OpenAI撤销机器人团队：通用大模型能否直接接管机器人任务？

机器人“大脑”该怎么造，具身智能行业正在因为通用大模型在机器人上的表现而重新盘算。

澎湃新闻记者近期和多位具身智能从业者聊下来发现，

当地时间11月13日，外媒报道称OpenAI已确认撤销独立机器人团队：机器人研究人员被并入核心研究团队，应用机器人及硬件团队则转入应用部门。公司方面的说法是，机器人依旧是其长期愿景的重要一块，这次调整是为了让相关研发跑得更快。

从仿真测试到真机实践，通用模型接手的机器人任务越来越多。不过精细控制、响应速度、运行成本这几道坎，仍是它走向实际应用绕不开的问题。

该图片由AI生成

从仿真到真机，通用模型开始接手机器人任务

英伟达

带持续交互上下文的智能体方案，成功率是74.8%；直接生成动作的方案则为66.3%。测试范围主要是抓取、放置这类操作，模型推理时仿真环境处于暂停状态，实时应对持续变化环境的能力还没验过，插接、装配等复杂接触任务同样没有覆盖。

英伟达测试结果

Anthropic的新模型上也出现了相近的进展。

Anthropic发布的

国内机器人企业也已将

10月22日，在2026世界

优必选测了两条路：通用模型直接控制，以及通用模型与具身模型协同。

此前澎湃新闻记者获悉，优必选围绕

公司披露的结果显示，Astra直接抓取魔方、仿真搬运篮子、直接叠碗都没有完成；换成与专用具身模型协同后，机器人完成了福袋抓取、绕障移动和叠碗。

协同方案涉及调用优必选自研

优必选测试Astra直接控制抓魔方

这些实践里，通用模型进入机器人的方式并不一样：有的直接生成动作，有的负责理解任务、制定计划，再调用专用模型去执行。模型之间怎么分工，已经关系到任务能不能完成、运行开销有多大。

通用模型参与决策与研发，专用模型继续补足执行能力

通用模型能承担更多任务，不等于面向机器人的专门训练就没用了。谷歌近期更新的机器人系统，还是靠具身推理和动作模型配合来提升实际操作能力。

11月10日，谷歌DeepMind发布

谷歌同时披露，在与Apptronik、奔驰开展的汽车产线概念验证中，

谷歌

这种分工和优必选的探索有相通的地方：任务理解、流程跟踪、连续动作执行分别由不同模型协同完成。对机器人来说，理解“把零件放进容器”之后，还得落成接近物体、调整抓取姿态、移动、放置这些具体操作。

通用模型的作用，也正往机器人研发过程里延伸。

谷歌方面介绍，

换个角度看两类模型的关系：通用模型能进机器人执行环节干活，也能帮忙收集、生成训练材料，分析失败原因，让专用模型改得更快。

这么看，通用模型和具身模型之间，能力覆盖的范围在变，研发和应用上也有配合。通用能力涨上去以后，哪些任务直接就能做，哪些还得靠机器人数据训练，眼下正由一次次具体测试来回答。

模型变聪明了，速度和成本还得跟上

通用模型能不能接下更多机器人活儿，接下来要回答部署环节的问题。

英伟达的

成功率上去了，速度和成本未必跟着好转。上下文更多、能持续规划和调整的智能体方案，或许能啃下更复杂的任务，代价是更多的推理和模型调用。优必选做的协同测试给出另一种情况：特定任务里把部分动作执行交给专用模型，对通用模型的调用就能少一些。

所以比较机器人模型，不能只盯一个成功率数字。仿真里抓取、真机上叠碗、汽车产线配零部件，任务条件和作业要求各不相同，能撑住的结论也各有各的范围。

真到了工作现场，物体和人不会等模型想完再动。机器人做完一次任务，跟按产线节拍连续作业，中间还差着响应速度、运行成本，以及出错之后能不能恢复。

从仿真测试走到工厂，模型成绩要落成具体的作业指标：换了零件还能不能抓准，操作偏了能不能自己纠回来，一个班要人工接管几次，每完成一次作业花多少钱。这些问题的答案，会决定通用模型能直接扛多少活，哪些环节仍旧离不开专门训练。