估值7億美元！OpenAI前高管殺進工廠，要給流水線裝上AI大腦

新智元報道

編輯：元宇

【新智元導讀】從OpenAI出走的前首席研究官Bob McGrew，沒有去卷更聰明的大模型，而是殺進制造業工廠，要用AI為流水線機器裝上「眼睛+大腦」。

2024年的硅谷，經歷了OpenAI史無前例的高管離職潮。

現在回頭看當年的人事巨震，你會發現這是一次硅谷頂尖AI人才的分流：

有人繼續在「大模型」領域創業。比如OpenAI前CTO Mira Murati、聯合創始人John Schulman，以及曾任OpenAI研究副總裁的Barret Zoph，他們共同創立Thinking Machines Lab，要打造多模態的通用AI系統；不過，Barret Zoph已于年初又回到OpenAI。

有人則押注「更安全的超級智能」，比如前首席科學家Ilya Sutskever，與伙伴創辦了Safe Superintelligence。

而曾任OpenAI首席研究官的Bob McGrew，則做出了一個相對冷門的選擇。

他聯合創辦了Arda，將AI帶入制造業工廠，而不是繼續投身大模型競賽。

OpenAI前首席研究官、Arda聯合創始人Bob McGrew

硅谷最強大腦

去真實工廠「擰螺絲」

McGrew的選擇是想讓大模型「脫虛向實」，把AI鏈接到物理世界，或者說打造一個全新的物理世界。

資本市場也對McGrew的選擇展現出了前所未有的狂熱。

Arda目前正以7億美元的估值，融資7000萬美元。

這輪融資由Founders Fund和Accel領投，Khosla Ventures和XYZ Venture Capital強勢入局。

Arda這個名字帶著一點極客式的浪漫。

它取自《指環王》中意為「世界」的虛構大陸，這一命名呼應了公司的目標：要把AI連接到物理世界。

當然，McGrew的「工廠情結」，并非臨時起意。

他在OpenAI任職期間做過與機器人相關的物理任務訓練。更早之前，他還是Palantir最早的一批員工之一。

Arda的聯合創始人還有Adept AI前聯合創始人Augustus Odena，此外還有Palantir早期老兵Jakob Frick與Alex Mark參與。

Arda的聯合創始人、前Adept AI聯合創始人、鏈式思考提示的發明者Augustus Odena

為鋼鐵巨獸裝上「視覺中樞」與「大腦」

Arda正在開發一種專屬的視頻模型，作為Arda的AI和軟件平臺的一部分，將制造過程自動化起來。

視頻模型

把監控探頭變成AI眼睛

要讓機器人在物理世界跑通閉環，Arda拿出的核心武器是它的視頻模型。

這個視頻模型，能夠分析工廠車間的實時或錄制視頻，并據此訓練機器人，使其能夠在無需大量手動編碼或預定義指令的情況下，自主學習和復制制造活動。

視頻模型是Arda端到端軟件的關鍵組成部分，通過將AI驅動分析與機器人控制系統集成，來簡化自動化。

它有助于優化涉及機器和人類的流程，減少錯誤并提高生產線效率。

「人+機器」的自動化

但這還不是Arda的終極形態。

McGrew并沒有把Arda定位成「機器人公司」，而是要統籌整個生產線上的「人與機器」。

Arda軟件要做的，是把傳統制造業割裂的環節徹底打通，完成端到端的徹底重構，讓人類員工和擁有了大腦的機器，能夠在同一條流水線上協同作業。

從最初的產品設計階段AI就開始介入，驗證這個設計到底是否具備「可制造性」，然后一路貫穿到最終的成品下線。

McGrew在OpenAI的研究

McGrew在OpenAI早期曾參與機器人方向研究，后升任首席研究官。

OpenAI機器人研究的代表項目包括Dactyl和「機器人手解魔方」，其核心是通過強化學習、大規模模擬訓練以及域隨機化等方法，讓機器人在模擬環境中學習靈巧操控，并將能力遷移到真實世界。

這些研究展示了：復雜的物理操控任務并不一定需要為每一步手工編寫規則，而可以通過數據驅動的訓練方式獲得更強的泛化能力。

資本為什么喜歡Arda的故事

Arda的橫空出世，讓華爾街的投資者們看到：這絕不僅僅是一場軟件領域的革命，它很可能會直接沖擊Rockwell Automation、Emerson等傳統制造硬件巨頭的飯碗。

資本青睞Arda的核心邏輯，在于其試圖定義制造業的「操作系統（OS）」，從而實現從「單點工具」到「全棧大腦」的范式躍遷。

Arda的吸引力在于它不是賣一個點狀功能（比如只做質檢、只做預測性維護），而是把攝像頭、機器人、工序、人員協作這些「現場事實」統一到一個平臺里。

在資本眼中，Arda的潛力在于「軟件定義制造」：它正利用物理世界的基礎模型，將昂貴的專用硬件降維為通用的執行載體，從而在萬億級的傳統工業版圖中，重塑一套具備指數級增長潛力的底層架構。

熬過死亡「J型曲線」

現實的物理世界，往往比代碼世界要復雜得多。

制造業引入AI的最大幻覺是：裝上模型，生產率就會立刻上升。

MIT的一項研究認為，制造業引入AI的現實往往更像一條J型曲線：前期先下滑，熬過去才可能上揚。

https://mitsloan.mit.edu/ideas-made-to-matter/productivity-paradox-ai-adoption-manufacturing-firms?utm_source=chatgpt.com

該研究直言當前將AI引入制造業所面臨的尷尬處境：大家口中的AI賦能，目前大多只是「疊加式」的，根本算不上「顛覆式」。

比如很多工廠，僅僅只是增加一個預測性維護模型、一個計算機視覺質檢，或者一套需求預測算法。

這就像是在一臺舊機器上貼了個智能標簽，并沒有涉及業務流程的重塑。

而制造業是一個龐大而復雜的工業系統，它有著嚴苛到分鐘級的排程、錯綜復雜的供應商協同，以及那些牽一發而動全身的傳統工業控制系統。

在這樣的環境中，如果還沒有重塑底層業務流程就盲目上AI，結果很可能會是一場災難。

多倫多大學教授、MIT數字研究員Kristina McElheran認為，AI必須與組織重塑綁定在一起，這意味著決策權的下放、統一數據架構的搭建以及人員培訓。

這是一個系統工程，留給制造業的挑戰是，企業必須咬緊牙關，挺過前期因為系統磨合而導致的生產率下滑低谷。

只有熬過這段至暗時刻，才能真正迎來J型曲線后期的快速上揚。

而Bob McGrew和他的Arda，同樣也要面對J型曲線帶來的挑戰。

如果想讓AI接管一部分制造業的決策，必須先讓它經受與企業組織、業務流程、人員的長期磨合過程，這也是每一個試圖用AI來改變制造業的人都必須面對的挑戰。

參考資料：

https://www.wsj.com/tech/ai/openais-former-research-chief-aims-to-automate-manufacturing-with-ai-8871f265?mod=e2tw%20

https://x.com/rohanpaul_ai/status/2029299554169033079%20

https://www.pymnts.com/artificial-intelligence-2/2026/ex-openai-research-chief-aims-to-bring-ai-to-manufacturing/