OpenAI回归机器人领域：推动大模型迈向物理世界
在暂停数年之后，OpenAI正重新将研究和招聘资源投入到“具身智能”领域，并将重点进一步转向人形系统。多份权威报道、公开招聘信息以及产业动向相互印证，这家以大模型闻名的公司，正在构建一个面向现实世界的机器人研发矩阵。
据WIRED 9月15日报道，OpenAI近期密集招募具有人形机器人和物理控制算法背景的科研人才，并且在训练路径上强调遥操作（teleoperation）与仿真（包括Nvidia Isaac等工具）。目前，公司是否自建硬件或与外部制造商合作尚不明朗，但“人形形态”的研究正在加速推进。
招聘信息为此提供了有力证据。例如，Mechanical Product Engineer, Robotics岗位要求明确指出，团队“专注于解锁通用机器人”，并强调传感器、执行器、计算元件集成以及面向真实约束的形态探索。更为引人注目的是，其中有偏向量产的表述：“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了前置设计与评估。
此外，Simulation Environments Engineer, Robotics岗位直接提及了遥操作/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管线优化应用到机器人任务场景中。这与WIRED的技术路径描述一致，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。多家媒体将此举视为OpenAI重返机器人赛道的强烈信号，也表明其机器人战略并非“只做算法”。
OpenAI早年在机器人研究方面曾取得显著成果。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）。然而，在随后的资源权衡中，OpenAI于2021年关闭了机器人团队，将重心转向能更快取得可见进展的通用模型与产品。如今的“回归”，是其技术路线与物理世界实现更深层耦合的必经之路。
从岗位和报道的交叉信息来看，OpenAI的核心假设是：将通用模型的“理解与推理”拓展到“感知—控制”的完整闭环。这需要具备三类能力：
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。为此，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、分布式训练和实时推理方面，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。
换句话说，OpenAI希望将“会说话的模型”升级为“会操作世界的系统”，并使两者在统一的评测、数据与训练循环中相互促进。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。
人形机器人的竞争并非OpenAI一家。特斯拉、谷歌、Agility等公司都在推进原型验证与小规模商用。WIRED统计显示，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增强。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。近日公开报道显示，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了空间。
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；但其是否自建整机、量产节奏与场景优先级尚未公开确定。
本文来自微信公众号“大数据文摘”，36氪经授权发布。
本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。
免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com