OpenAI 战略转向：自建机器人团队与硬件设施，从“只做大脑”到垂直整合

事件概述

OpenAI 正在从一家纯软件/AI 公司转变为具备硬件研发能力的实体。2026 年 10 月，OpenAI 官网出现 27 个位于旧金山的机器人岗位，涵盖执行器设计、测试及项目管理，年薪高达 17.7 万至 50 万美元。与此同时，OpenAI 于 2026 年 3 月在加州里士满（Richmond）签下了一处拥有 14,000 安培电力容量的工业仓库，规格接近小型数据中心。这些动作与其创始人 Sam Altman 过去强调“大脑比身体重要”、“不关注机器人细节”的言论形成鲜明对比。

核心信息

1. 从失败到重启：数据驱动的教训

• 历史背景： 2021 年，OpenAI 解散了其机器人团队，主要原因并非算法或资金问题，而是无法获取足够的真实世界数据来训练有效的机器人模型。其著名成果 Dactyl 机械手仅停留在仿真阶段。
• 合作尝试与破裂： 2023-2024 年间，OpenAI 通过投资（如领投 1X A2 轮、参与 Figure B 轮）和合作方式介入具身智能领域。然而，Figure 创始人 Brett Adcock 于 2025 年 2 月宣布终止与 OpenAI 的合作，指出“要在现实世界大规模解决具身智能问题，必须垂直整合”，不能外包 AI 和硬件。
• 战略反思： OpenAI 似乎接受了这一观点。招聘中出现的“仿真真实感工程师”岗位，旨在弥合 Sim-to-Real（仿真到现实）的差距，暗示内部已认识到仅靠仿真无法替代真机数据的重要性。

2. 硬件布局：自建执行器与采集设施

• 执行器自研： 招聘岗位明确要求候选人主导“定制机电执行器”的开发，涉及电机、传动、传感及热架构。这表明 OpenAI 试图掌握机器人最核心的动力部件，以提升扭矩密度、效率和可制造性。
• 遥操作数据中心： 在旧金山 Mission Bay，OpenAI 运营着一个 24 小时运转的遥操作设施，使用低成本控制器（GELLO）和 Franka 机械臂进行家务动作的数据采集。该设施的操作人员规模已从约 100 人增长至 400 人以上。
• 工厂级运营指标： 数据采集岗位要求追踪利用率、节拍时间、吞吐量等工厂级 KPI，且要求系统“几乎不能容忍停机”。这显示其运营模式更接近制造业而非传统互联网实验室。

3. 商业逻辑重构：硬件作为数据基础设施

• 非销售导向： 尽管投入巨资自建硬件，但 OpenAI 并未公布量产时间表、交付台数或售价。Altman 仅提及 2027 年会有演示，未承诺商业化产品。
• 数据即资产： 分析认为，OpenAI 制造的机器人本质上是“行走的服务器”，用于采集高质量轨迹数据。自研高成本执行器的目的不是降低销货成本（COGS），而是提升数据质量——更好的力控意味着更干净、信息量更大的训练数据。
• 会计口径变化： 在这种逻辑下，硬件支出被视为研发费用而非生产成本。这种模式使得 OpenAI 可以忽略行业内的价格战，专注于每瓦特算力能获取多少具身智能数据。

值得关注

• 行业启示： OpenAI 的路径验证了“大脑与身体不可分割”的趋势。对于其他只做软件的大脑公司（如 Skild、Physical Intelligence），未来可能面临必须购买硬件或自行开发硬件的压力，否则其模型上限将由拥有身体的整机厂定义。
• 竞争对手动态： NVIDIA 在 GTC 大会上发布了 Cosmos 3 和 GR00T N1.7，强调物理 AI 的统一；宇树科技等硬件厂商也在寻求大脑层面的突破。行业焦点正从单纯的形态通用转向能力通用与伦理接口的结合。
• 潜在风险： 如果整机厂证明其自有大脑足够好用，“大脑授权费”的商业假设可能失效。目前 Figure 已证明这一点，而 1X 等其他合作伙伴仍在观望。