"通用模型能否取代专用大脑" 的路线之争,正式打响!
11 月 13 日,据《财富》杂志报道,OpenAI 已经解散其独立的机器人研究团队,原团队研究人员被重新分配到公司的其他部门。
此前,OpenAI 预定了奥斯汀机器人学习会议 CoRL 的展位,而会议现场的展位空空如也,随后公司向媒体确认了本次组织调整。
OpenAI 此次解散机器人团队,并不意味着放弃了机器人业务,相反,机器人业务依旧是公司长期目标的一部分。这次公司结构调整的目的是改变研发组织方式,加快其通用机器人项目的推进速度,相关研发人员不再组成一个单独的团队,而是分别并入大模型研发和产品应用两条主线。
从目前的行动看来,OpenAI 正在押注一条新的道路,即让通用大模型承担更多的任务,担任机器人大脑的角色。
宇树科技创始人王兴兴在前段时间的世界物理 AI 大会上就公开表示,物理 AI 被击穿的苗头已经极其清晰,快则一两年,慢则两三年。在他看来,未来两年内行业就能够在物理层面,真正把基础大模型和机器人技术完全统一起来。
同样,智元也看好基础大模型对具身智能的影响。智元联合创始人、总裁兼 CTO 彭志辉表示,GPT-6 Astra 等通用基础模型向具身领域渗透是大趋势。不过,对智元这样的全栈机器人企业而言,坚持自研决策模型仍然是必选项。
团队调整
这次变动并不是 OpenAI 对机器人团队的首次调整,公司此前已经在机器人业务结构上进行了多次调整尝试。
早在 2020 年,OpenAI 就已经第一次关闭了其早期机器人团队。当时公司联合创始人 Wojciech Zaremba 表示,机器人研发面临着可用训练数据太少这个核心难题。数据采集是具身智能项目成本很高的环节,语言模型可以直接抓取互联网上现成的文本和图片素材,但机器人模型需要的是物理交互数据,成本远高于互联网文本数据。
在这种情况下,利用互联网的海量文本训练语言模型,是通往通用人工智能的一条效率更高的路径。在那之后,OpenAI 把主要资源投入了大语言模型的研发,并且取得了巨大成果,最后在 2022 年推出了 ChatGPT。
2024 年,OpenAI 又重新搭建起独立机器人团队,并且和人形机器人初创公司 Figure 合作,一起开发适配人形机器人的 AI 模型。但双方的合作维持时间并不长,2025 年 2 月,Figure 宣布停止合作,选择自主研发机器人模型。
此后,OpenAI 继续推进内部机器人项目的研究,开始搭建自己的数据采集实验室,开发自己的人形机器人,并且持续招聘相关人才。在之前的采访当中,公司联合创始人兼首席执行官 Sam Altman 把 2027 年定为公开展示成果的目标时间。
现在,OpenAI 又一次做出了团队调整,这也意味着公司的研发模式将进一步优化转变。
重新下注
这次结构重组的背后原因,是 OpenAI 对于自身技术路线的重新判断。
在今年年初,团队原本的思路仍然是依托 Sora 等模型的能力做机器人研发,利用视频生成模型对物体移动、空间位置关系以及物理世界规则的学习成果,将各类能力迁移到机器人上,推进机器人能力的开发。
但后续通用大模型的研发进展超出了团队的预期。研究人员将 GPT-6 Astra 接入机器人后发现了超出预期的表现,直接使用这款通用大模型就可以完成部分机器人任务。包括 GPT-6 Astra 在内的通用模型已经可以直接接收机器人传感器的信息,输出控制指令,并且承担机器人的智能任务。
这一变化使得 OpenAI 调整了自身的研发路线。公司不再优先开发专门给机器人使用的独立模型,他们选择把机器人研究放到通用基础模型体系里面。机器人不再被当成一个单独的 AI 问题,而是通用人工智能的下游使用场景,和代码助手、AI 办公工具属于同一类逻辑。
此次重组反映出了行业内一个越来越受认可的判断,即通用大模型同样可以用于具身智能,能够操控实体设备在现实世界中行动,过去需要专业模型才能完成的部分任务现在可能可以让通用模型处理。这样一来,就不再需要单独的机器人团队来开发机器人专用的 AI 模型了。
英伟达开展的 Astranomy 项目的相关测试数据是支撑这个判断的重要参考。研究人员给 GPT-6 Astra 输入摄像头画面和机器人自身状态数据,同时开放控制接口,让模型直接输出动作指令。在仿真任务测试里,这套 Astra 智能体方案达到了 74.8% 的任务成功率,而在这个测试榜单上,之前性能最好的专用机器人模型最高成绩是 51%。
卡内基梅隆大学机器人研究所助理教授石冠亚表示,通用大模型已经在空间理解和推理能力上有了很大的进步,这让它们有能力处理过去需要专门训练的任务。现在的通用模型可以适应新的环境,也可以判断多个任务步骤的执行顺序,甚至能够分析在哪一个步骤出现了问题。
现在,OpenAI 希望通过对研究人员的重新分配,将这些能力进一步转化为机器人的实际执行能力,推动机器人的研发,将通用机器人推广到全世界。
这次组织调整,也有商业层面的原因。
重组的时间正值 OpenAI 面临财务压力之际。Altman 提出,公司要砍掉偏离核心目标的支线项目,为此 OpenAI 裁撤了部分研发方向,其中包括 Sora,把算力资源重新调配到更核心、更具备盈利潜力的项目上,把人员并入核心模型部门,方便统一调配算力和研究力量。据报道,公司上个季度运营亏损高达 109 亿美元,当前 OpenAI 正在推进新一轮融资,同时筹备最早 2027 年初的 IPO。
现实局限
尽管仿真测试项目中 GPT-6 Astra 的表现很亮眼,但通用大模型现在还不能完全替代专用的机器人模型,因为通用模型依然有非常现实的短板没有解决,硬伤也很明显。
公开的数据显示,当前通用模型的推理成本十分高昂。表现最好的智能体方案完成一次成功的任务平均要消耗 3090 万个 Token,单次任务的推理成本大约是 36.4 美元,就算是成本更低的直接控制方案,单次任务也要消耗 16 万个 Token,成本约 1.96 美元,并且这只是在仿真环境下的数据。真实的场景往往更复杂,应用成本只会更高。
其次,通用大模型参数大,推理过程长,在现实场景的工作任务当中,过长的延迟完全无法满足实时控制的要求。Astranomy 研究中 Astra 单次推理耗时约 18.56 秒,智能体方案每个成功任务回合消耗约 3090 万 Token、估算 API 费用 36.40 美元,真实工厂的传送带可不会停下来等模型思考。
此外,通用模型十分依赖云端和网络,机器人要调用模型就必须保持稳定的网络连接,一旦网络中断或者延迟波动,机器人就可能会失去控制,带来安全风险。因此,通用模型目前还完全无法落地。
OpenAI 这次突然的结构调整在行业里引出一个核心问题,通用大模型能否成为机器人的大脑?
过去很长一段时间,众多机器人公司的主流做法是搭建一套独立的机器人智能系统,单独开发各类功能模块,采集大量机器人专属数据训练专用模型,对于不同的场景条件往往需要单独适配。
行业也并未一边倒。谷歌 DeepMind 的 Apollo 2 在奔驰工厂零部件分拣成功率达 96%,采用 "通用推理 + 专用动作模型" 协同;英伟达 GR00T 2 靠少量示范就能让机器人适配新场景。
如果 OpenAI 的这条通用模型路线能够跑通,整个机器人行业的分工模式将会发生改变,通用模型将负责理解环境、推理任务以及规划步骤,机器人只需要保留底层的运动控制硬件。此时,大量主打机器人专用基础模型的初创公司则会面临极大的竞争压力。
但也有很多业内研究者认为,机器人企业的核心优势短时间内很难被通用模型超越。
麻省理工学院教授、Walden Robotics 联合创始人兼 CEO Russ Tedrake 表示,机器人企业手握真实场景落地经验,积累了工厂、仓储等各类工作环境的现场数据,这些真实环境数据可以让机器人适配特定场地的特殊规则。基础模型能力越强,机器人从场景数据里面学习的速度也就越快。
结语
OpenAI 的机器人路线,已经走到了新的岔路口。
过去,机器人是独立的研发赛道,现在,机器人变成了验证通用大模型具身能力的载体。团队不再单独投入资源搭建机器人基础模型,转而依托 GPT-6 Astra 这类通用模型的迭代去解决物理世界的控制问题。
目前,搭载通用模型的机器人已经在仿真环境的测试里拿到了不错的成功率,而通用模型能否克服真实世界里的大量不可控因素,并且实现实时控制,成为了验证这条路线可行性的关注焦点。
OpenAI 独立机器人团队的解散,是这次路线转向的一个标记,机器人研发的重心将不再放在独立机器人团队内部,而是和通用大模型的迭代绑定在一起。后续,整个行业都会持续跟踪 OpenAI 在 2027 年的人形机器人演示计划,看看依靠通用模型驱动的机器人能不能交出符合预期的成果。


资讯评论 (0)
全部评论
暂无评论,来发表你的看法吧