工厂不到一个月做出了一小批样机。OpenAI 写道:“Getting the device ready for manufacturing still required several rounds of review and iteration. Astra did not consistently account for the manufacturer’s production limits, tolerances, or details required for assembly. These gaps are helping us identify what future models need to do better.” 也就是可量产仍要好几轮评审和迭代,因为 Astra 没有始终考虑到厂商的生产限制、公差和装配细节;这些缺口在帮他们看清未来的模型还要在哪些地方做得更好。我的判断:据 Fortune,硬件团队现在归 Applied;这篇文章没说这台设备是哪个部门做的;机器人硬件也有类似的制造细节,所以我把它看成协同设计问题。

钱和聚焦。 Fortune 指出,这次重组发生在 OpenAI 面临降本、聚焦少数核心产品压力的时候:Altman 早先要求放弃 side quests(支线任务),Sora 已被砍掉,上一季度运营亏损据报道达 109 亿美元,并可能在 2027 年初 IPO。这些是媒体报道的数字,不是 OpenAI 的披露。Fortune 把这些当作背景,不是 OpenAI 自己陈述的理由(OpenAI 公开的理由是能力)。我的理解是,成本压力会让单独做一套机器人模型更难辩护。

取舍选项

要做的决定:在一个以通用模型为主要产品的实验室里,机器人业务该怎么组织。

选项 得到什么 代价 我选不选、为什么
保留独立机器人团队和自有模型(5 月的架构) 从电机到模型一个负责人;协同设计在一个团队内完成;机器人的需求决定研究议程 重复造通用模型;抢算力;在丢掉支线任务的预算下很难守住 如果通用模型已经能迁移过去,我不选。OpenAI 说它能
研究并入通用模型,硬件并入 Applied(OpenAI 的做法) 通用模型的每一次进步都直接带到机器人上;不用维护第二个模型 协同设计变成两个部门之间的交接;机器人的特殊需求要和研究部门所有其他优先级竞争 我选它,但有条件(见下文)
退出硬件,把模型授权给机器人公司 不用建厂、不烧硬件的钱;现场数据由机器人公司提供 OpenAI 试过类似做法。2025 年 2 月,Adcock 宣布 Figure 退出合作协议,理由是一项突破:“fully end-to-end robot AI, built entirely in-house” 不选。这是我的推测,Adcock 的帖子和 Fortune 都没这么说:有自己打算的合作方离开时,现场数据可能跟着走

选中间那一行,我放弃的是:一个对机器人端到端能否工作负总责的人。下面的条件就是为了把这一点补回来。

证据

可靠的部分:OpenAI 向 Fortune 确认了重组,包括两个去向和两位负责的高管。Altman 5 月的帖子是一手来源,明确把协同设计称为基础。OpenAI 11 月 3 日的文章也是一手来源,写明其硬件和基础设施团队在机器人和算力基础设施上用 Codex 和 ChatGPT 做 CAD、出图、仿真和设计评审,硬件团队的 token 用量自 2 月以来增长了 23 倍。

有争议或证据薄的部分:规模。Fortune 没给人数,也没有人说清多少人调去了哪里。Schnurr 说有 15 个在招职位。11 月 17 日,OpenAI 公开职位列表(https://jobs.ashbyhq.com/openai)里,team 和 department 都标为 Robotics 的正好 15 个,没有机器学习研究岗。其中 11 个是机械、电气、固件、制造或测试;另外 4 个是控制系统软件、数据采集与评测软件、执行器技术项目经理,以及一名机器人安全工程师。控制系统软件那条写明要和机器学习工程师一起实现强化学习模型,岗位本身仍是实时控制,不是研究岗。Wang 的帖子针对的是 “it’s over” 的说法,不是 Fortune 报道的事实,他还让大家去读原文。

我刻意没用的:通用模型在仿真环境里控制机器人的成功率。仿真分数对上面那些约束说明不了多少,我不想靠它们立论。

值得认真对待的反驳。“团队和汇报线不重要,同一批人还在做同样的事。“有时确实如此,CoRL 的场景也支持这点:Fortune 看到前团队成员站在空展位旁,照样有人围观。但算力紧张时,汇报线决定谁的路线图优先,而这正是 Fortune 描述的处境。“机器人只是模型的又一个应用。“有可能,但做通用机器人模型的创业公司 Generalist 的联合创始人 Pete Florence 对 Fortune 说:“There may be different starting points for how to grow intelligence.” 而且现在还看不出哪个已有模型会主导机器人领域。

这个结论的边界

这个论证假设 Fortune 描述的组织架构就是实际干活的方式。如果研究部门和 Applied 实际上合办一个机器人小组,我担心的那道接缝可能并不存在。如果通用模型变得足够快、足够小,能跑在机器人本体上,速度这条约束就消失了,论证也会减弱。它也不适用于已有部署车队的机器人公司:对它们来说,Tedrake 的观点正好相反,通用模型越强,它们的现场数据越值钱。我没有说 OpenAI 要退出机器人,也没有说这次重组会失败。

我会怎么改

如果我在 OpenAI 的新架构里负责机器人:

跨两个部门指定一个人,对机器人的闭环要求负责:响应时间、断网时的行为、抓取失败后的恢复。

把一组固定的真机任务放进通用模型的发布评测,让机器人能力的退化可以像代码能力退化一样卡住模型发布。

围绕 2027 年演示本身,保留一个硬件加研究的小分队,现在就写好带日期的验收标准。

如果我是旁观这件事的机器人公司,我会继续积累部署数据;在模型厂商公布带延迟和断网表现的真机结果之前,不会把云端通用模型当成自己的控制器来规划。

我在看的:OpenAI 下一次发布模型时是否报告任何机器人评测,那 15 个机器人职位是否一直在招,以及 2027 年的演示日期是否守得住。