OpenAI回归机器人：想把大模型推向物理世界

ttxx

在暂停数年后，OpenAI 正将研究与招聘资源重新投向“具身智能”，并把焦点进一步推向人形系统。多份权威报道、公开招聘信息与产业动向交叉印证：这家以大模型闻名的公司，正在搭建一个面向现实世界的机器人研发矩阵。

WIRED 9 月 15 日的报道，OpenAI 近来密集招募具有人形机器人与物理控制算法背景的科研人才，并在训练路径上强调遥操作（teleoperation）与仿真（包括 Nvidia Isaac 等工具）；公司是否自建硬件或与外部制造商合作仍未明朗，但“人形形态”的研究正在加速推进。

这种动向在招聘信息上有“硬证据”。例如， Mechanical Product Engineer, Robotics 的岗位要求明确写到团队“专注于解锁通用机器人”，并强调 传感器、执行器、计算元件集成 与面向真实约束的形态探索；更醒目的，是其偏向量产的字样：“ 有为高产量（1M+）设计机械系统的经验 ”。这意味着 OpenAI 至少在 可规模化 的方向上进行前置设计与评估。

此外， Simulation Environments Engineer, Robotics 的岗位直接点名 遥操作/硬件在环（HIL）与Nvidia Isaac 等仿真生态，强调将 大规模强化学习 与 GPU 管线优化 落地到机器人任务场景。这与 WIRED 的技术路径描述一致，构成相互印证。

早在 2024 年 11 月，前 Meta AR 眼镜硬件负责人 Caitlin Kalinowski 加入 OpenAI，负责 机器人与消费硬件 方向。此举被多家媒体视为 OpenAI 重返机器人赛道的强烈信号，也提示其机器人战略并非“只做算法”。

OpenAI 早年在机器人研究上曾颇有建树。2019 年，“ Dactyl ”五指机械手 单手复原魔方 ，展示了 仿真到现实（sim2real）的里程碑式成果（ADR 自动域随机化等方法）。不过在随后的资源权衡中，OpenAI在 2021 年关闭机器人团队，将重心转向能更快取得可见进展的通用模型与产品。如今“回归”，是其技术路线回到与物理世界更深层耦合 的必经之路。

从岗位与报道的交叉信息看，OpenAI 的核心假设是： 把通用模型的“理解与推理”延伸到“感知—控制”的完整闭环 。这需要三类能力：

1.数据采集与评测：通过遥操作与大规模仿真 收集多样交互数据，构建更强的 动作生成/控制策略 ；相应地，OpenAI 设有 DAQ/数据采集软件工程 岗位以扩展数据采集与评测体系。

2.模型与算力栈：在大规模强化学习、分布式训练 与 实时推理 上，承接 Isaac 等仿真环境与现实平台，优化感知-控制的时序与稳定性。

3.形态与产线设计：通过传感/执行器/散热/材料 等硬件工程，探索“可被现实约束验证”的形态；“1M+ 量级”的可制造性要求，释放了对 规模化落地 的前瞻信号。

换言之，OpenAI 想把“ 会说话的模型 ”升级为“ 会操作世界的系统 ”，并让两者在统一的评测、数据与训练循环中相互促动。这与多位学者的观点一致：要突破大模型在 高维感知与高频控制 方面的瓶颈，AI 必须真正进入物理世界。

人形机器人并非 OpenAI 一家的竞赛。 特斯拉、谷歌、Agility 等均在推进原型验证与小规模商用； WIRED 统计称自 2024 年以来， 流入人形赛道的资本超过 50 亿美元 ，且机构对 2050 年万亿美元级市场的展望不断强化。对 OpenAI 而言，这既是 技术方向 的必答题，也是 资本市场 与 合作伙伴 看重的叙事。

同时，OpenAI 过去两年围绕 算力、资金与治理 的诸多调整（包括与微软的协议重构、基础设施多元化等），也将反向影响其机器人推进节奏与外部合作形态。就近几日的公开报道，OpenAI 与微软 签署新的非约束性备忘 ，为组织与资本框架的后续调整留出空间。

事实层面可以确认的是：OpenAI 正在重建并扩编机器人团队 、 面向人形系统招募关键岗位 、 采用遥操作与仿真驱动的数据与训练闭环 ；其是否自建整机、量产节奏与场景优先级仍未公开坐实。


来源：36kr