OpenAI再撤机器人团队:通用模型够用了,中国厂商还在押注“小脑”
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。没有样机,没有海报,没有人站在那里回答问题。同一天,《财富》披露OpenAI正式撤销独立机器人团队:研究员并入首席研究官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
11 月 13 日,机器人学习大会召开。
同一天,《财富》放出消息:OpenAI已正式撤销独立机器人团队。研究员被并入首席研究官Mark Chen负责的研究部门,做应用机器人和硬件的人则划到总裁Greg Brockman分管的应用部门。
OpenAI给的说法很直接,甚至有点傲:他们判断,像
GPT-6 Astra这样的前沿通用模型已经能直接接手机器人任务,再单设一个团队没必要。
六年之内,这已经是OpenAI第二次把机器人团队拆掉。2020 年那次,理由是“缺训练数据”;这回,理由是“通用模型够用了”。
差不多同一周,大洋另一边的中国产业链却在硬件和端侧接连落子。
11月10日,均胜电子旗下宁波超平面机器人把首台高算力“中间层”设备交到了宇树科技手上。
这条“中间层”路线,正是OpenAI此次调整中被略过的那一环。
Astra 清楚手该往哪放,却管不好关节怎么动。
OpenAI敢拆团队,底气很大程度上来自Astra。
在一个包含120项桌面抓放任务的仿真基准上,Astra交出了不错的成绩。
但报告里更值得琢磨的,是另一组对照数据。
同样由Astra直接控制,当动作指令换成另一种表述方式,结果就变了样。
说白了,Astra擅长的是告诉机器人“手该去哪里”;至于每个关节转多少度、轨迹怎么平滑过渡,还是交给底下现成的模块更稳妥。
这就点出了通用大模型在机器人领域拿高分的前提:它得架在一个分工清晰的接口上——大模型负责输出意图和目标位姿,下层模块负责把位姿翻译成电机力矩。
而时间和金钱这两笔账,正好解释了为什么这个接口只能往上收,不能往下沉。
直接控制配置下,Astra每次推理平均要花18.56秒,每个成功回合消耗约16万tokens,成本1.96美元;换成Agent配置,成功率多拉高8.5个百分点,代价却是每个成功回合吞掉3090万tokens、花掉36.40美元,成本涨了近19倍。更关键的是,这套测试的控制频率是15Hz,大模型推理时仿真环境可以暂停等着。可真实的工厂产线,一秒钟都不会等。作为参照,开源方案的表现则是另一回事。
Runway在开源世界动作模型上的进展,也被拿来做了对照。
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日发布的成果就是例子。
同一个模型,换一套基准测试,成绩就能从七成多掉到三成。这说明通用大模型还没长出稳定的“物理运动常识”,纸面高分依然高度依赖评测框架和外围脚手架的配合。
烧掉 579 美元,连一个魔方都没抓起来。
仿真环境里考的是“能不能做”,一上真机,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。
分层协同:让Astra只做高层规划,期间调用两次自研模块。
两项任务性质不同,硬拉在一起比并不严谨,可量级上的差距摆在那儿,已经够说明问题了。换到任务完全一致的“仿真叠碗”测试里,Astra直接操控机械臂做了40次决策,33分钟过去还是没把活干完;上了世界模型之后
优必选据此给出的分工是:Astra管“做什么”,VLA管“怎么做”。
持这种看法的远不止一家。第九届进博会期间,几位一线从业者的说法相当接近。牧神智能首席科学家陈涛的团队把Astra接到不同厂商的本体上试过,原生端侧大脑一两分钟能完成的任务,换成Astra要拖到半小时乃至一小时,中间一出错还经常卡死。智元机器人合伙人熊炎算过账:Astra生成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离谱。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,而在模型输入输出与物理世界对齐的“最后几毫米”。抓大件现在的成功率已接近100%,精密装配仍然偏低,他预计这个卡点1到2年内会基本解决。
谷歌的选择很能说明问题。11月10日发布的
可即便是谷歌这种同时握着顶尖通用大模型和自研动作模型的巨头,进了奔驰工厂也照样老老实实采用双层解耦架构:具身推理模型
所以,OpenAI解散独立团队,不等于“机器人不再需要专门的小脑”。更贴近实情的是,OpenAI只想做金字塔尖上最赚钱的那一层。
云端大模型按Token和分钟计价,工厂产线按毫秒和节拍计价。这两套商业语言怎么换算,总得有人在机器人本体上把它完成。
虎口夺食:绕开英伟达,自己造“小脑”
把这层换算逻辑想明白,再看本周中国产业链的密集动作,脉络就清楚了。大家抢的,正是这个“物理换算层”的定义权。
均胜电子选择用“大脑背包”从物理空间切入。
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,算力和功耗都在指数级往上走,硬塞进胸腔,散热、续航、重心失衡这几个死结躲不开。
均胜副总裁兼CFO李俊彧说过,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:算力按车规验证,做成能独立插拔升级的标准件,让机器人的“躯干”和“大脑”各按各的周期迭代。
“曦选创智”算的则是更底层的账。
优必选董事长周剑透露过,海外芯片及端侧相关物料,几乎吃掉了人形机器人
站在他们对面的,是体量庞大的英伟达帝国。
可以设想:上层认知按Token向OpenAI、Anthropic交租,下层算力和工具链又被英伟达卡住,机器人本体厂商手里就只剩五金组装和销售渠道这类苦活。自研端侧芯片的真正意义,不是省下几千美金芯片钱,而是把中间层接口的定义权夺回来——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。
这家公司2016年成立,深耕电动夹爪与灵巧手,背后站着字节跳动、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。前一项正被硅谷的大模型一日千里地推着走,后一项没有捷径。
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(
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,对中国厂商来说,“中间层”绝不是一道能高枕无忧的护城河。
大模型跨代碾压的势头仍然吓人。Anthropic的Fable 5.2只更新了一代,就把双臂仿真成绩从27.6%提到64.9%;随后又有团队拿上一代Claude Opus 5.5搭出Agent框架,既没用VLA,也没用世界模型,硬是以68.87%的成绩冲到榜首。
具身智能的“中间层”因此被业内普遍看成一个过渡地带。
换句话说,眼下还卖得上价的专用动作模型,明天很可能只是通用大模型随手调用的一个插件。专用小模型如今拿得出手的低延迟、低成本,偏偏是前沿大模型每一代都在猛压的指标。哪家公司要把“中间层”当纯软件护城河来经营,留给它的窗口大概也就一两代模型。
一轮轮淘汰下来,能站住的只会是软件替不掉的那些“物理硬骨头”:连续跑满2000小时不坏的关节、在油污和强振动里照样不漂移的力传感器、能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常年在真实产线上日夜回传的物理交互数据。
这类壁垒攒得多快,看的是工厂的机床和流水线,不是硅谷发布会的节奏。
OpenAI砍掉独立机器人团队,押的是顶层认知模型最终会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。
两边的赌局,会在2027年前后正面撞上。到那时候,即便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续无故障干满上万小时的机器手里。