放弃、外包、再自研，OpenAI绕了十年才认：AI的下一块拼图，在物理世界，绕不过去。

近期，Open AI明确正式发力人形机器人研发以及其他形态机器人，并将AI大脑作为核心突破口。

公司首席执行官Sam Altman近日在播客节目《Source》中表示，采用人形设计“更合理”，并直言“我们会去做”。

对于人形机器人，Sam Altman给出的理由是，现实世界本就是围绕人类身体结构设计的。从门把手、键盘到各类工具，现有环境和设施大多服务于人类使用习惯。在这样的空间中运行，具备接近人类形态的机器人天然更具适配性。

从投资 1X、入股 Figure，到亲手拆掉和 Figure 的合作，再到官宣制造机器人、把真机定档 2027 年 ——OpenAI 在机器人赛道绕了一大圈，又绕回了原点。但其实，围绕的中心都没变过，始终在寻找一条获取真实物理数据的可靠路径。也因此，它从 “卖大脑”的 AI 公司，变成“造身体” 的整机玩家。

01第一次，输在数据上

OpenAI 对机器人的执念，从出生那天就有。

2016 年，几位创始人在成立宣言里列了四个技术目标，第二个就是 “造一个家用机器人”。那时候他们走的是仿真路线——在虚拟环境里训练AI，再搬到真机上用。

代表作是 Dactyl 灵巧手：2018 年，这只机械手纯靠仿真训练，就能在手里翻转积木块；2019 年，同款机械手在真实环境里复原了三阶魔方，靠的是 “自动域随机化”，把仿真环境里能随机的东西全随机一遍。

这活儿技术含量不低，问题出在别处 —— 数据。真实物理世界的数据太贵太难采，单靠仿真又不够逼真。2020 年 10 月，OpenAI 悄悄解散了初代机器人团队，直到次年才公开。其联合创始人Zaremba后来解释得很坦诚，瓶颈就是：数据。机器人每一次抓取、每一次迈步，都必须在物理世界里真实发生，摩擦、重量、碰撞，每一步都贵，都慢。而互联网上的文本，是白嫖的。同样一笔算力，喂给语言模型能撬动的东西，是机器人的千万倍。Zaremba有个说法很形象：预训练给模型带来的“智商点数”，比机器人那套强化学习便宜100倍。

于是资源全面转向大模型 —— 后来的故事大家都知道了。

02第二次，当 “卖大脑” 的 AI 公司

团队散了，但OpenAI没有放弃。它换了个姿势：自己不做，投别人做。你们造身体，我来装大脑。

2023 年，OpenAI 的创业基金领投了挪威人形机器人公司1X；2024 年，又投进 Figure 的 6.75 亿美元B轮，估值干到26亿美元，还签了合作协议 ——Figure 的机器人装上 OpenAI 的多模态大模型，能听懂人话、看懂东西、跟人对话。同年它也没闲着，顺手投了专注机器人通用模型的 Physical Intelligence。

不过，OpenAI 与Figure的蜜月期并不长。

2025年2月，Figure 方面突然官宣：终止与 OpenAI 的合作，转头自研端到端模型Helix。

随后，Adcock在接受 TechCrunch 记者采访时把前因后果讲得很具体。在那之前，奥特曼和OpenAI的高层来过Figure的办公室，看了他们的神经网络演示，反应是“impressed（令人印象深刻）”。然后电话就来了：OpenAI说自己在探索内部做人形机器人。Adcock的原话是：“我当时就想，结束了。”他的逻辑很明白：你来看我们怎么做机器人学习，看完回去自己搞，这不就是在培养竞争对手吗？

在Adcock看来，除了品牌效应，OpenAI团队“几乎没有提供任何价值”。更具体地说，机器人这东西，你得把它放进房间里看它动，不能盯着模拟里的损失曲线自嗨。但OpenAI的人，“很难请到办公室来”。

Figure转向了自研Helix。2026年初发布的Helix 02。传统机器人学里，走路、平衡、关节协调这些事，是靠工程师手写控制代码或者单独训练控制器来实现的。Helix 02引入了一个叫System 0的基础层，用超过1000小时的人类运动数据训练，让模型直接学会“人是怎么保持平衡、怎么协调全身发力”的。按照Figure官方给出的说法：System 0用单个神经网络替代了109,504行手写的C++控制代码。

演示里有个细节很有意思：Helix 02驱动的机器人能连续四分钟自主完成洗碗机装卸，包含61个前后关联的动作，全程不重置、不遥控。它腾不出手的时候，会用髋部顶一下抽屉把门关上，用脚抬起洗碗机门。这个动作没人教过它，是模型自己判断“当前身体状态下，这样干最省事”。

Figure的逻辑是：身体不是大脑的容器，身体本身就是智能的一部分。 所以Adcock说“不能外包AI”，理由和“不能外包硬件”一样。

这一阶段 OpenAI 的逻辑很清楚：硬件太重，外包给别人做，我只输出 “大脑”。轻资产，稳赚名声。时任产品副总裁 Peter Welinder 对此说得体面：“我们一直计划回到机器人，在 Figure 身上看到了路。”

03第三次，回来亲自做

事实上，在与Adcock通电话时，他们确实就已经动手了。

2024年5月，它就重新招研究工程师组机器人团队；11月，从Meta挖来负责AR眼镜Orion的Kalinowski，管机器人和消费硬件。2025年1月，Kalinowski放话：自研机器人，自研传感器，招聘里写着 “百万级量产”。

更关键的是数据动作。2025年2月，OpenAI 在旧金山开了一家不起眼的数据采集实验室 —— 大约100号人，三班倒，用 GELLO手柄遥控两臂Franka机械臂，录人类示范数据。最早的任务特别朴素：把小黄鸭放进杯子里。后来慢慢升级成叠衣服、烤面包。全是遥操作，人肉喂数据。

注意，这与十年前是反着来的。十年前它赌“仿真+强化学习” 能替代真实数据，结果被卡死；这次它老老实实回到人类示范数据——这条路笨，但有效。

2026年，动作提速。3月Kalinowski 因为对 OpenAI 跟国防部的合作不满而辞职，Sora那个App 也被砍了，但研究团队没散，转去啃“世界模拟”——给机器人造一个逼真的物理幻觉。6月，奥特曼官宣“OpenAI Robotics” 招人，挂帅的正是Sora之父、世界模型负责人Aditya Ramesh；9月，奥特曼在播客里松口：“我们肯定会造人形机器人，也会造别的形态。”10月给出节点：2027年出真机演示样机；短期先做基建和数据中心的特种机器人，长期愿景是 “人人都有一个能干活儿的个人机器人”。

04一场数据主权的回归

把这条线串起来看会发现，OpenAI 的核心议题从来没变过 —— 物理世界的数据，从哪儿来。

第一阶段它以为仿真能替代，结果输在数据稀缺；第二阶段它想投别人、让别人去采数据、自己当大脑，结果发现别人采了数据就自己长脑子；第三阶段它懂了：谁攥住物理世界的数据，谁才配叫具身智能玩家。所以它回来了，而且要软硬通吃——大模型需要物理世界的数据来继续进化，机器人是唯一能产生那种数据的东西。投资拿不到，合作拿不到。那就自己干。

只是这一次，OpenAI不再是那个可以慢慢试错的实验室了。它背着千亿估值，盯着IPO的窗口，身后一堆人等着看下一个增长曲线。以及现实世界的强劲对手等着它——特斯拉 Optimus、Figure、1X，还有宇树、智元这帮国内玩家。是搅局还是补位，2027 年那台真机见分晓。

十年前，它因为缺数据而放手；十年后，它为了抢数据而亲自下场。在机器人这场长跑里，躯体可以迭代，零件可以外购，但物理世界的数据，永远无法外包。