OpenAI 回歸機器人：想把大模型推向物理世界

大數據文摘出品

在暫停數年后，OpenAI 正將研究與招聘資源重新投向“具身智能”，并把焦點進一步推向人形系統。多份權威報道、公開招聘信息與產業動向交叉印證：這家以大模型聞名的公司，正在搭建一個面向現實世界的機器人研發矩陣。

WIRED 9 月 15 日的報道，OpenAI 近來密集招募具有人形機器人與物理控制算法背景的科研人才，并在訓練路徑上強調遙操作（teleoperation）與仿真（包括 Nvidia Isaac 等工具）；公司是否自建硬件或與外部制造商合作仍未明朗，但“人形形態”的研究正在加速推進。

這種動向在招聘信息上有“硬證據”。例如，Mechanical Product Engineer, Robotics的崗位要求明確寫到團隊“專注于解鎖通用機器人”，并強調傳感器、執行器、計算元件集成與面向真實約束的形態探索；更醒目的，是其偏向量產的字樣：“有為高產量（1M+）設計機械系統的經驗”。這意味著 OpenAI 至少在可規模化的方向上進行前置設計與評估。

此外，Simulation Environments Engineer, Robotics的崗位直接點名遙操作/硬件在環（HIL）與Nvidia Isaac等仿真生態，強調將大規模強化學習與GPU 管線優化落地到機器人任務場景。這與 WIRED 的技術路徑描述一致，構成相互印證。

早在 2024 年 11 月，前 Meta AR 眼鏡硬件負責人Caitlin Kalinowski加入 OpenAI，負責機器人與消費硬件方向。此舉被多家媒體視為 OpenAI 重返機器人賽道的強烈信號，也提示其機器人戰略并非“只做算法”。

OpenAI 早年在機器人研究上曾頗有建樹。2019 年，“Dactyl”五指機械手單手復原魔方，展示了仿真到現實（sim2real）的里程碑式成果（ADR 自動域隨機化等方法）。不過在隨后的資源權衡中，OpenAI在 2021 年關閉機器人團隊，將重心轉向能更快取得可見進展的通用模型與產品。如今“回歸”，是其技術路線回到與物理世界更深層耦合的必經之路。

從崗位與報道的交叉信息看，OpenAI 的核心假設是：把通用模型的“理解與推理”延伸到“感知—控制”的完整閉環。這需要三類能力：

1.數據采集與評測：通過遙操作與大規模仿真收集多樣交互數據，構建更強的動作生成/控制策略；相應地，OpenAI 設有DAQ/數據采集軟件工程崗位以擴展數據采集與評測體系。

2.模型與算力棧：在大規模強化學習、分布式訓練與實時推理上，承接 Isaac 等仿真環境與現實平臺，優化感知-控制的時序與穩定性。

3.形態與產線設計：通過傳感/執行器/散熱/材料等硬件工程，探索“可被現實約束驗證”的形態；“1M+ 量級”的可制造性要求，釋放了對規模化落地的前瞻信號。

換言之，OpenAI 想把“會說話的模型”升級為“會操作世界的系統”，并讓兩者在統一的評測、數據與訓練循環中相互促動。這與多位學者的觀點一致：要突破大模型在高維感知與高頻控制方面的瓶頸，AI 必須真正進入物理世界。

人形機器人并非 OpenAI 一家的競賽。特斯拉、谷歌、Agility等均在推進原型驗證與小規模商用； WIRED 統計稱自 2024 年以來，流入人形賽道的資本超過 50 億美元，且機構對 2050 年萬億美元級市場的展望不斷強化。對 OpenAI 而言，這既是技術方向的必答題，也是資本市場與合作伙伴看重的敘事。

同時，OpenAI 過去兩年圍繞算力、資金與治理的諸多調整（包括與微軟的協議重構、基礎設施多元化等），也將反向影響其機器人推進節奏與外部合作形態。就近幾日的公開報道，OpenAI 與微軟簽署新的非約束性備忘，為組織與資本框架的后續調整留出空間。

事實層面可以確認的是：OpenAI 正在重建并擴編機器人團隊、面向人形系統招募關鍵崗位、采用遙操作與仿真驅動的數據與訓練閉環；其是否自建整機、量產節奏與場景優先級仍未公開坐實。

注：頭圖AI生成

作者長期關注 AI 產業與學術，歡迎對這些方向感興趣的朋友添加微信Q1yezi，共同交流行業動態與技術趨勢！

GPU 訓練特惠！

H100/H200 GPU算力按秒計費，平均節省開支30%以上！

掃碼了解詳情?

點「贊」的人都變好看了哦！