解散6年后，OpenAI复活机器人团队，奥特曼目标：人手1台

先说一个核心动态：奥特曼亲自下场发帖，为一支叫OpenAI Robotics的新团队招兵买马，岗位覆盖硬件、系统、运营和机器学习工程师。

他为这支队伍定下的终极目标，听起来颇具科幻色彩——有朝一日，让每个人都能拥有一台属于自己的机器人，帮你搞定任何你需要做的事。

当然，愿景归愿景，他也没忘了定一个更具体、更接地气的短期目标：先造一批机器人，去给那些搞基础设施建设的技术工人打下手。

这不是奥特曼第一次公开聊机器人。他曾说过，未来某天你走在街上，迎面走过来七个机器人，那一刻会非常科幻。如今，他正为加速到来这一时刻而招兵买马。

那么，这支团队到底要做什么？

从OpenAI官方招聘页的信息来看，Robotics团队的目标是做通用机器人，追求在动态真实环境中实现AGI级别的智能。

透过这些岗位，也能窥见其技术方向。

岗位覆盖了硬件与软件的协同、仿真环境构建、仿真真实性验证，以及支撑大规模训练的分布式数据系统。其中有一个岗位尤其关键，专门负责缩小“仿真到现实”的差距——让机器人在虚拟世界里练就的本事，能够顺利迁移到真实机器上。

这正是OpenAI技术路线上最独特的地方。从岗位描述来看，OpenAI Robotics将仿真真实性和sim-to-real置于核心位置，这很可能让它与那些以真机数据采集为主的路线形成鲜明区别。

当然，OpenAI开出的价码也不低。已公开的岗位中，部分薪资区间从29.3万美元到44.5万美元，外加股权。

带队的是OpenAI DALL·E 2的共同创造者、DALL·E 3团队负责人Aditya Ramesh。DALL·E是OpenAI的文生图模型，输入一句话就能生成一张图。

Aditya Ramesh

OpenAI在图像和视频领域的看家本领，很大一部分出自Aditya和他的团队之手。后来惊艳全网的视频生成模型Sora，以及其后续所在的世界模拟方向，也与他领导的Worldsim团队密切相关。

如今他在OpenAI的身份是研究副总裁，领导一个叫Worldsim的世界模拟项目。

按奥特曼的说法，在过去一年里，OpenAI Robotics正是从Worldsim项目中逐步演变而来。

之所以把队伍交给他，是因为他这些年一直在OpenAI做同一件事：教AI搞懂这个世界长什么样、怎么运转。从画图，到生成视频，再到模拟整个物理世界。

下一步，他要带着Robotics团队，让这套对世界的理解，真正长出“手和脚”。

别人忙着造身体，OpenAI先造一颗大脑

做人形机器人的公司比比皆是，特斯拉有Optimus，Figure也迭代了好几代。OpenAI和他们有什么不一样？

差别就在这个“世界模拟”上。

别人的路径通常是先把身体造出来，再想办法往里填充智能。OpenAI则是反着来：先让AI理解物理世界，再把这套能力灌输进真实的机器人。

这套思路正是Aditya的专长。他领导的Worldsim，研究的就是世界模拟——让AI在脑子里构建一个会动的物理世界：物体如何掉落、如何碰撞、如何被抓取，都在模型里计算清楚。而这，恰恰是机器人最欠缺的能力。

仿真够真实，机器人就能在虚拟环境里反复练习、自己生成训练数据，再把学会的技能迁移到真机上。OpenAI押注的核心就在于——只要世界模型足够强大，物理世界的训练数据就能在仿真中喂出来，不必事事都拿真机去试错。

Robotics正是从Worldsim上生长出来的：一头连着世界模型，一头连着真实的手和脚。

那么，OpenAI为什么非要亲自下场，而不是像以往那样，找个现成的机器人公司合作？

这里面还有一段旧账。

2024年2月，OpenAI曾与Figure签下合作协议，打算把自家模型装进对方的人形机器人。但这段合作相当短命，不到一年就告吹了。

到了2025年2月，Figure的CEO直接公开宣布退出合作，态度很明确：要在真实世界里把具身智能做到规模化，最终还得靠自己垂直整合，外包AI那条路走不通。

合作伙伴要掉头自己干，OpenAI自然也得调整策略——开始将硬件、软件、模型和制造能力整合到同一条机器人研发线上，而不再只是给外部机器人公司提供模型。

OpenAI玩机器人比你想的要早

如果你以为OpenAI是最近才想起来做机器人，那就小看它了。早在2016年，它刚成立没多久，机器人就已经出现在研究清单上了。

不过一开始，它没急着造硬件，而是先搭建“训练场”。2016年OpenAI Gym提供了强化学习基准环境，其中就包括模拟机器人；2017年的Roboschool则更加明确地转向了开源机器人仿真。

这条“在仿真里练、在现实中用”的思路，从那时起就定下了基调。

顺着这条路，2018年它拿出了Dactyl——一只人形机械手，完全在仿真环境中训练，靠随机化各种物理参数，硬是把本事迁移到了真实的机械手上。

到2019年，这条路走到了一个高光时刻。OpenAI训练出一个AI系统，用一只类人机械手复原了魔方。按官方视频的说法，这种灵巧程度对机器人来说是前所未有的，连人类自己单手做起来都不容易。

这只机械手最特别的地方，是它的本事完全在仿真里练出来的。研究团队没有拿真机一遍遍地试错，而是在一个并不完美的模拟环境中训练神经网络，再让它迁移到真实的机械手上，并快速适应现实。

支撑这套迁移的核心技术叫“自动域随机化”。它能在仿真中不断生成越来越复杂的环境，逼着AI学会应对各种从未见过的情况。

在那段官方视频里，团队拿一只毛绒长颈鹿去戳正在解魔方的机械手，给它套上橡胶手套，把它的手指绑起来——它照样能把大部分动作做完。要知道，这些干扰在训练时一次都没出现过。

当时，最简单的情况下，它能在60%的概率下解出魔方；遇上最刁钻的打乱，成功率会掉到20%。但这已经足够令人惊艳：它证明了一件事——复杂的灵巧操作，确实能靠仿真练出来，再搬到真机上。

在当时的OpenAI看来，训练这样一只手，是通向通用机器人的基础之一。

可这条路很快撞上了墙。

据报道，OpenAI在2020年前后一度解散了机器人团队，这条线断了好几年。

原因并不复杂。当时领队的联合创始人直言：机器人最大的瓶颈是数据太少，而语言、图像这些领域的数据要丰富得多。与其卡在机器人上，不如把精力挪到数据更充足的地方。

后来的故事大家都知道了——ChatGPT先火了。

如今OpenAI的Robotics卷土重来，押注的正是用仿真自己生成数据，去补上当年那块数据短板。

“人手一台”还有多远？

普通人最关心的，可能是我什么时候能在家摆上一台属于自己的机器人？

从这次招聘岗位来看，OpenAI打算自己做机器人的传感器和算力，由内部自研的AI模型驱动，还要去尝试不同形态的机器人本体。

有岗位甚至提到需要雇人专门测试样机，而某份岗位描述里写着，这些机器人将来若一切顺利，会走向“全面量产”。

当然，这些眼下都还停留在岗位描述和早期研发阶段，OpenAI尚未发布任何一款机器人。

过去几年，AI竞争主要体现在模型层面——比谁的模型更会聊天、更会写代码、更会画图。

现在，这场竞争正逐渐延伸到物理领域：让AI真正长出手脚，去拧螺丝、去搬东西、去帮你干活。

从一只解魔方的机械手，到奥特曼口中人手一台的机器人，中间还隔着很长的一段路。

有意思的是，当年与OpenAI分手的Figure，反倒先一步走进了厨房。

Figure 03将餐具放入洗碗机、清理桌面，Figure CEO的目标是在2026年让其真正适用于家庭场景。

最新的Figure 03，在演示中已经能走到水池边把碗碟冲干净、把餐具码进洗碗机、把衣服叠好——靠的是它自研的模型。

虽然这仍然是演示阶段，但至少Figure已经有了一具会在厨房干活的身体。

下一个十年，谁会第一个把机器人送进你家客厅？

答案未必是今天模型最强的那家，而是那个最先把AI大脑、机器人身体和真实世界数据闭环跑通的玩家。