解散六年后重启机器人研发，奥特曼：目标实现人手一台专属机器人
六年前因为数据匮乏无奈解散团队，如今OpenAI掌门人奥特曼亲自官宣重建机器人团队，更是喊出了未来要让每个人都拥有一台专属机器人的目标。
就在刚刚，奥特曼亲自发帖，为全新的OpenAI Robotics团队开放多个岗位招聘，覆盖硬件开发、系统开发、运营以及机器学习工程师等多个方向。
他为这支新团队定下的终极愿景相当宏大：未来某一天，让每个人都能拥有一台属于自己的机器人，帮大家完成任何需要处理的事务。
这个终极目标之外，奥特曼也明确了短期规划：先打造一批机器人，为基础设施建设领域的技术工人提供辅助作业支持。
其实这并不是奥特曼第一次公开谈论对机器人领域的设想，他曾经提到，未来某天你走在街上，迎面走来七个机器人会是无比科幻的场景。现在，他已经开始招兵买马，推动这个场景更快落地。
那么，这支重启的团队到底要做什么？
根据OpenAI官方招聘页面的信息，Robotics团队的核心目标是研发通用机器人，追求让机器人在动态的真实物理环境中，达到通用人工智能级别的智能水平。
从开放的招聘岗位，也能看出团队的技术方向。
岗位覆盖软硬件协同开发、仿真环境搭建、仿真真实性优化，还有支撑大规模训练的分布式数据系统。其中还有一个专门的岗位，核心任务就是缩小「仿真到现实（sim-to-real）」的差距——让机器人在虚拟环境中训练出的能力，可以顺畅迁移到真实机器上。
这恰恰是OpenAI技术路线最与众不同的地方：从岗位描述能看出，OpenAI Robotics把仿真真实性和sim-to-real放在了核心位置，这也让它和很多以真机数据采集为主的机器人研发路线区别开来。
OpenAI给这些岗位开出的薪酬也相当优厚，已公开的岗位中，部分岗位的年薪区间达到29.3万美元到44.5万美元，还额外配套股权奖励。
这支新团队的带队人，是OpenAI DALL·E 2的共同创造者、DALL·E 3团队负责人Aditya Ramesh。DALL·E是OpenAI知名的文生图模型，只需输入文字描述就能生成对应图像。
Aditya Ramesh
OpenAI在图像和视频生成领域的核心技术能力，很大一部分都来自Aditya和他带领的团队。后来惊艳全网的视频生成模型Sora所属的世界模拟研究方向，也和他领导的Worldsim团队关系密切。
现在Aditya在OpenAI的职务是研究副总裁，牵头名为Worldsim的世界模拟项目。按照奥特曼的说法，过去一年里，OpenAI Robotics就是从Worldsim项目逐步发展成型的。
奥特曼会把这支队伍交给Aditya，是因为他这些年在OpenAI做的本质上是同一件事：训练AI理解这个世界的形态和运行规律，从生成图像到生成视频，再到模拟整个物理世界。
接下来，他要带着Robotics团队，把这套对世界的认知能力，真正转化为能行动的「手和脚」。
多数厂商先造躯体，OpenAI选择先练AI大脑
现在布局人形机器人的厂商数不胜数，特斯拉有Optimus，Figure已经迭代了好几代产品，OpenAI的路线和他们有什么区别？
差异核心就在「世界模拟」这个方向上。
大多数厂商通常是先打造出机器人躯体，再想办法给它植入智能能力；而OpenAI的思路是先让AI理解物理世界的规律，再把这套能力植入真实机器人。
这套思路刚好是Aditya的专长，他领导的Worldsim研究的就是世界模拟：让AI在模型中构建出一个可运行的物理世界，物体如何坠落、如何碰撞、如何被抓取，所有规律都在模型中计算清楚，而这恰恰是当前大多数机器人最欠缺的能力。
只要仿真环境足够真实，机器人就可以在虚拟环境中反复训练、自动生成训练数据，再把学到的能力迁移到真实机器上。OpenAI押注的就是这点：只要世界模型足够强大，物理世界的训练数据就可以在仿真环境中生成，不必每一项任务都用真机反复试错。
Robotics就是从Worldsim生长出来的项目：一端连接训练好的世界模型，一端连接真实机器人的躯体和行动能力。
那OpenAI为什么要亲自下场研发，而不找现成的机器人厂商合作呢？
这件事还要从之前的合作经历说起。
2024年2月29日，OpenAI曾经和Figure达成合作，计划把自家的大模型植入对方的人形机器人。但这段合作持续时间非常短，不到一年就终止了。
2025年2月4日，Figure的CEO Brett Adcock公开宣布终止和OpenAI的合作，他认为想要在真实世界实现具身智能的规模化落地，必须完成全链路垂直整合，只把AI能力外包这条路走不通。
合作伙伴选择自研全链路后，OpenAI也调整了方向，决定自己把硬件、软件、模型和制造能力整合进同一条机器人研发线，不再只是给外部机器人厂商提供AI模型。
OpenAI布局机器人的时间比很多人想象得更早
如果你以为OpenAI是现在才想起做机器人，那就错了。早在2016年OpenAI成立后不久，机器人就已经出现在它的研究清单里了。
不过一开始OpenAI没有急着造硬件，而是先搭建训练环境。2016年OpenAI先推出了强化学习基准环境OpenAI Gym，其中就包含模拟机器人模块；2017年推出的Roboschool，更是明确转向开源机器人仿真。从那时起，「仿真中训练、现实中落地」的路线就已经定下来了。
沿着这个路线，2018年OpenAI推出了Dactyl，一个人形机械手，整个训练过程完全在仿真环境中完成，通过随机化各类物理参数，成功把能力迁移到了真实机械手上。
到2019年，这条路线走到了第一个高光时刻：OpenAI训练出的AI系统，用类人机械手完成了魔方复原。按照官方视频的说法，这种灵巧操作能力对机器人来说是前所未有的，哪怕是人类单手完成魔方复原也并不容易。
这只机械手最特别的地方，就是所有能力都在仿真环境里训练出来的。研究团队没有用真机反复试错，而是在并不完美的模拟环境中训练神经网络，再让它迁移到真实机械手上，快速适应现实环境。
支撑这套迁移能力的核心技术是「自动域随机化（ADR）」，它可以在仿真环境中不断生成难度越来越高的场景，倒逼AI学会应对各种从未见过的情况。
在当时的官方测试视频里，研究团队用毛绒长颈鹿干扰正在解魔方的机械手，给机械手套橡胶手套，甚至绑住它的手指，它依然能完成大部分操作。要知道这些干扰场景，它在训练过程中从来没有遇到过。
当时在最简单的情况下，它复原魔方的成功率能达到60%；哪怕是打乱程度最复杂的魔方，成功率也有20%，这个结果已经足够惊艳，它证明了一件事：复杂的灵巧操作，确实可以通过仿真训练得到，再迁移到真实机器上。
当时OpenAI就认为，训练出这样一只灵巧机械手，是通向通用机器人的基础之一。
但这条路很快就遇到了瓶颈。
据报道，2020年前后OpenAI解散了当时的机器人团队，这条研发线中断了好几年。
解散的原因并不复杂，当时带队的联合创始人Wojciech Zaremba直接点明：机器人研发最大的瓶颈就是数据量太少，而当时语言、图像领域的数据要丰富得多，与其在机器人领域卡住，不如把资源转移到数据更充足的方向。
后来的故事大家都熟悉了，ChatGPT横空出世，引爆了全球AI热潮。
现在OpenAI的Robotics团队卷土重来，押注的就是通过仿真自动生成训练数据，补上当年缺数据的短板。
「人手一台机器人」还要等多久？
普通用户最关心的问题大概是：我什么时候才能在家拥有一台属于自己的机器人？
从这次开放的招聘岗位能看出，OpenAI计划自研机器人传感器和算力模块，用内部自研的AI模型驱动机器人，还会测试不同形态的机器人本体。
甚至有岗位专门负责样机测试，还有岗位描述提到，如果一切进展顺利，这些机器人未来会进入「全面量产」阶段。
当然，目前这些都还只是招聘信息里的规划，处于早期研发阶段，OpenAI还没有发布任何一款成型的机器人产品。
过去几年，全球AI竞争主要集中在模型层面，比拼谁的模型更会聊天、写代码、生成内容。现在这场竞争已经逐渐延伸到物理世界，要让AI长出真实的手脚，帮人们拧螺丝、搬东西、处理各类家务。
从一只会解魔方的机械手，到奥特曼口中人手一台的机器人，中间还有很长的路要走。
有意思的是，当年和OpenAI终止合作的Figure，反而抢先把产品推进到了家用场景。
Figure 03已经可以完成把餐具放进洗碗机、清理桌面这类家务，Figure CEO Brett Adcock的目标是在2026年让产品真正适配家庭场景使用。
最新的Figure 03，在演示中已经能走到水池边冲洗碗碟、把餐具整理放进洗碗机、叠好衣物，整套能力都依托自研模型实现。
虽说目前还只是演示阶段，但Figure至少已经拿出了能在厨房干活的完整机器人产品。
下一个十年，谁会第一个把成熟机器人送进普通家庭的客厅？
答案不一定是现在模型能力最强的玩家，而是那个最先打通AI大脑、机器人躯体和真实世界数据闭环的选手。
参考资料：
https://openai.com/index/solving-rubiks-cube/
https://openai.com/careers/simulation-realism-engineer-san-francisco/
https://x.com/sama/status/2061117302528188712
本文来自微信公众号“新智元”，作者：ASI启示录，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