OpenAI 加速布局人形机器人底层研究
过去一年，OpenAI 在旧金山悄然建立了一座人形机器人实验室，尽管低调运营，但其规模已迅速扩展，目前约有百名合同人员轮班作业，全天候进行数据采集，聚焦于家庭环境中最常见、最琐碎的任务。
与特斯拉、Figure 等企业高调发布整机人形机器人不同，OpenAI 更注重底层技术的积累，投入大量人力与时间，以构建高质量数据集和基础能力。
该体系的核心组件来自德国 Franka 公司的机械臂。 通过 3D 打印的 GELLO 控制器，数据采集员可远程操控机械臂，完成如将橡皮鸭放入杯中、将面包送入烤面包机、折叠衣物等看似简单却极难标准化的动作。
实验室同步使用摄像头记录操作者与机械臂的每一个动作，系统从中筛选出“有效工时”，用于模型训练。这一流程与 OpenAI 过去在大语言模型训练中依赖人工标注、逐步扩大数据规模的策略如出一辙，只不过训练目标从文本语义转向了物理世界的动作。
相较于依赖动捕服与 VR 系统控制整机人形机器人的方案，OpenAI 采用“机械臂 + 低成本控制器”组合，不仅成本更低，复制难度更小，也更利于建立人类动作与机器人执行之间的一一对应关系。
OpenAI 对机器人本质问题的理解正在发生转变。 早期，强化学习是主要方向，机器人通过试错与奖励机制逐步学习动作。然而，现实环境的高度复杂性使这一方法成本高昂、效率低下。
当前，OpenAI 更倾向于通过大规模结构化数据的收集，使模型首先“理解”并“模仿”人类行为，再进一步提升其泛化能力。这也解释了为何实验室的重心放在机械臂而非完整人形机器人——真正关键的瓶颈在于如何让系统稳定、可重复地完成现实任务。
多位研究者指出，当前不缺算法，缺的是高质量的数据集。OpenAI 正在以类似“数据工厂”的方式，填补这一空白。
从业务发展来看，这条机器人路线仍处于初级阶段。 据内部消息，相关硬件项目尚未上升为公司核心战略，但实验室规模在不到一年内已扩大数倍，并计划在加州里士满设立第二个实验中心。
同时，OpenAI 也在积极寻找美国本土的制造合作伙伴，覆盖消费级设备、机器人系统以及数据中心等多个方向。这些举措表明，尽管短期内未必推出具体产品，但 OpenAI 正在为“具身智能”的未来发展提前布局。
结合其在自然语言处理与多模态理解方面的深厚积累，一旦机器人具备足够的执行能力，基于类似 ChatGPT 的认知系统便有望成为“机器人之脑”，推动机器不仅具备动作能力，更能真正理解并融入人类的物理世界。