当天Fortune报道了这件事：独立运营的机器人团队被解散，做机器人的研究员归到首席研究官Mark Chen手下，应用机器人和硬件团队划进总裁Greg Brockman领导的Applied组织。公司发言人对这次重组给出的说法是，这体现了对机器人领域的承诺。
英伟达那份研究数据显示，拿
GPT-6 Astra当大脑的机器人智能体，模拟操控基准测试得分74.8%；专用机器人模型里最好的，得分51%。
六年三次：组织变迁史
OpenAI刚创立时就有机器人团队，2020年撤掉。联合创始人Wojciech Zaremba把原因归到两点：机器人训练数据不够，另外走大型语言模型这条路奔AGI更划算。
2024年，OpenAI又把独立机器人团队建了起来，和Figure联手做机器人AI模型。2025年2月双方合作结束，Figure转为自己开发模型。之后OpenAI宣布要自建人形机器人，CEO Sam Altman定的目标是2027年首次公开演示。
到2026年，独立团队再次散伙。六年里第三次结构性调整，走的是从无到有、从有到解散、从重建到整合这么一条线。这条轨迹说明，对“机器人要不要专属AI团队”这个问题，OpenAI的答案跟着通用模型能力的变化一直在改。
核心押注：通用智能是否消解机器人特殊性
公司发言人向Fortune表示，年初团队判断，在Sora这类视频模型上搭机器人AI是最优解，理由是视频模型本身隐含了对物理世界连续时序的理解。后来GPT-6 Astra等通用前沿模型能力往上跳了一大截，研究人员发现通用模型能直接接进机器人控制接口：给摄像头图像、机器人状态信息和动作控制接口，模型就能出指令。
卡内基梅隆大学机器人研究所助理教授Guanya Shi把这次调整看成“机器人不再是特殊问题”的信号。他的解读是，OpenAI或许认为机器人控制说到底就是通用智能的下游应用，把通用模型对准具体任务就行。
Shi也提到另一面：云端大型语言模型有响应延迟的毛病，机器人场景要实时反应，还得靠轻量级本地小模型搭把手。通用大模型能当“战略大脑”，但“神经反射”这活儿未必能一个人扛。
DeepMind的反向押注：专用模型路线
OpenAI宣布解散机器人团队的三天前，Google DeepMind在11月10日发了Gemini Robotics 2.5，这是一款冲着机器人场景设计的视觉-语言-动作模型。路线跟OpenAI正相反，DeepMind选的是给物理世界造专属架构。
DeepMind公告里写着，Gemini Robotics 2.5在和奔驰合作的概念验证中，驱动Apptronik Apollo 2人形机器人做汽车零件分拣和包装，真实工厂环境下成功率达到96%。
OpenAI引的74.8%对51%，出自英伟达的模拟操控基准测试；DeepMind的96%，来自真实工厂场景。两个数字量的不是一回事。MIT教授、Walden Robotics联合创始人Russ Tedrake的看法是，真实部署数据才是机器人厂商的核心护城河。
组织架构解散与方向延续
从组织逻辑上讲，撤掉独立机器人团队本身就是一种技术自信：通用模型够强了，再单养一支“让机器人变聪明”的队伍就是重复投入，不如把人并进核心研究流。
但机器人要过的坎还在，感知校准、安全冗余、机械可靠性，这些不会因为通用模型变强就自己消失。独立团队没了之后，这些工程问题归谁管，目前没有公开答案。
OpenAI发言人表示，2027年人形机器人公开演示的计划不变。
两条路线与未解问题
AI机器人这块正打路线对决：OpenAI赌通用前沿模型的涌现能力，把专属组织撤了减少冗余；DeepMind赌为物理世界定制的专用架构，拿真实工厂数据验证效果。两边都有数据撑着，也都有研究者站台。
机器人创业公司Generalist联合创始人Pete Florence的判断是，现有模型里哪一个最后能占上风，现在谁也说不清。
