# 「OpenAI 把机器人团队拆了：74.8% 对 51.0%，通用模型想吃的是哪一层」

> 一家公司解散一个团队，通常有两种含义：项目死了，或者项目不再需要独立存在。OpenAI 是后者——但「通用模型接管机器人」这句话里，有一层它接管不了，而这一层恰好是机器人公司最值钱的地方。

### TLDR

- **事件**：2026-11-13 12:05 ET（北京 11-14 01:05），《财富》独家报道 OpenAI 已解散独立的机器人研究团队。机器人研究人员并入核心研究团队，向首席研究官 Mark Chen 汇报；应用机器人与硬件团队划归总裁 Greg Brockman 负责的 Applied 部门。**OpenAI 已向该媒体确认**这次调整。
- **官方给的理由**：包括 **GPT-6 Astra** 在内的通用模型「已能直接用于部分机器人任务」，因此把机器人研究进一步并入通用模型研发体系。
- **关键数据**：报道援引英伟达一项研究，Astra 驱动的智能体在一项**模拟**机器人操作基准上成功率 **74.8%**，该榜表现最好的专用模型公开成绩 **51.0%**，差 **23.8 个百分点**。注意：这是数字仿真环境、模拟机器人，不是真机。
- **没有变的事**：自研人形机器人**2027 年首次公开演示**的目标未调整。同一周在奥斯汀举行的 CoRL 2026 上，OpenAI 原本预订的 **208 号展位**最终空置，连公司标识都没出现。
- **判断**：这次调整把机器人从「需要独立解决的课题」降级为「通用智能的下游应用」，和 AI Coding、法律工具同构。但通用模型吃不下伺服控制环——它接管的是理解与规划这一层。

### SRC

素材时间窗为**前一日 18:00 → 当日 09:00**（2026-11-13 18:00 → 2026-11-14 09:00，北京时间）。本条为本窗内**新发生**事件：《财富》原文发布时刻为 2026-11-13 12:05 ET，对应北京时间 2026-11-14 01:05，落在窗口中部；中文落地稿（机器之心 11-14、IT之家 / 凤凰网科技 11-14）亦在本窗内。核心事实以《财富》原文与机器之心编译互为核对，两处对「组织归属」「OpenAI 确认」「208 号展位」「74.8% 对 51.0%」「2027 首次演示」表述一致。

核查边界有四处必须说清：① **74.8% 与 51.0% 均出自单一第三方研究（英伟达），且在仿真环境完成**，模型控制的是模拟机器人；《财富》未披露该项研究的基准名称、任务数量、试次规模与对照模型清单，因此这两个数只能说明「方向」，不能推出「通用模型已全面超越专用模型」。② 「该榜最佳专用模型 51.0%」是榜单公开成绩，**不等于各家最高能力**，很多专用模型不公开提交。③ OpenAI 上一季运营亏损数字（109 亿美元）来自机器之心编译引述，非《财富》原文，本篇标注为「据报道」，不作财务分析依据。④ 学者观点（Guanya Shi、Russ Tedrake、Pete Florence）为媒体采访口径，属个人判断，不代表机构立场。

本篇不引用任何未公开的产品参数；所有「判断：」段落为本号推论。版权与免责声明由模板自动附加。

### BODY

<p>先把组织动作本身读准，否则后面全是误读。</p>

<p>《财富》给出的结构是两条线：机器人<strong>研究</strong>人员并入核心研究团队，向首席研究官 Mark Chen 汇报；机器人<strong>应用与硬件</strong>团队并入 Applied 部门，由总裁 Greg Brockman 负责。前者是「谁来做研究」，后者是「谁来做产品」。两条线一起动，说明这不是一次内部优化，是一次定位调整。</p>

<div class="sec">
<div class="eyebrow">一、这已经是第三次了</div>

<p>把时间线摆出来，会看到一件比新闻本身更有意思的事。</p>

<div class="jx-tl">
<div class="jx-tl-row"><div class="jx-tl-t">2020</div><div class="jx-tl-b">首次解散机器人团队。联创 Wojciech Zaremba 事后解释：当时机器人训练数据有限，走别的路径实现 AGI 更高效。随后重心转向大语言模型，催生 ChatGPT。</div></div>
<div class="jx-tl-row"><div class="jx-tl-t">2024</div><div class="jx-tl-b">重组独立机器人团队，并宣布与 Figure 合作开发人形机器人 AI 模型。</div></div>
<div class="jx-tl-row"><div class="jx-tl-t">2025-02</div><div class="jx-tl-b">Figure 宣布结束合作，转向自研机器人 AI。OpenAI 随后开始做自己的类人机器人。</div></div>
<div class="jx-tl-row"><div class="jx-tl-t">2026-05 底</div><div class="jx-tl-b">Sam Altman 公开发帖大规模招聘，正式对外命名 OpenAI Robotics，把 2027 年定为首次公开演示目标。</div></div>
<div class="jx-tl-row"><div class="jx-tl-t">2026-11-13</div><div class="jx-tl-b">机器人团队解散并入通用模型体系。同周 CoRL 2026 的 208 号展位空置。</div></div>
</div>

<p>三轮调整的共同点是：每一次都不是「机器人不重要」，而是「机器人不该单独搞」。2020 年是数据不够，2026 年是模型够了。</p>

<p>判断：<strong>这是同一个判断在两端之间的摆动，而不是路线摇摆。</strong>2020 年解散，是因为那时做机器人要靠专门采集的机器人数据，成本高、规模小；现在解散，是因为通用模型在语言、代码、视觉上积累的能力被认为可以直接迁到物理世界。两次动作方向相反，底层逻辑一致——<strong>哪条路的数据效率高就走哪条。</strong></p>

<p>所以「OpenAI 退出机器人」这个读法是错的。2027 年首次演示的目标没有任何报道说被取消，Altman 五月底的招聘帖里写的「短期支持技术工人建设基础设施，长期让每个人都有一个个人机器人」也还在。撤掉的是一个建制，不是目标。</p>
</div>

<div class="sec">
<div class="eyebrow">二、74.8% 对 51.0%，这个差距能推多远</div>

<p>报道里最抓眼的一组数：英伟达一项研究中，Astra 驱动的智能体在模拟操作基准上拿到 <strong>74.8%</strong>，该榜最好的专用模型公开成绩 <strong>51.0%</strong>。</p>

<div class="jx-bars">
<div class="jx-bar-row"><div class="jx-bar-lab">通用模型（Astra 驱动智能体）</div><div class="jx-bar-track"><div class="jx-bar-fill" style="width:74.8%"></div></div><div class="jx-bar-val">74.8%</div></div>
<div class="jx-bar-row"><div class="jx-bar-lab">该榜最佳专用模型（公开成绩）</div><div class="jx-bar-track"><div class="jx-bar-fill" style="width:51%"></div></div><div class="jx-bar-val">51.0%</div></div>
<div class="jx-legend"><div class="jx-lg">模拟机器人操作基准，仿真环境，非真机。基准名称、任务数、试次规模均未披露。抓取时间 2026-11-14 09:00。</div></div>
</div>

<p>差 23.8 个百分点，相当于相对提升 <strong>46.7%</strong>（74.8 ÷ 51.0）。放在任何一篇论文里都是能写进摘要的差距。</p>

<p>但它撑不起「通用模型已经打赢专用模型」这个结论，原因有三层，一层比一层硬。</p>

<p><strong>第一层，环境。</strong>这是仿真里的模拟机器人。仿真能跑高分而真机跑不动，是具身智能过去三年最稳定的规律之一——摩擦、间隙、线缆回弹、光照突变、传感器噪声，这些在仿真里要么没有，要么被建模成了理想分布。</p>

<p><strong>第二层，分母。</strong>「该榜最佳专用模型 51.0%」是<strong>公开提交</strong>的成绩。专用模型阵营里能力最强的几家，很多根本不往公开榜提交。用「公开榜最好成绩」当分母，天然偏低。</p>

<p><strong>第三层，任务。</strong>「一项模拟操作基准」不等于「操作」。插充电器、叠衣服、装箱、拧瓶盖，难度差着数量级。基准里各任务的权重怎么分、长尾任务占多少，报道没给。没有这层信息，74.8% 无法翻译成任何一个现场指标。</p>

<div class="keypoint">判断：<strong>这两个数只说明一件事——通用模型在「看懂任务、想清步骤」这件事上，已经接近甚至超过专门训练的模型。</strong>它不说明通用模型能控制好一台真机。把「理解能力追平」读成「控制能力追平」，是这条新闻最容易被误读的地方，也是最容易被拿去做融资叙事的地方。</div>
</div>

<div class="sec">
<div class="eyebrow">三、控制栈拆三层，通用模型能吃到第几层</div>

<p>要判断「接管大脑」到底接管了什么，得先把机器人的控制链拆开。业内常用的分法有三层，频率差三个数量级。</p>

<div class="tbl-wrap"><table>
<tr><th>层</th><th>干什么</th><th>典型频率</th><th>通用模型的处境</th></tr>
<tr><td>任务理解与规划</td><td>听懂指令、拆步骤、判断做到哪一步、出错后重排</td><td>0.1–2 Hz</td><td><strong>优势区</strong>。语言、常识、长程推理正是通用模型的强项，且云端延迟可接受</td></tr>
<tr><td>动作生成（VLA）</td><td>把「抓这个杯子」变成末端轨迹与夹爪指令</td><td>5–30 Hz</td><td><strong>混合区</strong>。通用模型可直接产出，但延迟与稳定性仍不如专用小模型</td></tr>
<tr><td>伺服控制环</td><td>关节力矩、电流、编码器闭环、力控</td><td>500–2000 Hz</td><td><strong>进不来</strong>。云端往返几十毫秒就是事故，这一层必须在本体控制器里跑</td></tr>
</table></div>
<div class="cap">表注：三层的频率区间为行业通行量级，不同本体与方案会有偏移；本表用于说明分层，非某一厂商的官方架构。抓取时间 2026-11-14 09:00。</div>

<p>按这个拆法，「通用模型接管机器人」这句话成立的范围很清楚：<strong>第一层几乎全部，第二层一部分，第三层零。</strong></p>

<p>这恰好解释了报道里两位学者的表态为什么听起来像在给 OpenAI 泼冷水，其实是在补上缺失的半句。</p>

<p>卡内基梅隆大学机器人研究所助理教授 Guanya Shi 的说法是：OpenAI 可能不再把机器人看作一个需要独立解决的特殊问题，而是通用智能的一种下游应用——这和 AI Coding、法律、金融工具是同构的，底层同一套模型，靠不同工具和接口适配具体任务。他同时指出，<strong>能跑在机器人本地算力上的小型专用模型仍有重要价值</strong>，因为它们不依赖持续联网。</p>

<p>MIT 教授、Walden Robotics 联合创始人兼 CEO Russ Tedrake 补的是另一头：机器人公司拥有 AI 实验室难以复制的优势——它们的机器人已经进了工厂，在真实场景里持续积累经验数据。基础模型越强，机器人从这些数据里学的效率越高。</p>

<p>判断：<strong>这两句话合起来，就是这次调整真正的边界。</strong>通用模型负责「想」，本地小模型负责「快」，现场数据负责「准」。OpenAI 把「想」收归中央，把「快」和「准」留给生态——这既是技术分工，也是商业分工：它不必自己去攒每一条产线的长尾数据，只要让别人的机器人调用它的模型。</p>
</div>

<div class="sec">
<div class="eyebrow">四、真正的信息在「谁还在坚持什么」</div>

<p>比组织架构更能说明问题的，是同周那个空展位。</p>

<p>CoRL 2026 在奥斯汀开，OpenAI 原本预订了展位，会议 App 和场馆平面图都标着名字，最后 208 号空着，连标识都没有。一家公司如果只是内部重组，通常会保留对外露出；连展位都不布置，说明对外叙事还没准备好——先撤，再想怎么说。</p>

<p>但同期它没有撤的，是「2027 首次公开演示」这个承诺。而且据报道，它确实在做自己的人形机器人。</p>

<p>这个组合有点反直觉：产品目标留着，研究建制撤了。</p>

<p>判断：<strong>这说明 OpenAI 把机器人从「研究问题」重新分类成了「工程问题」。</strong>研究问题需要独立团队、独立预算、独立的评价体系；工程问题只需要一个接口和一条调用链。分类一变，组织自然跟着变。它没有放弃机器人，是把机器人变成了通用模型的一个应用场景——就像它没有为「写代码」单设一个部门，但 Codex 照样在跑。</p>

<p>还有一层背景不能忽略。据机器之心编译引述，OpenAI 上一季运营亏损达 109 亿美元，同时在寻求新一轮融资、筹备可能于 2027 年初进行的 IPO。Altman 此前要求公司砍掉偏离核心目标的支线。在这种财务结构下，「把分散的研究人员并回主干」几乎是一个必然动作，与技术判断无关也会发生。<strong>所以这次调整至少有两个驱动因素叠加：技术上通用模型确实够用了，财务上也不允许养一条独立战线。</strong>两个因素同向，动作才会这么快。</p>
</div>

<div class="sec">
<div class="eyebrow">五、对国内这条线的含义</div>

<p>国内主流人形厂商这几年走的是另一条路：专用本体 + 专用数据 + 专用模型，自己建数采中心、自己攒真机数据、自己训 VLA。这条路重、慢、贵，但它有一个 OpenAI 现在主动放弃的东西——<strong>对现场数据的独占</strong>。</p>

<p>OpenAI 的赌注是：通用模型足够强之后，现场数据的重要性会下降，因为模型能零样本泛化。Tedrake 的判断相反：现场数据的重要性会上升，因为强模型能把数据用得更好。这两种判断在 2026 年底都还没有被证伪。</p>

<div class="jx-cols">
<div style="flex:50"><p><strong>通用模型路线</strong><br>优势：一次训练，跨本体复用；不必为每个客户重训；边际成本低。<br>风险：延迟、联网依赖、现场长尾无人负责；客户的关键数据沉淀在别人模型里。</p></div>
<div style="flex:50"><p><strong>专用模型路线</strong><br>优势：可离线、可本地部署、数据留在客户现场；长尾调优快。<br>风险：每个场景都要重来一遍；跨本体迁移成本高；规模化靠人堆。</p></div>
</div>

<p>判断：<strong>这两条路在 2027 年之前不会分出胜负，但会在「谁负责现场」这一条上先分开。</strong>通用模型卖的是能力，专用模型卖的是责任。工厂买机器人，买的是「这条线停了谁负责」，不是「模型多聪明」。这也是为什么 Figure、Agility 这类公司一边用大模型，一边坚持自己做本体和现场部署——它们卖的是责任，不是 API。</p>

<p>对做二次开发和租赁交付的团队，这条新闻的实际含义不在技术，在报价结构。如果通用模型真的把「理解与规划」这一层的成本压到接近零，那么交付方原来靠「我们会调模型」收的钱会消失，剩下的钱只能来自三处：本体改造、现场集成、以及出问题时谁到场。<strong>前两处已经被压得很薄，第三处是唯一还在涨价的。</strong></p>

<p>最后留一个待查项：74.8% 那项英伟达研究的基准名称与任务构成，如果后续公开，这个数才能被真正评估。在那之前，它适合当方向信号，不适合当决策依据。</p>
</div>

<div class="srcline">来源：《财富》2026-11-13 12:05 ET 独家（北京时间 2026-11-14 01:05，本窗内）；机器之心 2026-11-14 中文编译；IT之家 / 凤凰网科技 2026-11-14。74.8% 与 51.0% 为仿真环境单一研究的公开数，基准名称、任务规模未披露，不可外推至真机。109 亿美元季度亏损为编译引述、标「据报道」。抓取时间 2026-11-14 09:00。</div>

---

*来源：神机百见-具身解读 · https://www.shenjibailian.com/jiedu/article/openai-robotics-disband-general-model-layer/*
