OpenAI三度调整机器人战略：通用模型直接操控机器人，专属团队宣告解散

2026年11月13日，据Fortune报道，OpenAI已解散独立运营的机器人团队，将机器人研究人员并入首席研究官Mark Chen领导的主研究团队，应用机器人和硬件团队并入总裁Greg Brockman领导的Applied组织。公司发言人称此次重组体现了对机器人领域的承诺。

据英伟达研究数据，以GPT-6 Astra为大脑的机器人智能体在模拟操控基准测试中得分74.8%，最优秀的专用机器人模型得分为51%。

六年三次：组织变迁史

OpenAI在创立初期设有机器人团队，于2020年裁撤。联合创始人Wojciech Zaremba归结原因为机器人训练数据匮乏，以及通过大型语言模型路径追求AGI更为高效。

2024年，OpenAI重建独立机器人团队，与Figure合作开发机器人AI模型。2025年2月合作终止，Figure自行开发模型。OpenAI随后宣布自建人形机器人，CEO Sam Altman定下2027年首次公开演示目标。

2026年独立团队再度解散。六年内第三次结构性调整：从无到有，从有到解散，从重建到整合。该轨迹显示OpenAI对“机器人需要专属AI团队”命题的答案，随通用模型能力演进持续改写。

核心押注：通用智能是否消解机器人特殊性

公司发言人告诉Fortune，年初团队认为在Sora等视频模型基础上构建机器人AI为最优路径，因视频模型隐含对物理世界连续时序的理解。随着GPT-6 Astra等通用前沿模型能力跃升，研究人员发现可直接将通用模型接入机器人控制接口：提供摄像头图像、机器人状态信息和动作控制接口，模型即可发出指令。

卡内基梅隆大学机器人研究所助理教授Guanya Shi将此次调整解读为“机器人不再是特殊问题”的信号。OpenAI可能认为机器人控制本质上是通用智能的下游应用，只需将通用模型对准具体任务。

Shi同时指出，云端大型语言模型存在响应延迟问题，对于需要实时反应的机器人场景，仍需轻量级本地小模型配合。通用大模型可作为“战略大脑”，但未必独自承担“神经反射”职能。

DeepMind的反向押注：专用模型路线

OpenAI宣布解散机器人团队三天前，Google DeepMind于11月10日发布Gemini Robotics 2.5，一个针对机器人场景设计的视觉-语言-动作模型。与OpenAI路线相反，DeepMind选择为物理世界打造专属架构。

DeepMind公告显示，Gemini Robotics 2.5在与奔驰合作的概念验证中，驱动Apptronik Apollo 2人形机器人完成汽车零件分拣和包装任务，真实工厂环境成功率达96%。

OpenAI引用的74.8% vs 51%数据来自英伟达模拟操控基准测试，DeepMind的96%来自真实工厂场景。两个数字指向不同维度。MIT教授、Walden Robotics联合创始人Russ Tedrake认为，真实部署数据是机器人厂商的核心护城河。

组织架构解散与方向延续

从组织逻辑看，解散独立机器人团队是技术自信的表达：当通用模型能力足够强，单独维持一支“让机器人变聪明”的团队成为重复投入，不如将人员并入核心研究流。

机器人面临的挑战包括感知校准、安全冗余、机械可靠性，这些不会因通用模型变强而自动消失。解散独立团队后承担这些工程问题的主体，目前无公开答案。

OpenAI发言人表示2027年人形机器人公开演示计划不变。

两条路线与未解问题

AI机器人领域正在进行路线对决：OpenAI押注通用前沿模型的涌现能力，解散专属组织以降低冗余；DeepMind押注为物理世界定制的专用架构，以真实工厂数据验证效果。两者均有数据支撑和研究者背书。

机器人创业公司Generalist联合创始人Pete Florence判断，目前尚不清楚任何现有模型能否最终占据主导地位。