OpenAI确认自研人形机器人：先造“大脑”，2027年看演示

OpenAI 已确认将亲自研发人形机器人，不再满足于只向机器人公司提供模型或资金。当地时间近日，OpenAI CEO 萨姆·奥尔特曼在《Sources》播客中被问及公司是否会自己制造人形机器人时，直接回答：“我们会。”

这次表态的重要性不在于 OpenAI 又增加了一条产品线，而在于一家最有能力训练通用模型的公司，准备把模型从浏览器和手机屏幕搬进物理世界。按照奥尔特曼的说法，机器人外观并非当前最难的问题，真正关键的是打造一个能够感知环境、理解指令、规划动作并控制身体的“大脑”。

**机器人“大脑”是将视觉、语言、空间理解、任务规划和运动控制连接起来的智能系统。**它不能只生成一段看起来合理的文字，还必须把判断转化成连续、准确且符合物理约束的动作，并承担判断错误带来的现实后果。

为什么一定要做人形

**OpenAI 选择人形形态，首先是为了兼容已经存在的人类环境。**奥尔特曼在播客中给出的理由很直接：现实世界本来就是按照人的身体设计的，门把手、楼梯、键盘、货架、工具和汽车驾驶位，都默认使用者拥有两只手、两条腿以及接近人类的身高和活动范围。

这意味着，人形并不只是容易获得关注的产品造型，而是一种基础设施兼容方案。如果机器人保持接近人的形态，它就有机会直接使用现有工具、进入现有建筑，并在不大规模改造工厂、办公室和家庭的情况下接手任务。反过来，如果机器人的形态与人差异太大，企业可能需要重新设计整条生产线，家庭也要为机器人更换家具和门锁，部署成本会迅速超过机器人本身。

**人形机器人是具备类人身体结构、能够在人类空间中执行多种任务的通用机器人。**这里的“通用”并不等于什么都会做，而是同一套硬件可以通过更换模型、策略或任务描述，完成搬运、分拣、清洁、巡检等不同工作，而不必为每项工作制造一台专用机器。

不过，人形也不是所有场景的最优解。在固定工位焊接汽车时，传统机械臂通常更便宜、更稳定；在仓库运输货物时，轮式底盘比双足行走更省电；在崎岖地形巡检时，四足机器人可能更可靠。OpenAI 真正押注的是那些环境无法为机器重新设计、任务又经常变化的场景，家庭、零售、护理和中小型企业尤其符合这一特征。

“大脑”比双臂双腿更难

**人形机器人目前最大的瓶颈不是让机器站起来，而是让它在陌生环境中持续完成有用的工作。**一段十几秒的演示可以预先布置环境、筛选成功样本，但真实部署要求机器人连续运行数小时，并处理光线变化、物体位置变化、人类突然介入以及工具损坏等长尾情况。

拿起一只马克杯就是一个典型例子。机器人需要先从摄像头画面中区分杯子、杯柄和桌面，判断杯中是否有液体，再选择接近方向和抓握姿态；手指接触杯柄后，它还要根据触觉或电机反馈调整力度，同时规划手臂轨迹，避免碰倒旁边的物品。如果杯子滑动，系统必须在几十到几百毫秒的控制周期内修正，而不能像聊天模型那样停下来“思考”数秒。

**具身智能是让人工智能通过身体感知环境、采取行动并从行动结果中学习的技术路线。**普通大模型处理的是离散 token，机器人处理的却是连续变化的现实状态：摄像头每秒产生多帧图像，关节编码器不断回传位置，力传感器记录接触变化，控制器还要持续输出电机指令。语言模型中一次不准确的回答可能只影响一段对话，机器人一次错误动作却可能摔坏物品、撞到人或损伤自身硬件。

这也是奥尔特曼强调“大脑”的原因。真正可用的机器人模型至少要打通五个环节：

• **多模态感知：**同时理解图像、声音、深度、触觉和关节状态，而不是只识别画面中的物体名称。
• **世界建模：**判断物体之间的空间关系，并预测推、拉、抓取和碰撞可能造成的结果。
• **任务规划：**把“收拾桌面”之类的模糊要求拆成寻找物品、分类、抓取、移动和放置等步骤。
• **全身控制：**协调手指、手腕、手臂、躯干和双腿，在保持平衡的同时完成精细操作。
• **失败恢复：**发现抓空、打滑或路径被阻挡后主动重试，而不是让整项任务直接终止。

OpenAI不是第一次碰机器人

**OpenAI 此次进入人形机器人并非从零起步，而是重新捡起了一条曾经暂停的研究路线。**早在 2018 年，OpenAI 就公布了 Dactyl 机械手研究：研究人员让机械手在仿真环境中训练，再把策略迁移到真实设备上，随后又展示了单手还原魔方的能力。

**仿真到现实迁移是先在虚拟环境训练机器人，再把策略部署到真实硬件上的方法。**它的价值在于，虚拟机器人可以高速并行训练，不会因摔落或碰撞产生维修成本，也更容易自动生成大量不同场景。但仿真无法精确复刻摩擦力、材料形变、传感器噪声和电机温升，这一差距通常被称为“现实鸿沟”。

Dactyl 当时使用的重要方法之一，是在训练中随机改变摩擦、质量、视觉效果等参数，让模型不要依赖某一种完美的模拟环境。这套思路今天仍是机器人训练的基础，但人形机器人的问题规模更大：一只机械手需要控制二十多个自由度，一台完整人形机器人则要同时处理行走、平衡、双臂协作、手部操作和环境导航。

**OpenAI 过去几年更多扮演机器人公司的模型伙伴和投资者，如今则准备把软件与硬件重新放进同一支团队。**它曾投资 Figure AI 和 1X 等机器人企业，也曾让多模态模型参与 Figure 机器人的视觉理解与对话演示。这些合作证明大模型能改善机器人的语义理解，但也暴露出一个现实：只提供云端模型，很难掌握传感器延迟、关节控制、训练数据采集和整机可靠性等关键环节。

招聘信息暴露了完整野心

**OpenAI 正在组建的并非单纯算法实验室，而是一支覆盖模型、控制、执行器、制造和供应链的完整机器人团队。**据招聘信息，相关岗位已经涉及运动控制、状态估计、执行器控制、整机行为开发，以及训练实体人工智能系统所需的机器学习基础设施。

状态估计尤其容易被外界低估。机器人无法直接知道自己的精确姿态，只能综合摄像头、惯性测量单元、关节编码器和力传感器的数据，推断身体是否倾斜、脚掌是否接触地面以及物体是否已经抓稳。如果估计结果存在小幅偏差，误差会在连续动作中积累，最终表现为步态不稳或抓取失败。

**OpenAI 对硬件的投入说明，奥尔特曼所谓“外形没那么重要”并不等于硬件不重要。**团队还在研发机电一体化执行器，把电机、传动机构、传感器和热管理集成到关节中，并招聘与规模制造及供应链相关的人才。执行器决定机器人的力量、速度、噪声、能耗和可靠性，它也是人形机器人最昂贵、最容易产生维护问题的部件之一。

这条路线会让 OpenAI 面对与训练大模型完全不同的经营难题。模型更新可以通过服务器统一部署，机器人出现关节磨损却需要备件、维修网络和质量追踪；软件服务可以按使用量扩容，硬件产能则受制于电机、减速器、传感器和装配良率。OpenAI 即使拥有领先模型，也不能跳过制造业的基本规律。

与特斯拉、Figure相比，OpenAI晚在哪里

**OpenAI 在通用模型上占优，但在人形机器人整机经验上明显落后于已经迭代多代硬件的竞争者。**截至 2026 年 10 月，特斯拉、Figure AI、波士顿动力和 1X 都已经公开展示实体机器人，部分企业还进入工厂测试或早期客户验证阶段；OpenAI 则尚未公布机器人外观、规格和实际运行视频。

| 公司或项目 | 核心路线 | 已公开优势 | 当前主要短板 | 商业化判断 | |---|---|---|---|---| | OpenAI 人形机器人 | 通用模型与整机协同研发 | 多模态模型、推理能力、训练基础设施 | 尚无公开原型，缺少量产与现场运行记录 | 2027 年先看演示，规模部署仍远 | | Tesla Optimus | 视觉模型、执行器与汽车制造体系结合 | 自研硬件、工厂场景、供应链和量产能力 | 通用操作能力仍需长期验证 | 最有机会先在自有工厂扩大使用 | | Figure AI | 人形整机与视觉语言行动模型结合 | 产品迭代快，较早进入工业客户测试 | 规模制造、可靠性和成本仍待验证 | 更接近企业场景的早期商业验证 | | Boston Dynamics Atlas | 高动态运动与先进机电系统 | 全身控制和复杂动作积累深 | 成本、通用任务模型和规模部署压力大 | 技术标杆价值高，普及速度取决于成本 | | 1X | 面向家庭环境的机器人路线 | 重视远程操作、数据采集和家庭任务 | 家庭安全、任务成功率与人工依赖度待验证 | 场景清晰，但家庭是最难落地的环境之一 |

特斯拉的优势是工厂和制造体系。马斯克此前曾给出 Optimus 长期售价约 2 万至 3 万美元的目标，但目标价格不等于当前可购买价格，更不能代表可靠完成任务后的总使用成本。对企业客户而言，真正关键的是机器人每小时成本、故障间隔、任务成功率和人工接管比例，而不是发布会上的单机报价。

Figure 的优势是迭代速度和整机聚焦。它较早展示了食品分类、递送物品和整理衣物等视觉语言行动任务，也曾接入 OpenAI 模型进行交互；但 Figure 后续强化自研模型路线，说明机器人公司不愿把最核心的控制闭环长期交给外部模型供应商。OpenAI 亲自造机器人，也意味着昔日合作伙伴可能变成正面竞争者。

波士顿动力的优势则是运动控制积累。Atlas 展示过跳跃、搬运和复杂全身动作，但高动态表演与低成本、长时间、可维护的生产作业是两套评价体系。OpenAI 若要证明“大脑优先”的路线更强，不能只让机器人回答问题，而要让它在没有预先摆好道具的环境中稳定完成任务。

2027年的演示应该看什么

**奥尔特曼预计 OpenAI 会在 2027 年拿出“亮眼的演示样机”，但机器人走上街头还要再等好几年。**这个时间判断相对克制，也侧面说明项目仍处在研发早期。OpenAI 没有公布演示内容、机器人外形、硬件参数或外部测试时间。

判断 2027 年演示含金量，至少要看四项指标。第一，任务是不是临时口头提出，而非提前编排；第二，环境是否存在随机变化，而非固定机位和固定道具；第三，机器人失败后能否自主恢复；第四，演示是否连续、少剪辑，并披露成功率和人工接管情况。

**一次成功展示不能证明机器人已经具备产品价值，重复成功才可以。**假设机器人拿杯子的单次成功率为 90%，连续完成拿杯、送达、放置和清理四个环节的理论成功率只有约 65.6%，因为四个步骤需要同时成功。家庭和服务业任务往往包含更多步骤，单项看起来不错的成功率会在长流程中迅速下降。

安全性也会决定 OpenAI 能否把模型能力转化为产品。聊天模型可以在输出前后增加内容过滤，机器人却需要实时限制关节速度、力量和活动区域；当高层模型给出错误计划时，底层控制器必须拒绝危险动作。模型推理、确定性控制和物理安全机制必须分层设计，不能把所有决策都交给一个概率模型。

OpenAI真正想争的是现实世界入口

**OpenAI 做人形机器人的长期目标，是把自身从数字信息入口扩展为现实世界的操作系统。**ChatGPT 能阅读、写作和调用软件工具，但它无法直接整理仓库、照顾老人或维修设备；机器人一旦具备可靠行动能力，模型能够覆盖的经济活动范围将从知识工作扩展到大量线下劳动。

这也是机器人数据越来越重要的原因。互联网提供了海量文本和图像，却没有同等规模、带精确动作标注的真实世界操作数据。机器人需要知道手指施加了多大力量、物体是否滑动、动作为什么失败，这些数据只能通过遥操作、真实部署、仿真训练或人类视频重建获得。谁能率先部署更多机器人，谁就可能获得更多闭环数据，再用更好的模型提高任务成功率，形成类似自动驾驶的数据循环。

**OpenAI 的模型能力可以缩短起跑距离，却不能直接兑换成人形机器人的领先地位。**机器人行业最终比拼的是模型、数据、硬件、制造、可靠性和服务体系的乘积，任何一项接近零，整机价值都会大幅缩水。OpenAI 现在最强的是模型和算力基础设施，最缺的是整机运行数据与制造经验。

从这个角度看，奥尔特曼把“大脑”放在第一位是正确判断，但还不是完整答案。没有足够可靠的身体，模型无法持续收集高质量数据；没有规模制造能力，再聪明的原型也只能停留在实验室。OpenAI 已经通过执行器和供应链招聘承认了这一点，只是它对外仍选择用最熟悉的 AI 叙事来定义项目。

**OpenAI 入局不会立刻带来一台可以买回家的机器人，但会让人形机器人的竞争从硬件展示加速转向通用智能竞争。**2027 年的演示将是第一个检查点：如果 OpenAI 能展示陌生环境中的长流程自主操作，而不是一次经过排练的抓取，它就有机会重新定义行业基准；如果只是给现有机器人接上更流畅的对话模型，那么这家公司距离真正的物理世界平台仍然很远。

参考来源

• IT之家：OpenAI 将研发人形机器人，奥尔特曼称核心是打造“大脑”：报道奥尔特曼对自研人形机器人的确认、2027 年演示预期，以及 OpenAI 的机器人招聘和执行器研发方向。