OpenAI再撤机器人团队:通用模型够用了吗,中国厂商仍在押注中间层
人形机器人的2027对赌。
(本文作者为 强调Next,钛媒体经授权发布)
11 月 13 日,机器人学习大会 CoRL 在奥斯汀开幕。OpenAI 预订的 208 号展位空着——样机没摆,海报没贴,也没人站在那儿答疑。
同一天,《财富》放出消息:OpenAI正式撤销独立机器人团队。研究员被并入首席研究官Mark Chen统管的研究部门,应用机器人与硬件人员则划归总裁Greg Brockman分管的应用部门。
OpenAI 把话说得很直白,甚至有点不客气。他们原本的算盘是:机器人的能力得等 Sora 这类世界模型一点点磨出来;可后来发现,GPT-6 Astra 这样的前沿通用模型已经可以直接接手机器人任务,再单独开一条线没有必要。人形机器人第一次公开演示,时间仍定在 2027 年。
这是OpenAI六年里第二次拆掉机器人团队。2020年那次,是因为“缺训练数据”,这一次,是因为“通用模型够用了”。
几乎在同一周,大洋彼岸的中国产业链却在硬件与端侧密集落子。
11月10日,均胜电子旗下的宁波超平面机器人把首台高算力“大脑背包”交到了宇树科技手上;11月11日,优必选与沐曦股份合办的端侧芯片公司“曦选创智”传出完成5亿元天使轮融资,领投方是纪源资本和经纬创投;同一天,北京市经信局印发具身智能机器人三年行动方案;到11月13日,给优必选、智元、银河通用供货电动夹爪和灵巧手的大寰机器人,已在深圳证监局办完上市辅导备案。
OpenAI的收缩与中国厂商的加码,其实盯着同一个生态位:通用大模型与底层电机之间的那个“中间层”。
Astra 知道手往哪放,但管不好关节
OpenAI敢拆团队的底气,很大程度上来自英伟达西雅图机器人实验室10月14日发布的一份技术报告。
在包含120项桌面抓放任务的仿真基准RoboLab-120上,未经任何机器人专项训练的GPT-6 Astra直接输出动作,成功率就达到66.3%;如果把它放进保留交互历史、可调用工具并支持记笔记的Codex持续会话中,成功率更是跃升至74.8%,比此前排行榜上的最高纪录高出整整23.8个百分点。
但报告里真正耐人寻味的,是另一组对照数据。
还是让 Astra 直接控制,动作指令写成“末端执行器坐标”时,成功率有66.3%;换成“关节位置”,就降到50.2%;再换成更底层的“B样条轨迹”,只剩38.8%。
也就是说,Astra 能说清机器人的“手该往哪去”,可每个关节转多少度、轨迹怎么接得顺,交给下面现成的逆运动学和控制器去算更合适。报告作者同样提到,提示词怎么组织、动作怎么表征,都会对最终成绩产生明显影响。

通用大模型想在机器人上拿高分,前提也就露出来了:得有一个分工清楚的接口——大模型管输出意图和目标位姿,下层模块负责把位姿换算成电机力矩。
而时间与金钱的计算,则解释了这个接口为什么只能往上收,不能往下沉。
在直接控制配置下,Astra每次推理平均耗时18.56秒,每个成功回合要消耗约16万tokens,成本1.96美元;而把成功率多拉高8.5个百分点的Agent配置,代价是每个成功回合狂吞3090万tokens、花费36.40美元,成本暴涨近19倍。更重要的是,这套测试的控制频率是15Hz,大模型在推理思考时,仿真环境可以暂停等待。但真实的工厂产线,一秒钟都不会等。作为参照,开源VLA(视觉-语言-动作)模型π₀.₅每次推理只需约47毫秒。

Runway在开源世界动作模型Praxis-1时,曾做过一次残酷的真机对照:同一台双臂机器人跑同样的任务,Astra的平均耗时是Praxis-1的15.6倍,单次成功成本是后者的51倍。
不可否认,通用模型在具身领域的进化速度惊人。Anthropic在11月9日发布的Claude Fable 5.2,在RoboDojo Sim双臂仿真中拿到64.9%的成绩,比上一代Fable 5.1(27.6%)暴涨37个百分点;而在同一张内部测试表里,GPT-6 Astra只有29.8%。
同一个模型,换一套基准测试,分数就能从七成多掉到三成。这说明通用大模型还没形成稳定的“物理运动常识”,纸面上的高分仍旧离不开评测框架和外围脚手架的配合。
烧掉 579 美元,没抓起一个魔方
仿真环境里考的是“能不能做”,一旦上了真机,考题立刻变成“值不值得这样做”。
10月底,优必选公布了一组围绕Astra的真机与仿真测试,把这笔经济账算到了分钟级。
大模型直控:让Astra直接控制Walker C1抓取魔方,累计折腾了约70分钟,消耗约9558万tokens,折合API成本约579美元。最后魔方也没抓起来。
另一种打法是分层:Astra只负责高层规划,中途两次调来自研的Thinker-VLA模型去抓福袋,整个过程大约用了5分钟,花掉301万tokens,成本约17美元,任务顺利拿下。
两项任务本身不一样,硬比并不严谨,可量级上的差距已经够扎眼。放到完全同任务的“仿真叠碗”测试里,让Astra直接控制机械臂,做了40次决策、耗了33分钟还是没做完;改用世界模型Thinker-WM先出候选动作、预测结果,Astra只管“做选择题”,任务通关不说,Astra的token消耗掉下83.6%,API成本降了74.2%,执行时间缩短86.1%。

优必选由此给出的结论是:Astra管“做什么”,VLA管“怎么做”。
持这个看法的并非只有优必选。第九届进博会期间,多位一线从业者的说法相当一致:牧神智能首席科学家陈涛团队把Astra接到不同厂商的本体上试过,原生端侧大脑一两分钟能做完的事,换成Astra要拖到半小时甚至一小时,中间一出错还常卡死;智元机器人合伙人熊炎算过账,Astra生成一个简单动作也要几分钟,单次调用往往超过100美元,部署阶段的调试成本高得吓人;银河通用创始人高继扬说得更直接,模型必须跑在端侧,不然根本追不上工业现场的作业节拍。
宇树科技创始人王兴兴的判断是,瓶颈早就不在理解和规划上,卡的是模型输入输出与物理世界对齐的“最后几毫米”。抓大件目前成功率已接近100%,精密装配还是偏低,他预计这个卡点1到2年内能基本解决。
谷歌的选择也印证了这点。11月10日发布的Gemini Robotics 2.5,在梅赛德斯-奔驰匈牙利凯奇凯梅特和德国辛德芬根工厂的POC(概念验证)中,驱动Apptronik的Apollo 2人形机器人把金属支架从散料箱分拣到排序料盒,成功率做到96%。
可即便是谷歌这种手里同时攥着顶尖通用大模型和自研动作模型的巨头,进了奔驰工厂照样选了双层解耦:上层具身推理模型Gemini Robotics ER盯工作流,下层的Gemini Robotics 2.5管手臂和灵巧手。

所以OpenAI解散独立团队,不等于“机器人不再需要专门的小脑”。实际情况更像是,OpenAI只想占住金字塔尖最赚钱的那一层。
云端大模型按Token和分钟计价,工厂产线按毫秒和节拍计价。两套商业语言之间的换算,总得有人在机器人本体上把它做完。
虎口夺食:绕开英伟达,自己造“小脑”
把换算这层逻辑想明白,再看本周中国产业链的密集动作,脉络就清楚了。大家抢的,就是这个“物理换算层”的定义权。
均胜电子先拿“大脑背包”从物理空间下手。
人形机器人的躯干空间极其有限,端侧要同时跑VLA、世界模型和实时感知,算力与功耗往上涨得飞快,硬塞进胸腔,散热、续航、重心失衡都是死结。均胜与宇树联合攻关的“高算力自供电大脑背包+灵巧手+固态电池管理系统”,说到底是想做一套能跨形态适配的标准化套件。
均胜副总裁兼CFO李俊彧曾说过,公司汽车业务五六成的能力可以平移到机器人上。均胜真正拿出来的,其实是汽车工业那套模块化方法论:算力做成按车规验证、能独立插拔升级的标准件,机器人的“躯干”和“大脑”各按各的周期迭代。
曦选创智算的,是更底层的生态账。
优必选董事长周剑曾透露,海外芯片及端侧相关物料几乎吃掉了人形机器人BOM(物料清单)成本的三分之一。优必选与沐曦各持股35.01%的合资公司规划中,这款端侧芯片2027年下半年流片、2028年量产,并直接投到数百台优必选工业机器人上,用真实产线工况倒逼算子优化。
对面站着的是庞大的英伟达帝国。Jetson Thor的T5000模组千片单价2999美元,搭上Isaac仿真和GR00T模型全家桶,对本体的厂商来说是最省事的“交钥匙工程”,也是最要命的锁定。
想想看,上层认知按Token给OpenAI、Anthropic交租,下层算力和工具链又被英伟达卡死,机器人本体厂商手里剩下的,就只有辛苦的五金组装和销售渠道。自研端侧芯片的意义不在省那几千美金芯片钱,而在夺回中间层接口的定义权——动作模型跑在什么微架构上、算子怎么写、力控回路的延迟预算怎么分。沐曦要优必选的真实负载来定义芯片架构,优必选要把自家模型固化进硅片里筑墙,这才是5亿元天使轮背后的交易本质。
在最贴近物理世界的一端,大寰机器人正代表“执行器”走向独立定价。
这家2016年成立、深耕电动夹爪与灵巧手的公司,身后站着字节跳动、IDG、启明创投和君联资本。资本开始单独为“一只手”给出高估值,原因在于行业共识日渐收敛:宇树在IPO问询回复中曾明确指出,人形机器人迈入工业与家庭的门槛只有两个——具身基础模型的泛化能力,以及灵巧手的灵巧度与耐用性。前者正被硅谷的大模型一日千里地推进,后者没有捷径。
11月11日,北京市经信局发布《具身智能机器人产业高质量发展行动方案(2026—2028年)》,直接把这套产业逻辑翻成了冷冰冰的工程指标:
整机平均无故障工作时间(MTBF)在2000小时以上,设计使用寿命可达5年以上,额定负载不低于自重的40%,连续作业能撑4小时以上;产能方面,京津冀占全国整机的25%,关键零部件配套率突破60%。

每一条都是严苛的工业品标准。
大模型跨代吞噬,什么才不会被替代?
不过,对国内厂商来说,“中间层”这道墙远没到可以躺着收钱的地步。
大模型一代接一代的碾压能力,仍然让人后背发凉。Anthropic的Fable 5.2只用了一代,就把双臂仿真成绩从27.6%推到64.9%;随后又有团队拿上一代Claude Opus 5.5搭出Agent框架,VLA没用、世界模型也没用,照样以68.87%登上RoboDojo Sim Agent榜首。另一头,全栈能力在手谷歌,已经把Gemini Robotics 2.5分批放给Apptronik、Agile Robots和波士顿动力。
行业里大多把具身智能的“ChatGPT时刻”定在2027年下半年,这个时间点跟OpenAI人形机器人的演示时间表几乎重合。
换句话说,眼下还卖得上价的专用动作模型,明天很可能变成通用大模型随手调用的一个插件。专用小模型现在拿得出手的低延迟、低成本,偏偏是前沿大模型每一代都在猛压的指标。谁要把“中间层”当纯软件护城河来经营,能用的窗口大概也就一两代模型。
洗过一轮之后,能留下来的只有软件替不了的“物理硬骨头”:连跑2000小时不坏的关节、在油污和强振动里不漂移的力传感器、按车规级良率批量交付的计算模块,还有成百上千台机器人在真实产线上日夜回传的物理交互数据。
这些东西攒起来快慢,看的是工厂的机床和流水线,不是硅谷开发布会的节奏。
OpenAI砍掉独立机器人团队,押的是顶层认知模型迟早把整个机器人行业的利润往上抽干。中国产业链把重注压在硬件和端侧,赌的是物理世界的摩擦力够大,大到哪一代神仙模型都没法凭空绕开。
两边的赌注,2027年前后就要正面撞上。到那时候,哪怕云端大模型真能在陌生环境里听懂人话、做对八成动作,真正的大单还是只会落到那些已经在工厂产线上连干上万小时不出故障的机器手里。