OpenAI 调整研发路线，转向通用 AI 模型直接控制机器人

OpenAI 近期官宣组织架构调整，解散独立机器人团队，研发重心切换到用 GPT-6 Astra 这类通用大模型直接控制机器人，不再单独投入资源开发机器人专属模型，机器人研究人员并入基础模型核心团队，硬件与应用侧人员划入应用部门，但是 OpenAI 并没有放弃人形机器人这个长期方向。之所以做出这个重大路线调整，核心是 GPT-6 Astra 在仿真机器人测试里表现超出预期，在 RoboLab-120 基准测试里，这套通用模型智能体方案拿到 74.8% 成功率，超过传统专用机器人模型 51% 的成绩；之前行业普遍思路是单独训练具身模型、机器人专用控制模型，现在 OpenAI 判断，理解物理世界、规划动作、纠错执行这些能力，可以由通用大模型统一承载，机器人变成通用智能的下游落地场景，和代码、多模态任务属于同一套底层模型。想要落地这套通用模型直控机器人的方案，实操流程是先接入机器人视觉、关节传感器数据，把画面、坐标、状态信息喂给通用模型，由模型理解任务、规划动作序列，下发给机器人底层运动控制器执行，执行之后把结果反馈回模型，循环做判断和纠错；对于精细的高速控制，依然保留底层运动控制模块兜底，不是全部交给大模型。综合来看，这次是行业路线的标志性转向，代表通用模型开始介入具身智能领域，但它还有短板，云端推理延迟高、精细接触装配任务不稳、算力成本高，短期很难完全替代专用控制模型，两种路线大概率会长期并存。

路线调整核心信息清单

• 调整动作：解散独立机器人团队，人员拆分并入核心模型团队、应用部门
• 核心驱动模型：GPT-6 Astra
• 核心判断：机器人控制可以作为通用 AI 下游任务，不必单独开发专属大脑
• 测试成绩：RoboLab-120 仿真基准，智能体模式 74.8%，直接动作输出 66.3%
• 长期规划：依旧保留人形机器人目标，计划 2027 年进行人形机器人公开演示
• 原有路线：原本计划依托 Sora 视频模型学习物理规律，再做机器人能力

两种机器人 AI 路线对比表

通用模型直控机器人适用场景清单

✅ 适合场景

• 自然语言指令下达、任务规划、环境理解
• 物品抓取、搬运、简单分拣、桌面操作类任务
• 多模态理解、任务纠错、复杂流程编排
• 高速动态运动、精密装配、力控打磨
• 对延迟、稳定性要求极高的工业机器人实时控制

❌ 现阶段不适合单独交给通用模型

【常见问题】

问题 1：OpenAI 转向通用 AI 模型直接控制机器人，是不是放弃机器人业务了？

回答 1：不是，OpenAI 转向通用 AI 模型直接控制机器人，只是调整研发组织和技术路线，没有放弃机器人，机器人依旧是长期愿景，还计划 2027 年人形机器人公开演示，只是不再单独做机器人专属模型。

问题 2：OpenAI 用通用 AI 模型直接控制机器人，核心依靠哪个模型？

回答 2：OpenAI 转向通用 AI 模型直接控制机器人，核心依托 GPT-6 Astra，它在仿真机器人操作基准测试上，表现优于传统机器人专用模型，是这次路线变更的关键依据。

问题 3：通用 AI 模型直接控制机器人，相比原来的机器人专用模型有什么优势？

回答 3：通用 AI 模型直接控制机器人的优势是泛化能力强，支持自然语言下达陌生任务，不用针对每个新任务重新训练；而机器人专用模型更适合固定场景、低延迟精细运动，泛化差。

问题 4：通用 AI 模型直接控制机器人现在有什么明显短板？

回答 4：通用 AI 模型直接控制机器人目前存在云端推理延迟偏高、算力成本高、精密装配、力控这类精细接触任务稳定性不足的短板，一般要搭配底层运动控制器一起使用。

【参考资料】

[2026-11-14]（OpenAI 解散独立机器人团队，押注通用模型直驱具身智能）华尔街见闻

[2026-11-14]（观察丨 OpenAI 撤销独立机器人团队，通用模型 “打穿” 具身智能？）澎湃新闻

[2026-11-14]（通用模型发展引发专用模型路线拷问）腾讯新闻

[2026-11-13]（Exclusive: OpenAI disbands its robotics team as its general-purpose AI models start running robots）Fortune

【免责声明】

本文内容为公开行业资讯整理，OpenAI 转向通用 AI 模型直接控制机器人属于前沿技术路线探索，仿真测试结果不等于真机稳定落地；通用模型控制机器人的延迟、成本、安全性仍存在大量不确定因素，本文不构成机器人项目选型、技术投入、创业投资的决策建议，相关技术落地风险由使用者自行承担。