“ 通用模型开始承担部分机器人任务，具身智能公司的优势在哪里？
日前，《财富》报道OpenAI撤销了独立的机器人团队，OpenAI随后确认了这一消息。调整后，原机器人研究团队并入公司主研究团队，向首席研究官Mark Chen汇报；应用机器人和硬件团队划入Applied部门，由总裁Greg Brockman负责。
外界几天前就看到了迹象。奥斯汀的CoRL会议上，会议App和展馆平面图都标着OpenAI的208号展位，但记者到场时，那里既没有机器人，也看不到OpenAI的标志。至于现场是否一直无人值守，各家报道说法不一；能确认的只有一点：原定的机器人展示没有出现。
OpenAI向《财富》表示，通用前沿模型已经展现出直接用于部分机器人任务的能力，外界普遍将这一判断与9月发布的GPT-6 Astra联系起来。英伟达10月公布的Astranomy研究给出了相关数据。这项测试使用RoboLab-120基准，共120项抓取和放置任务。榜单上最强的专用模型Lakeside成功率是51.0%。GPT-6 Astra直接生成动作，成功率是66.3%；接入保留完整会话历史的编码智能体Codex之后，升到74.8%。
GPT-6 Astra于9月发布时，主要面向编码、操作电脑和科研等任务。从现有公开材料看，机器人控制并不是当时的展示重点。
两种方案用的工具、上下文和推理预算都不一样。23.8个百分点只是同一榜单上不同方案的成绩差，不能归因于模型架构本身。这组数字也只来自仿真环境，而且模型思考时，仿真环境是暂停的。它离“通用模型接管机器人”还很远，但OpenAI已经把这类变化写进了组织架构图。
一个更合理的解释是，OpenAI并没有放弃机器人，而是不再认为机器人需要一套独立于主模型的智能。当通用模型逐渐开始承担机器人任务，行业竞争的重点也可能发生变化。影响产品落地和商业化进程的关键，可能不再只是模型本身有多聪明，还包括设备是否已经进入真实场景，以及能否持续积累现场数据。
01.
OpenAI为什么现在调整？
第一个原因，技术前提变了。
今年年初，OpenAI内部的主流思路还是从Sora这类视频生成模型入手。模型要生成足够逼真的画面，就需要在训练过程中形成对物体运动、空间关系和物理规律的隐含理解。负责人Aditya Ramesh是DALL·E的作者，也是Sora团队的核心组建者。他领导的世界模拟研究，在一年内逐渐演变成了OpenAI Robotics。
5月31日，Sam Altman公开发帖招机器人相关人员，目标仍是2027年第一次公开演示。
但9月以后，外部团队展示了GPT-6 Astra直接完成机器人任务的能力。开头那组数据说明，目前证据还不足以证明通用模型已经全面超过专用模型，但至少表明，通用模型在不经过机器人专项训练的情况下，也能够在部分任务上达到甚至超过专用方案。
第二个原因，和历史有关。
这是OpenAI第二次调整机器人团队。2019年，它展示了机械手解魔方研究；2020年前后，团队和相关研究收缩。联合创始人Wojciech Zaremba后来解释，机器人缺少适合预训练的大量数据，把资源投入其他路线效率更高。此后，OpenAI把更多精力转向大语言模型。2022年底，ChatGPT发布。
2024年，OpenAI重建机器人团队，并与Figure合作。2025年2月，Figure结束合作、转向自研。据Business Insider报道，OpenAI旧金山机器人实验室最多时约有100名数据采集员，为训练积累真实操作数据。
两次调整的原因正好相反：第一次，机器人数据太少，模型学不起来；这一次，通用模型从别处学到的能力，已经能直接用于部分机器人任务。至于OpenAI手中这些数据以后如何使用，目前没有公开说明。
第三个原因，是成本背景。
据报道，OpenAI最近一个季度经营亏损达到109亿美元。此前，Altman要求公司放弃部分偏离核心目标的“支线任务”，包括Sora在内的一些项目被调整，算力被集中到更核心的业务上。公司正在推进新一轮融资，IPO最早可能在2027年初。
把研究员集中到主模型研发，财务上确实更容易解释。
OpenAI的公开说法仍然是：机器人仍是长期愿景的核心，调整是为了加快通用机器人落地。OpenAI员工Scott Cory表示，项目路线图和目标没有改变；工程师David Schnurr则在X上称，还有十几个机器人相关岗位在招聘。硬件项目接下来如何安排，目前仍没有更多公开信息。
三个原因指向同一件事：机器人从一个需要单独养着的方向，变成了主模型能力的一个出口。
02.
通用模型进入机器人的四个层次
最近几家公开的实验看上去各做各的，其实可以按通用模型参与机器人的方式和深浅，分成四个层次。
第一层：在幕后帮忙训练专用模型。 据谷歌介绍，通用模型Gemini 4 Argon参与了机器人模型Gemini Robotics 2.5的研发。它根据真实摄像头画面辅助构建数字孪生，生成仿真练习，还结合失败视频分析原因。
这一层最不显眼。它可能最先规模化，因为它不要求通用模型在现场实时反应。
第二层：一个模型负责理解流程，动作交给专用模型。谷歌在奔驰工厂做过一次概念验证：Apptronik的Apollo 2人形机器人做零部件拣选配套，报告成功率96%。其中，具身推理模型负责跟踪工作流程，Gemini Robotics 2.5动作模型控制手臂和双手。
要说明两点。第一，谷歌没有说明这个具身推理模型是不是通用模型，公开材料也不足以认定负责规划的是Argon，所以这个案例只能代表“推理和动作分工”这种结构。第二，96%是概念验证的结果，不是正式产线长期运行的指标。
分工的好处，是把慢的部分和快的部分拆开：规划可以慢慢想，动作必须马上做。
第三层：直接控制，模型根据画面和机器人状态输出动作。 Gemini 4 Argon通过动作接口控制机械臂摆正杯子、放入纸巾。它还为波士顿动力的Spot搭建了一个垃圾桶的仿真模型，先在里面练习踩踏板开盖，再到真实环境里投放易拉罐。
Anthropic展示了Claude Fable 5.2控制真实机器人拧瓶盖、解益智方块和绘画。据报道，Anthropic称这些任务都没有专门训练过，但演示视频不是原速。在公司内部运行的RoboDojo Sim双臂仿真评测中，Fable 5.2得分64.9%，上一代Fable 5.1是27.6%，同一框架下GPT-6 Astra只有29.8%。这项评测由Anthropic自己运行，并拿来和竞品对比。它测的是双臂操作，和英伟达的抓取放置基准不同，成绩不能直接横向比较。
第四层：直接控制，再加上记忆。 英伟达的Astranomy研究里，Astra直接生成动作的成功率是66.3%，平均每次推理约18.56秒。接入保留完整会话历史的Codex后，成功率升到74.8%。研究的解释是，会话历史保存了计划、动作和反馈，帮助模型跟踪任务进度。在子集实验中，额外开放代码执行、图像检查等工具，提升有限。这套方案每成功完成一次任务，API费用估算约36.40美元。
以上能看出三点。第一，最好的74.8%是在“暂停世界”的条件下拿到的。英伟达的测试里，模型思考时仿真环境会暂停；测试主要是抓取和放置，没有覆盖插接、装配这类复杂接触任务。仿真环境可以等模型想十几秒，传送带和正在倒下的杯子不会等。
第二，在接近真实工厂的场景里，报告成功率最高的是推理和动作分工的方案，不是由一个通用模型包办一切。
第三，同一个Astra，在英伟达的抓取放置基准上接入Codex后是74.8%，在Anthropic内部的双臂评测中只有29.8%。两项测试的任务、接口和评判标准都不同。这不能说明Astra变弱了，只说明成绩高度依赖基准和接口，何况后一项是竞争对手自己运行的评测。
所以，开头那23.8个百分点能说明，通用模型在这类任务上已经够聪明，但说明不了它已经够快、够便宜。
03.
两种押注的交锋
OpenAI现在开始让通用模型承担机器人任务，并不等于物理世界的问题已经解决了。Physical Intelligence联合创始人谢尔盖·莱文长期研究的，正是这个问题——训练一个以物理交互为核心的机器人基础模型。不过，莱文并不认为机器人模型必须与通用模型完全分开。
需要说明的是，下面莱文的观点来自他此前在Minus One节目的一场访谈，不是对OpenAI这次调整的回应。所谓交锋，是笔者把两种看法放在一起对照。
交锋一：机器人需要一个独立于通用模型的“大脑”吗？
CMU机器人研究所助理教授Guanya Shi认为，OpenAI可能已经不再把机器人当作特殊问题，而是看成通用智能的下游应用，和编程、法律、金融工具共用一个底座的原理相似。瓶子换了位置、光线变了，模型也能应对，还能推理任务的先后顺序，判断哪一步出了错。
莱文其实不反对用大模型做底座。他在谷歌时，把一间会议室改成实验室，放进很多机器人不停地抓东西。结果机器人非常擅长抓取，却没有因此学会其他任务。他的结论是，缺的是经验之外的先验知识。所以PI的第一个模型π0，用的就是预训练的视觉语言模型骨干。
两人的分歧不在于要不要用通用模型，而在于通用模型之外还缺什么。Guanya Shi自己也提醒，能在机器人本地运行、不依赖持续联网的小型专用模型仍然有必要。
交锋二：从通用模型借来的能力能不能直接用？
莱文的回答是，原则可以借，方法得重做。他举过两个例子。
第一个是标注。视频模型扩写提示词时，可能会描写翠绿的草、狗飘动的金色毛发，这些对机器人没用。机器人需要的，是和自己该做的动作紧密相关的信息。
第二个是视觉推理。要让机器人按电器的电源键，说“在右边缘往左三英寸”不一定有用；生成一张机器人手指正碰着按钮的图片，就能清楚地告诉它该做什么。在π0.7里，这类图片由一个独立模型生成。
这里的重点不是π0.7会不会生成图片，而是机器人需要的信息最终要能对应到动作上。通用模型擅长描述世界，机器人需要的却是能直接转成动作的信息。从描述到动作这一步，目前还得专门去做。
交锋三：物理世界的知识从哪来？
这是双方押注真正不同的地方。OpenAI的判断是，通用前沿模型已经能直接用于部分机器人任务，机器人研究应当并入通用模型研发。至于通用模型最终能覆盖多少物理世界的需求，它没有公开说。
莱文有一个形象的说法：互联网很小，物理世界很大。大量关于物体、接触、力、材料和现场纠错的知识，并没有被完整地记录在互联网上。要让机器理解物理世界，只能让它成为机器人。
他描述的路径是这样的。机器人先在人的监督下干活：比如物流设施里掉了东西，人捡起来放回去，机器人由此学会补救。他说这已经是很多部署中的常见做法。下一步是用强化学习让机器人从一开始就少出错。这一步目前主要在实验室里起作用，还没有在实际部署中广泛采用。
主持人拿Waymo追问：几千辆车，也走了十七年。莱文的回答是，汽车太专用，又不能随便试错；机器人能做的事更多，可以先做低风险任务积累能力，再去做高风险任务。
这条路径有个前提：机器人得先部署出去，哪怕还不完美。
莱文说，模型表现不好，可能是参数不够，也可能只是连接器没插好，夹爪合不严。这时你得走到机器人旁边，把连接器插好，再回去训练模型。
双方的分歧并不在“通用和专用谁赢”，而在于物理世界的知识有多少能提前学到，又有多少只能在现场边干边学。
04.
具身公司接下来比什么
MIT教授、Walden Robotics联合创始人兼CEO Russ Tedrake认为，机器人公司的机器已经在工厂等真实场景里干活，这些部署经验和数据是AI实验室难以复制的。而且基础模型越强，这些数据越值钱，因为机器人能更快地从中学会适应具体任务。Generalist联合创始人Pete Florence则认为，目前还看不出哪种模型会在长期主导机器人领域。
各家已经在调整位置。PI通过API提供模型微调和托管推理；Generalist用自己采集的物理交互数据训练模型，适配不同的夹爪和末端工具。莱文认为，机器人行业未来可能像计算机产业一样，从一家公司包办一切，走向硬件、物理智能层和应用的分工。
把四个层次和三轮交锋放在一起，能得到一个比“专用模型会不会被淘汰”更具体的结论：通用模型降低了机器人理解任务的门槛，但没有降低进入现场的门槛，也没有降低产生有效数据和控制身体的成本。
对具身公司来说，更现实的机会可能落在三处。第一是部署能力，设备是否已经进入真实场景并持续产生数据；第二是数据闭环，失败和人工纠错经验能否重新反馈给模型；第三是商业可行性，单次任务的时延、人工接管次数、连续稳定运行时间和完整成本，能否达到客户愿意付费的水平。
未来一两年，或许比谁发布了更聪明的模型更值得关注的，是真实任务里的成功率、每个动作要等多久，以及每完成一件活要花多少钱。
来源：机器人大讲堂
