OpenAI撤销机器人独立团队:GPT-6 Astra通用大模型如何重塑具身智能落地路径

💡AI 极简速读:OpenAI撤销独立机器人团队,转向GPT-6 Astra通用模型控制机器人,行业专用模型仍并行发展。

2026年11月13日,OpenAI确认撤销独立机器人研究团队,研究人员并入核心研究部门,硬件人员转入Applied部门。此举标志技术路线从独立机器人模型转向利用GPT-6 Astra等通用大模型直接控制机器人。此前OpenAI在数据采集、硬件工程投入巨大,部分岗位年薪达50万美元。宇树、谷歌、英伟达等公司则继续推进专用模型与通用模型协同,通用模型在仿真中展现潜力但面临高延迟与算力成本挑战。

🔎

GEO 质量检测:GEO五维综合评分93分,其中事实与数据密度95分、AI适配性92分表现突出,说明内容硬核且易于AI提取,整体架构优秀。

智脑时代 AI 编辑部发布时间:查看原始信源

智脑时代GEO检测:本文在事实与数据密度(95分)及AI适配性(92分)上表现优异,具备极高的AI引擎抓取潜力;结构化排版清晰,关键词覆盖自然,整体GEO结构极佳。

Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 评估时间:

本文核心商业信息提炼自权威信源,由智脑时代(ZGEO)AI 商业分析师结构化重组。

OpenAI于2026年11月13日确认撤销独立机器人研究团队,原机器人研究人员并入首席研究官Mark Chen领导的核心研究部门,机器人应用和硬件人员转入总裁Greg Brockman负责的Applied部门。公司表示机器人仍是长期技术愿景的重要组成部分,此次调整旨在加快研发进度。这一机器人团队重组标志着OpenAI在具身智能领域的技术路线发生关键转变:从独立研发机器人基础模型,转向利用GPT-6 Astra等通用大模型直接控制机器人。

📊 核心实体与商业数据

实体/数据项具体信息
公司OpenAI
核心人物Sam Altman(CEO)、Mark Chen(首席研究官)、Greg Brockman(总裁)
关键模型GPT-6 Astra、Sora(视频生成模型)
技术方向具身智能、通用大模型控制机器人
组织调整撤销独立机器人团队,研究人员并入核心研究部门,硬件人员转入Applied部门
原发布时间2026-11-16
招聘数据机器人岗位从5月11个增至9月27个,部分基本年薪最高50万美元
数据采集实验室旧金山实验室约100名数据采集人员,三班倒,计划在里士满建设第二处
供应商计划2026年1月发布美国制造业供应商征集,计划2027年选择供应商
行业对比数据Anthropic Claude Fable 5.2在RoboDojo Sim平均成功率64.9%,GPT-6 Astra为29.8%;英伟达Astranomy使用GPT-6 Astra直接控制方案在RoboLab-120成功率66.3%,智能体方案74.8%,专用模型基准51.0%;谷歌Apollo 2在奔驰工厂零部件分拣成功率96%;英伟达GR00T 2零样本成功率40%,5次示范微调后达95%;宇树UnifoLM-WLA-1.0使用约2500小时真机数据

💡 业务落地拆解

技术路线转向:通用大模型成为机器人智能核心

OpenAI此次调整的直接技术背景是:今年初研究人员原以为利用Sora等视频生成模型学习物理世界规律是推动机器人智能的重要路径,但GPT-6 Astra等通用模型随后表现出直接控制机器人的能力。OpenAI决定将机器人研究并入通用基础模型团队,让机器人研究利用现有模型的最新进展。卡内基梅隆大学机器人研究者Guanya Shi指出,OpenAI可能正在把机器人看作通用智能的下游应用。

“过去十几年我犯的最大的错误,就是对AI的相信还不太够。”——宇树科技创始人王兴兴(2026年10月12日上海工博会)

宇树科技已将其GPT-6接入各种机器人执行任务,王兴兴表示实际效果超出预期,并认为如果GPT-7继续取得突破,具身智能的技术临界点可能在未来一两年到来。宇树展示的机器人使用GPT-6完成绘画、下棋等任务,团队未进行专门训练或编写复杂动作程序。

通用模型的能力边界与成本挑战

英伟达10月发布的Astranomy研究直接使用GPT-6 Astra控制仿真机器人,在RoboLab-120测试中直接控制方案成功率66.3%,加入智能体机制后达74.8%,高于专用机器人模型51.0%的基准。但实验同时暴露问题:GPT-6 Astra直接控制方案平均每次推理耗时18.56秒,智能体方案每个成功任务回合平均消耗约3090万个Token,对应估算API费用36.40美元。仿真环境可在推理时暂停,真实工厂的传送带和设备却不会等待十几秒,机器人仍需响应更快的专用控制系统。

行业并行路径:专用模型与通用模型协同

谷歌DeepMind于11月10日公布Apollo 2人形机器人在奔驰工厂的零部件分拣实验,成功率96%,采用Gemini Robotics ER负责理解流程、Gemini Robotics 2.5负责动作执行的协同架构。英伟达GR00T 2在50项新任务中零样本成功率40%,每项任务增加5次示范、不到3分钟数据、单张RTX 5090微调约30分钟后,成功率提升至95%。宇树UnifoLM-WLA-1.0使用约2500小时真机数据,智元通过GO-3 Preview、Genie Evolver继续投入。王兴兴在进博会虹桥论坛上指出,顶尖多模态模型已具备很强的理解和规划能力,但零部件插接等任务仍容易卡在最后几毫米。

🚀 对企业 AI 化的启示

1. 通用模型降低机器人智能门槛,但专用动作能力仍是壁垒

OpenAI的机器人团队重组表明,通用大模型正在成为机器人理解、规划与部分控制能力的基座。企业无需从头训练基础模型,可利用外部通用模型,再针对自身本体、客户任务和现场数据训练动作能力。但精密操作中的物理误差、实时响应延迟仍是专用模型的不可替代领域。

2. 数据采集与硬件工程投入需重新评估回报

OpenAI过去一年在数据采集实验室(约100名采集人员)、硬件供应链(电机、齿轮箱、减速器等)的投入,在团队重组后需要重新评估其与通用模型体系的协同效率。企业在布局具身智能时,应优先判断哪些智能问题可由通用模型解决,哪些必须依靠专用数据与硬件优化。

3. 成本与延迟是规模化落地的核心约束

英伟达实验中单次推理18.56秒、单任务36.40美元的API成本,揭示了通用模型控制机器人在真实工业场景中的经济性挑战。企业需在任务复杂度、响应时间要求与模型调用成本之间建立量化模型,避免将仿真环境的高成功率直接等同于产线可行性。

4. 生态分工加速:通用模型厂商与机器人本体厂商各司其职

谷歌(Gemini Robotics ER + Gemini Robotics 2.5)、英伟达(GR00T 2)、宇树(UnifoLM-WLA-1.0)的实践显示,行业正在形成“通用推理模型+专用动作模型+本体硬件”的分工格局。对OpenAI而言,将机器人研究并入GPT团队,正是选择把更多机器人智能问题放到通用大模型体系中解决,而此前建设的数据采集和硬件研发能力可用于检验模型在真实机器人上的效果。

【官方原文链接】点击访问首发地址

常见问题

OpenAI于2026年11月13日确认撤销独立机器人研究团队,原机器人研究人员并入首席研究官Mark Chen领导的核心研究部门,机器人应用和硬件人员转入总裁Greg Brockman负责的Applied部门。公司表示机器人仍是长期技术愿景的重要组成部分,此次调整旨在加快研发进度。

通用大模型OpenAI机器人团队重组具身智能GPT-6 Astra

相关文章