AREX Feed Article
OpenAI 解散独立机器人团队：研究人员并入 Mark Chen 主研究组织，应用机器人与硬件团队划归 Greg Brockman
据 11 月 13 日独家报道，OpenAI 已解散独立建制的机器人团队。公司在被问及时向 Fortune 确认了这次重组：机器人研究团队并入公司主研究组织，向首席研究官（Chief Research Officer）Mark Chen 汇报；应用机器人与硬件团队并入规模更大的 Applied 组织，向总裁 Greg Brockman 汇报。报道没有说明受影响的人数。
公司发言人在回应中称，机器人仍是 OpenAI 长期愿景的核心部分，重组是对机器人方向的承诺而非退出。公司同时给出直接动因：包括 GPT-6 Astra 在内的通用前沿模型，如今已可以直接用于机器人。
官方理由：从依托 Sora 到让 Astra 直接上手
OpenAI 向 Fortune 回忆了这条路线的转变：今年年初，公司研究人员还认为，推进机器人最好的办法是在 Sora 这类视频生成模型上继续构建——它要生成逼真的视频，就必须对物理世界的运行方式有某种隐式理解。但发言人表示，这一判断此后被推翻，公司随即解散独立机器人团队，把研究人员调往研发更通用模型的团队；OpenAI 称，这是加速造出通用机器人的最佳方式。发言人并强调，公司仍致力于「把通用机器人带入世界」。
Fortune 把这次重组放进一个正在 AI 行业内获得认同的押注里：为语言、代码和视觉训练的通用模型，也能用于「具身 AI」（embodied AI），即让模型控制机器人、无人驾驶汽车或无人机这类能在物理世界行动的设备。果真如此，就不再需要单独的机器人团队为机器人打造专用 AI「大脑」。
卡内基梅隆大学机器人研究所助理教授 Guanya Shi 向 Fortune 表示，他会把这一变动解读为一个信号：OpenAI 认为机器人「不再是一个特殊问题」，而是一项可以像编程、法律或金融工具一样，由同一个底层前沿模型向下覆盖的下游应用。
支撑数字：Nvidia 模拟基准上 74.8% 对 51.0%
Fortune 援引的研究出自 ，名为 Astranomy。实验设置是：把相机图像、机器人信息和一个可让模型下达动作指令的控制接口交给 Astra。在包含 120 项抓取与放置任务的模拟操作基准 RoboLab-120 上，运行在持久 Codex 会话中的「代理式策略」（Agentic Policy）取得 74.8% 的成功率；同一排行榜上最好的专用机器人模型 Lakeside 为 51.0%，两者相差 23.8 个百分点。
研究页面还给出了两种调用方式的差别：不经代理框架、直接调用 Astra 的 Direct Policy 成功率为 66.3%，平均每次推理要等 18.56 秒；按每个成功回合计算，代理式策略平均消耗约 3,090 万 token、花费 36.40 美元，直接调用则是 16 万 token、1.96 美元。报告的结论之一是：通用模型的推理延迟，使其难以用于实际的真机部署。
这些成绩全部产生在数字模拟里。研究使用模拟环境中的 DROID 机器人，每项任务仅以固定种子各跑 5 个回合，作者自己说明这样的样本不足以刻画逐任务的表现波动；Fortune 也在报道中注明，基准里模型指挥的是模拟机器人而非真机。「通用模型可以直接用于机器人」是 OpenAI 的说法，报道援引的佐证均取自模拟环境。
第二次解散机器人团队
上一次收缩发生在 2020 年：OpenAI 关停了早期的机器人团队，联合创始人 Wojciech Zaremba 后来给出的理由是机器人数据有限，而且经由其他方法通往 AGI（通用人工智能）效率更高。OpenAI 随后把重心押在用海量人类文本训练超大语言模型上，这条路最终在 2022 年底产出了 ChatGPT。
2024 年，OpenAI 重建独立机器人团队，并宣布与初创公司 Figure 合作开发人形机器人的 AI 模型；2025 年 2 月，Figure 宣布将自研机器人 AI，合作随之结束。OpenAI 告诉 Fortune，公司目前正在自研人形机器人，CEO Sam Altman 的目标是 2027 年进行首次公开演示。
重组发生得足够近，以至于 OpenAI 已在本周于奥斯汀举行的机器人学习会议（CoRL）上登记了展位：会议 App 和展馆平面图都标出了 OpenAI 的位置，但当 Fortune 走到 208 号展位时，那里空无一物，看不到 OpenAI 的标志。
时点：单季 109 亿美元运营亏损与 IPO 筹备
Fortune 指出，重组发生在 OpenAI 承受控制成本、证明自己专注于少数核心产品的压力之下。去年，Altman 告知公司需要放弃「支线任务」（side quests），此后公司砍掉了部分项目——包括 Sora——以便把算力重新分配给更核心、可能盈利的方向。
据 Fortune 转述，OpenAI 最近一个季度的运营亏损达 109 亿美元；公司正在关闭一轮新融资，并为可能最早于 2027 年初进行的 IPO 做准备。
分歧：部署数据、机载小模型，与展位旁的人群
Fortune 采访的机器人研究者对这项押注给出了有保留的判断。MIT 教授、Walden Robotics 联合创始人兼 CEO Russ Tedrake 表示，机器人公司握有 AI 实验室没有的优势：它们的机器人已经在工厂车间这样的真实场所积累「工作经验」，部署经验和机器人采集的数据能帮助机器人适应具体的工作场所与任务；更好的基础模型反而会让这些现场数据更值钱，因为机器人能更快从中学习。
Shi 补充了另一面：通用模型的空间与推理能力，如今已能处理过去需要专门训练的任务——瓶子换了位置、光线变了都能应对，还能推理任务顺序或找出哪一步出了错。但他提醒，大语言模型强大却慢，且必须托管在云端，机器人需要持续联网；他仍然认为需要能跑在机器人机载计算机上、无需持续网络连接的小型专用模型。
为机器人训练通用模型的初创公司 Generalist 的联合创始人 Pete Florence 对 Fortune 说：「智能的生长可能有不同的起点。」在他看来，现有哪个模型最终会在机器人领域占据主导，目前并不清楚。
并非所有大厂都在走通用路线。就在重组消息披露前三天，Google DeepMind 于 11 月 10 日发布了其迄今最强的视觉-语言-动作（VLA）模型 ，并向机器人合作伙伴推送；据该公司博客，在与梅赛德斯-奔驰产线合作的概念验证中，Apptronik 的 Apollo 2 人形机器人拣装汽车零件成功率达 96%——这同样是公司自述的数字。
回到那个空着的 208 号展位：几名已并入其他团队的原 OpenAI 机器人团队成员在此走动，没有展示，也没有演示，却仍然吸引了一群人驻足。这场会议最热的问题之一，正是随着通用模型越来越强，机器人专业知识还剩下多少价值——这些被派往其他团队的研究者的经历，本身就是其中一种回答。