OpenAI已悄然重启其机器人业务，并采取了一种与行业主流截然不同的低成本、数据驱动的激进策略。此举旨在将大语言模型的认知能力迁移至物理世界，试图通过海量数据复现其在软件领域的成功，为具身智能的发展提供了新的观察视角。
智能速览
OpenAI已秘密组建人形机器人实验室，团队规模达百人。
技术路线转向模仿学习，采用低成本机械臂遥操作。
核心赌注在于通过海量物理交互数据，复刻大模型成功。
训练任务从抓取升级至烤面包、叠衣服等复杂家务。
OpenAI旨在将ChatGPT的认知能力迁移至物理实体。
精华内容
不同于特斯拉的高成本路径，OpenAI正尝试用一种全新的方式，让人形机器人走进现实世界，其核心是数据，而非昂贵的硬件。
秘密实验室
OpenAI已在旧金山低调组建了人形机器人实验室，并计划在加州里士满开设第二间。自2025年2月启动以来，该实验室人员规模翻了四番，目前雇佣约100名数据采集员，实行三班倒制度全天候运行。这种模式复刻了其在LLM时代的数据标注“人海战术”，数据采集员的KPI考核指标是生成的“有效训练数据”时长，在主管要求提升人效的压力下，过去几个月考核要求已翻了近一番。
低成本技术路径
OpenAI的技术路线已从2020年关停前的“强化学习”全面转向“模仿学习”。不同于特斯拉或Figure利用动捕服和VR头显训练全尺寸机器人的高成本路径，OpenAI选择了可扩展的低成本范式。其核心设备是两台Franka机械臂和名为GELLO的3D打印控制器。这一策略源于加州大学伯克利分校2023年的一项研究，且该研究的核心人员已于2024年8月加入OpenAI。
从抓取到家务
通过遥操作策略，数据采集员使用GELLO控制器远程操纵机械臂，训练任务已从简单的“抓取橡皮鸭”升级为烤面包、叠衣服等更复杂的家务劳动。OpenAI的野心远不止是让机器人动起来，其终极目标是利用ChatGPT庞大的知识库，赋予机器人“理解”并交互物理世界的能力，实现LLL认知能力向物理实体的迁移。
数据是关键赌注
行业共识在于，AI算法已具备执行任务的能力，当前的真正瓶颈是获取大规模、高质量的物理世界交互数据。OpenAI的核心赌注在于：只要能收集到足够多的数据并将其内化为机器人的动作，就能实现规模化，从而迎来属于机器人的“ChatGPT时刻”。除了内部研发，OpenAI还投资了1X和Physical Intelligence等公司，在硬件生态上多点押注。
