OpenAI 第二次解散独立机器人专项团队，核心战略判断是 GPT-6 Astra 这类通用基础模型已经可以直接控制机器人，不再需要单独开发机器人专用模型，所以把机器人相关研发人员打散并入核心模型团队和应用部门，不是放弃机器人赛道，而是换一条路线做具身智能，这个调整也代表行业路线出现重大转向。此前 OpenAI 在 2020 年就解散过初代机器人团队，2024 年重新拉起独立机器人团队、和 Figure 合作开发人形机器人模型，2025 年合作终止之后继续自研；这次调整的关键信号就是通用大模型本身就能理解物理世界、输出机器人控制指令，在基准测试里效果甚至超过专门训练的机器人专用模型，单独维护一套机器人专用模型的价值下降。大家理解这个变化，重点看两件事，一是后续人形机器人的研发进度，OpenAI 计划 2027 年做机器人公开演示；二是行业里两条路线的竞争，一边是 OpenAI 这种通用基础模型通吃的思路，另一边是很多机器人厂商坚持专用模型 + 本体协同的路线。
一、本次组织调整人员分配清单
- 机器人研究团队：并入 OpenAI 核心研究团队，向首席研究官 Mark Chen 汇报，和通用基础模型研发深度绑定
- 应用机器人、硬件工程团队：划入应用产品部门，向总裁 Greg Brockman 汇报，负责落地、硬件适配
- 对外口径：机器人依旧是 OpenAI 长期愿景的核心，本次重组是为了加速机器人研发，并非退出赛道
- 事件小插曲：原定在 CoRL 机器人学术会议参展，解散后展位空置，没有到场参展
二、两次解散机器人团队对比表
| 时间 | 背景 | 核心原因 | 当时路线选择 |
|---|---|---|---|
| 2020 年 | 第一次解散机器人团队 | 机器人领域物理数据稀缺，很难推进 | 先主攻通用大模型，暂缓独立机器人研发 |
| 2026 年 11 月 | 第二次解散独立机器人团队 | GPT-6 Astra 等通用模型可直接控制机器人，效果优于专用机器人模型 | 不再单独研发机器人专用模型，依托通用基础模型做具身智能 |
三、本次战略转向的核心逻辑
- 技术层面：GPT-6 Astra 具备物理世界推理、多模态感知能力，直接输出机器人动作指令，基准测试表现超过传统机器人专用模型
- 资源层面：集中算力、人才全部投入基础模型主线，减少独立专项团队带来的资源分散，砍掉支线项目
- 路线层面：“基础模型吞掉专用模型”，未来机器人不再单独训练专属大脑，直接调用通用大模型作为智能内核
- 成本层面：同时兼顾控本需求，精简独立专项团队架构，降低多条独立模型管线的研发开销
四、这条路线存在的争议与风险
- 优势：一套基础模型同时支撑对话、视频、智能体、机器人控制，复用训练数据、算力，扩展性更强
- 风险 1：真实物理场景容错要求高，通用模型在精密控制、高速稳定动作上，稳定性不一定比得上专用机器人模型
- 风险 2：通用模型推理成本更高，机器人持续运行会带来高昂的 token 开销
- 风险 3：行业分歧很大，不少人形机器人厂商坚持专用模型 + 本体联合优化路线，认为通用模型不够贴合机器人硬件
五、后续重点观察事项清单
- OpenAI 在 2027 年计划的人形机器人公开演示效果
- GPT-6 Astra 在真实机器人实物上的落地测试，而不只是模拟环境测试
- 其他机器人厂商（Figure、宇树等）会不会跟进、调整自身模型路线
- OpenAI 是否会持续缩减机器人硬件投入，只聚焦模型层面
六、总结
OpenAI 再次解散独立机器人团队，本质是一场重大战略押注，认为通用基础模型能力足够强，可以直接驱动机器人，不需要单独开发机器人专用模型。人员拆分之后，机器人研究完全依附在基础模型主线里，不再是独立研发分支；但这个路线还处在验证阶段，模拟环境效果好不等于真实场景稳定，行业内部对这条路线的争论还会持续。
【常见问题】
问题 1：OpenAI 再次解散机器人团队，是不是意味着放弃机器人、具身智能方向？
回答 1：OpenAI 再次解散机器人团队并不是放弃机器人赛道，官方明确机器人还是长期愿景核心，只是不再单独维护机器人专用模型，改为依托通用基础模型推进具身智能。
问题 2：OpenAI 押注基础模型吞掉专用模型，靠哪一款模型作为核心支撑？
回答 2：OpenAI 押注基础模型吞掉专用模型，核心支撑是 GPT-6 Astra，该通用模型可以直接输出机器人控制指令，在模拟基准测试里表现优于传统机器人专用模型。
问题 3：OpenAI 这次解散机器人团队，和 2020 年第一次解散机器人团队原因一样吗？
回答 3：OpenAI 两次解散机器人团队原因不一样，2020 年是机器人物理数据不足；这次是通用基础模型能力突破，认为不再需要独立的机器人专用模型。
问题 4：OpenAI 选择基础模型替代机器人专用模型，这条路线有什么短板？
回答 4：OpenAI 选择基础模型替代机器人专用模型，短板在于真实物理场景精密控制稳定性不足、实时推理 token 成本更高，和硬件深度适配不如专门优化的机器人专用模型。
【参考资料】
[2026-11-14]（OpenAI 解散独立机器人团队 具身智能不再需要 “专属大脑”？）财联社
[2026-11-14]（OpenAI 再次解散机器人团队：战略押注基础模型吞掉专用模型！）电子工程专辑
[2026-11-14]（OpenAI 解散机器人团队！GPT-6 Astra 证明：通用大模型已可直接用于 “物理 AI”）新浪财经
[2026-11-13]（Exclusive: OpenAI disbands stand-alone robotics team as general AI models start running robots）Fortune
[2026-11-14]（OpenAI 撤销独立机器人团队，将机器人研究并入通用模型体系以加快研发）凤凰网科技
【免责声明】
本文仅为 OpenAI 解散机器人团队、基础模型替代专用模型相关行业资讯科普，不构成机器人赛道投资、项目选型、技术路线选型的决策建议；模型在机器人上的实测效果、落地进度以 OpenAI 官方和第三方实测信息为准；不同厂商的具身智能技术路线存在差异，路线优劣尚无统一行业定论。