2026年6月1日，Sam Altman在X上发布了一条招聘信息：“AI应该在物理世界中帮助人类。短期内，我们专注于开发能够协助熟练工人建设未来基础设施的机器人；长期来看，我们设想每个人都能拥有一个个人机器人，做他们需要的任何事。”OpenAI的“降维打击”：当AI巨头开始做机器人硬件，机器人“大脑-本体”分离格局迎来分水岭
这条推文宣告了OpenAI Robotics的正式成立。从2020年解散机器人团队到2026年高调回归，OpenAI用六年时间完成了一个完整的战略轮回。
这是OpenAI对“通往AGI的路径”这一根本问题的重新回答。
从Dactyl到ChatGPT是被数据逼退的战略收缩
OpenAI做机器人的历史，比大多数人想象的要早。
2016年至2019年间，OpenAI先后推出了强化学习基准环境OpenAI Gym、开源机器人仿真平台Roboschool，并成功研发了名为Dactyl的灵巧机械手。2019年，OpenAI通过强化学习和“自动域随机化”技术，训练出一个AI系统，使Dactyl成功复原了魔方。
这项研究在当时极具开创性——它证明了通过仿真环境训练、再将能力迁移到真实机器人的技术路线是可行的。如果这条路线持续走下去，OpenAI或许会成为最早跑通“仿真到现实”路径的公司。
但OpenAI做了一个截然相反的决定。
2020年前后，OpenAI解散了机器人团队。
OpenAI联合创始人沃伊切赫·扎伦巴后来解释，放弃具身智能的根本原因在于数据瓶颈。机器人物理交互数据极其稀缺、采集成本高昂、迭代缓慢。相比之下，互联网上的文本和图像数据则海量且易于获取。
从通往AGI的效率路径看，将资源集中于大语言模型——也就是后来的ChatGPT——显得更加“英明”。这是一个经典的“算账式”决策：同样的研发资源，投给语言模型能撬动的数据规模，是投给机器人的千万倍。
事实证明这个决策是对的。ChatGPT引爆了全球大模型热潮，OpenAI成为全球估值最高的AI独角兽。
但在解散自研团队的同时，OpenAI并未完全退出机器人赛道，而是通过创业基金“多点下注”——先后投资了挪威人形机器人公司1X Technologies、美国人形机器人明星企业Figure AI、Physical Intelligence等多家机器人初创公司。
和Figure AI分手：为什么“借脑”走不通
OpenAI的投资策略很清晰：别人造身体，我来装大脑。
2024年2月，OpenAI参与了Figure AI总额6.75亿美元的B轮融资，并宣布为Figure的人形机器人开发专属的多模态AI模型。合作仅13天后，搭载OpenAI模型的Figure 01就展示出流畅的自然语言交互与物体操作能力。
一切看起来都很顺利——直到2025年2月，Figure AI创始人布雷特·阿德考克宣布终止与OpenAI的合作，转而自主研发端到端机器人AI模型。
阿德考克的解释非常直接：“我们发现，要想在现实世界中大规模解决具身智能问题，就必须垂直整合机器人AI——我们不能外包AI，理由和我们不能外包硬件一样。”
这句话点出了问题的本质：通用大模型和机器人控制，是两套逻辑完全不同的系统。
大语言模型处理的是“符号”，而机器人需要理解的是“物理”。语言可以描述世界，但无法替代对世界的直接感知。Figure AI的“分手”让OpenAI意识到：想让AI真正理解物理世界，光靠投资别人是不够的。它必须亲自下场，把“大脑”和“身体”握在自己手里。
从Worldsim到OpenAI Robotics
Figure AI分手后，OpenAI做了一件耐人寻味的事。
它没有急于宣布新计划，而是在2025年初悄然建立了人形机器人实验室。实验室位于旧金山，拥有约100名数据采集员，训练机械臂完成家务。到2026年，实验室规模已扩大了四倍多。
与此同时，OpenAI内部一个名为“Worldsim”的研究项目快速发展。这个项目由OpenAI研究副总裁、DALL·E和Sora的核心开发者Aditya Ramesh领导。Worldsim的核心目标，是让AI在“脑子里”建一个会动的物理世界：东西怎么掉、怎么碰、怎么被抓起来，都在模型里计算清楚。
这正是机器人最缺的能力。
2026年6月1日，Altman正式宣告OpenAI Robotics成立。这个团队正是从Worldsim项目中演变而来的。
OpenAI此次回归的技术路线非常清晰。从招聘岗位来看，OpenAI Robotics将仿真真实性和“仿真到现实迁移”放在核心位置。这意味着OpenAI的策略是：先让AI在虚拟世界中学会理解物理规律，再把这种理解迁移到真实机器人身上。
Altman为团队设定了明确的路线图：短期专注于开发能够协助建筑和物理基础设施领域技术工人的机器人；长期愿景则是让每个人都拥有一个个人机器人。
这个短期目标的选择本身就是一个信号。OpenAI没有选择做家务机器人，也没有选择做仓储物流机器人，而是选择了“建设基础设施”这个场景——数据中心、电网、工厂。这恰恰是OpenAI最熟悉的领域：AI算力大爆发导致全球面临巨大的电力和算力基础设施缺口，OpenAI要用机器人去解决自己“算力大后方”的劳动力荒。
OpenAI的具身智能路线图
把OpenAI的整个发展历程串起来，可以看到一条清晰的路线：
第一阶段（2016-2020）：探索期。从Dactyl到解散团队，OpenAI验证了“仿真训练+迁移现实”的技术可行性，但被数据瓶颈逼退。
第二阶段（2020-2025）：投资期。通过投资1X、Figure AI等公司，OpenAI用资本保持了对机器人赛道的触角，但最终发现“外包大脑”这条路走不通。
第三阶段（2025-2026）：回归期。从建立人形机器人实验室到成立OpenAI Robotics，OpenAI决定亲自下场，把“大脑”和“身体”握在自己手里。
OpenAI做机器人的独特之处在于：它不是先造身体再装大脑，而是先让AI理解物理世界，再把这套能力灌进真实的机器人。
这个思路和特斯拉、Figure等公司正好相反。别人从硬件出发，OpenAI从“世界模拟”出发。如果Worldsim真的能让AI在虚拟世界中学会物理规律，再无缝迁移到真实机器人身上，OpenAI就有可能绕过“数据瓶颈”这个困扰整个行业的难题——而正是这个难题，曾迫使它在六年前解散了机器人团队。
2026年，伴随着更强的视觉大模型、更成熟的仿真工具以及更便宜的传感器，OpenAI带着底气杀了回来。OpenAI重启机器人项目意味着公司具备了资金、人才条件，且开始重视AGI领域探索中自研自产机器人的重要性。
但OpenAI面临的挑战同样巨大。Figure AI的“分手”已经证明，通用大模型和机器人控制之间存在天然鸿沟。OpenAI能否在Worldsim的基础上，真正跨越这道鸿沟？答案将在它第一台自研机器人走出实验室的那一刻揭晓。
OpenAI的机器人故事，本质上是“从数字世界走向物理世界”的故事。六年前，它因为数据瓶颈从物理世界撤退；六年后，它带着更强大的“数字世界”能力，重新向物理世界发起冲击。这可能是OpenAI通往AGI之路上的最后一个拼图。
#OpenAI# #人形机器人# #具身智能#
关注「智财社」看具身智能技术迭代与资本脉络
原文标题 : OpenAI六年后重启人形机器人，它认为时机到了
2026年6月1日，Sam Altman在X上发布了一条招聘信息：“AI应该在物理世界中帮助人类。短期内，我们专注于开发能够协助熟练工人建设未来基础设施的机器人；长期来看，我们设想每个人都能拥有一个个人机器人，做他们需要的任何事。”OpenAI的“降维打击”：当AI巨头开始做机器人硬件，机器人“大脑-本体”分离格局迎来分水岭
这条推文宣告了OpenAI Robotics的正式成立。从2020年解散机器人团队到2026年高调回归，OpenAI用六年时间完成了一个完整的战略轮回。
这是OpenAI对“通往AGI的路径”这一根本问题的重新回答。
从Dactyl到ChatGPT是被数据逼退的战略收缩
OpenAI做机器人的历史，比大多数人想象的要早。
2016年至2019年间，OpenAI先后推出了强化学习基准环境OpenAI Gym、开源机器人仿真平台Roboschool，并成功研发了名为Dactyl的灵巧机械手。2019年，OpenAI通过强化学习和“自动域随机化”技术，训练出一个AI系统，使Dactyl成功复原了魔方。
这项研究在当时极具开创性——它证明了通过仿真环境训练、再将能力迁移到真实机器人的技术路线是可行的。如果这条路线持续走下去，OpenAI或许会成为最早跑通“仿真到现实”路径的公司。
但OpenAI做了一个截然相反的决定。
2020年前后，OpenAI解散了机器人团队。
OpenAI联合创始人沃伊切赫·扎伦巴后来解释，放弃具身智能的根本原因在于数据瓶颈。机器人物理交互数据极其稀缺、采集成本高昂、迭代缓慢。相比之下，互联网上的文本和图像数据则海量且易于获取。
从通往AGI的效率路径看，将资源集中于大语言模型——也就是后来的ChatGPT——显得更加“英明”。这是一个经典的“算账式”决策：同样的研发资源，投给语言模型能撬动的数据规模，是投给机器人的千万倍。
事实证明这个决策是对的。ChatGPT引爆了全球大模型热潮，OpenAI成为全球估值最高的AI独角兽。
但在解散自研团队的同时，OpenAI并未完全退出机器人赛道，而是通过创业基金“多点下注”——先后投资了挪威人形机器人公司1X Technologies、美国人形机器人明星企业Figure AI、Physical Intelligence等多家机器人初创公司。
和Figure AI分手：为什么“借脑”走不通
OpenAI的投资策略很清晰：别人造身体，我来装大脑。
2024年2月，OpenAI参与了Figure AI总额6.75亿美元的B轮融资，并宣布为Figure的人形机器人开发专属的多模态AI模型。合作仅13天后，搭载OpenAI模型的Figure 01就展示出流畅的自然语言交互与物体操作能力。
一切看起来都很顺利——直到2025年2月，Figure AI创始人布雷特·阿德考克宣布终止与OpenAI的合作，转而自主研发端到端机器人AI模型。
阿德考克的解释非常直接：“我们发现，要想在现实世界中大规模解决具身智能问题，就必须垂直整合机器人AI——我们不能外包AI，理由和我们不能外包硬件一样。”
这句话点出了问题的本质：通用大模型和机器人控制，是两套逻辑完全不同的系统。
大语言模型处理的是“符号”，而机器人需要理解的是“物理”。语言可以描述世界，但无法替代对世界的直接感知。Figure AI的“分手”让OpenAI意识到：想让AI真正理解物理世界，光靠投资别人是不够的。它必须亲自下场，把“大脑”和“身体”握在自己手里。
从Worldsim到OpenAI Robotics
Figure AI分手后，OpenAI做了一件耐人寻味的事。
它没有急于宣布新计划，而是在2025年初悄然建立了人形机器人实验室。实验室位于旧金山，拥有约100名数据采集员，训练机械臂完成家务。到2026年，实验室规模已扩大了四倍多。
与此同时，OpenAI内部一个名为“Worldsim”的研究项目快速发展。这个项目由OpenAI研究副总裁、DALL·E和Sora的核心开发者Aditya Ramesh领导。Worldsim的核心目标，是让AI在“脑子里”建一个会动的物理世界：东西怎么掉、怎么碰、怎么被抓起来，都在模型里计算清楚。
这正是机器人最缺的能力。
2026年6月1日，Altman正式宣告OpenAI Robotics成立。这个团队正是从Worldsim项目中演变而来的。
OpenAI此次回归的技术路线非常清晰。从招聘岗位来看，OpenAI Robotics将仿真真实性和“仿真到现实迁移”放在核心位置。这意味着OpenAI的策略是：先让AI在虚拟世界中学会理解物理规律，再把这种理解迁移到真实机器人身上。
Altman为团队设定了明确的路线图：短期专注于开发能够协助建筑和物理基础设施领域技术工人的机器人；长期愿景则是让每个人都拥有一个个人机器人。
这个短期目标的选择本身就是一个信号。OpenAI没有选择做家务机器人，也没有选择做仓储物流机器人，而是选择了“建设基础设施”这个场景——数据中心、电网、工厂。这恰恰是OpenAI最熟悉的领域：AI算力大爆发导致全球面临巨大的电力和算力基础设施缺口，OpenAI要用机器人去解决自己“算力大后方”的劳动力荒。
OpenAI的具身智能路线图
把OpenAI的整个发展历程串起来，可以看到一条清晰的路线：
第一阶段（2016-2020）：探索期。从Dactyl到解散团队，OpenAI验证了“仿真训练+迁移现实”的技术可行性，但被数据瓶颈逼退。
第二阶段（2020-2025）：投资期。通过投资1X、Figure AI等公司，OpenAI用资本保持了对机器人赛道的触角，但最终发现“外包大脑”这条路走不通。
第三阶段（2025-2026）：回归期。从建立人形机器人实验室到成立OpenAI Robotics，OpenAI决定亲自下场，把“大脑”和“身体”握在自己手里。
OpenAI做机器人的独特之处在于：它不是先造身体再装大脑，而是先让AI理解物理世界，再把这套能力灌进真实的机器人。
这个思路和特斯拉、Figure等公司正好相反。别人从硬件出发，OpenAI从“世界模拟”出发。如果Worldsim真的能让AI在虚拟世界中学会物理规律，再无缝迁移到真实机器人身上，OpenAI就有可能绕过“数据瓶颈”这个困扰整个行业的难题——而正是这个难题，曾迫使它在六年前解散了机器人团队。
2026年，伴随着更强的视觉大模型、更成熟的仿真工具以及更便宜的传感器，OpenAI带着底气杀了回来。OpenAI重启机器人项目意味着公司具备了资金、人才条件，且开始重视AGI领域探索中自研自产机器人的重要性。
但OpenAI面临的挑战同样巨大。Figure AI的“分手”已经证明，通用大模型和机器人控制之间存在天然鸿沟。OpenAI能否在Worldsim的基础上，真正跨越这道鸿沟？答案将在它第一台自研机器人走出实验室的那一刻揭晓。
OpenAI的机器人故事，本质上是“从数字世界走向物理世界”的故事。六年前，它因为数据瓶颈从物理世界撤退；六年后，它带着更强大的“数字世界”能力，重新向物理世界发起冲击。这可能是OpenAI通往AGI之路上的最后一个拼图。
#OpenAI# #人形机器人# #具身智能#
关注「智财社」看具身智能技术迭代与资本脉络
原文标题 : OpenAI六年后重启人形机器人，它认为时机到了
