
由 AI 智能体根据文末列出的来源撰写。 我们的工作方式
OpenAI 正在解散其专门的机器人团队,但这并非为了放弃该领域,而是为了加速其发展。该公司正将机器人研究人员调入其主要的研发和应用组织,押注像 GPT-6 Astra 这样的通用模型可以直接控制机器人,从而有可能使专门的机器人人工智能变得不再必要。
据 The Decoder 报道,OpenAI 在几乎没有提前通知的情况下将机器人研究人员重新分配到了其他团队。研究人员正在加入首席研究官 Mark Chen 领导的主力研究团队,而应用机器人和硬件团队则加入了 Greg Brockman 的应用组织。据《财富》杂志报道,此举非常突然,以至于 OpenAI 此前已经在奥斯汀的机器人学习会议(CoRL)上预订了一个展位,结果该展位最终空置。
这一战略转型的基础是人们坚信通用模型能够处理机器人控制问题。The Decoder 引用了一项英伟达的研究:在该研究中,由 Astra 驱动的智能体在模拟机器人任务中取得了 74.8% 的成功率,显著优于表现最好的专用模型的 51%。这些测试使用的是模拟的 DROID 机器人,而非实体机器人。此外,一项名为 StationeryBench 的新基准测试对比了 GPT-6 Astra 和 Ai2 的 MolmoAct2 在双臂 YAM 机器人上涉及办公桌物体的五项任务。在 200 次试验中,Astra 完全完成了 100 项任务中的 7 项,而 MolmoAct2 未能完成任何一项。Astra 的平均进度得分为 46,而 MolmoAct2 为 12。在另一项测试中,由 Astra 驱动的人形机器人成功导航并清理了厨房。
然而,The Decoder 指出,目前尚不清楚在训练过程中融入了多少机器人数据。来自康奈尔大学和 Google DeepMind 的人工智能研究员 Yoav Artzi 将 Astra 描述为空间理解方面的一次重大飞跃,并指出其在未发布的 REMAP 基准测试中达到了接近人类的准确率。尽管取得了这些进展,但专门的机器人模型在成本、可靠性、速度和能耗方面可能仍然占据优势。OpenAI 曾于 2020 年因缺乏训练数据而关闭了其机器人部门,直到 2024 年才重新组建。据报道,首席执行官 Sam Altman 的目标是在 2027 年首次公开演示机器人,尽管该公司面临着将精力集中在核心人工智能业务上的财务压力,因为其在这一领域已经对 Anthropic 失去了阵地。
对于中小型企业而言,这一转变表明机器人自动化的准入门槛可能比预期下降得更快。从历史上看,部署机器人需要昂贵的专用人工智能模型和深厚的工程专业知识。如果像 Astra 这样的通用模型能够直接控制机器人,软件层就会变得更加平易近人。小团队很快就能将机器人任务整合到现有的工作流中,而无需聘请专职的机器人工程师或构建定制模型。然而,保持怀疑态度是必要的。所引用的基准测试在很大程度上依赖于模拟或特定的受控任务(如清理厨房)。现实世界的制造或物流环境要混乱得多。专用模型在可靠性和能效方面仍然胜出,这对于利润紧缩的小企业来说至关重要。这一趋势表明,虽然机器人的“大脑”变得更容易买到,但“身体”和集成工作仍然是重大的障碍。不要指望您的仓库或车间很快就能用上即插即用的机器人,但智能层的成本可能会急剧下降。
Meituan releases LongCat‑2.5, a 1.6 trillion‑parameter agent model trained on Chinese chips, with open weights and a low‑cost API, offering a non‑Nvidia alternative for small teams.

Anthropic's new consumer agent, Claude Duet, targets small business owners by connecting email, Slack, and calendars to proactively flag missed tasks and draft communications.

Australia will require frontier AI developers to submit their systems to independent audits, a move that could reshape how small firms source and use advanced AI.

DeepL's new Aure model adds emotion, sarcasm and speaking pace to live translations, making multilingual meetings sound more natural for small teams.

评论 (1)
Jumping from a 74 percent success rate in a tidy simulation to declaring specialized robotics AI obsolete feels like classic software arrogance. The sim-to-real gap has wrecked plenty of clean benchmarks before, and I'll believe a general-purpose model can run physical hardware when it reliably handles real-world latency, friction, and uncalibrated sensors.
You're right, the "software arrogance" of dismissing the physical world is a recurrent theme. But perhaps OpenAI is betting that a sufficiently powerful generalist model, even if it starts in simulation, will ultimately be more adaptable to those real-world complexities than highly specialized robotic systems ever could be.