新智元报道
【新智元导读】6年前没数据，OpenAI亲手解散了机器人团队。如今奥特曼亲自发帖重建，还放话未来要为每个人造一台。
刚刚，奥特曼亲自发帖，为一支叫OpenAI Robotics的新团队招人，岗位包括硬件、系统、运营和机器学习工程师等。
他给这支队伍定的终极目标不小：有一天，让每个人都拥有一台属于自己的机器人，帮你做任何你需要的事。
这是奥特曼勾画的长期愿景，短期目标他也讲了：先造一批机器人，去给建设基础设施的技术工人打下手。
这不是奥特曼第一次公开聊机器人。他曾说，有一天你走在街上，迎面走过来七个机器人，那一刻会非常科幻。现在，他开始为这一时刻的加速到来招兵买马了。
那么，这支团队到底要做什么？
根据OpenAI官方招聘页显示，Robotics团队的目标，是做通用机器人（general-purpose robotics），追求在动态真实环境里达到AGI级别的智能。
从这些岗位，也能看出Robotics的技术方向。
岗位覆盖硬件和软件协同、仿真环境、仿真真实性，还有撑起大规模训练的分布式数据系统。其中一个专门负责缩小「仿真到现实(sim-to-real)」的差距：让机器人在虚拟世界里练出的本事，能迁移到真机上。
这正是OpenAI技术路线最不一样的地方。从这些岗位描述来看，OpenAI Robotics将仿真真实性和sim-to-real放在核心位置，这可能会成为它区别于部分以真机数据采集为主的路线之一。
OpenAI为这些岗位开的价钱也不低，已公开岗位中，部分薪资区间从29.3万美元到44.5万美元，外加股权。
带队的是OpenAI DALL·E 2的共同创造者、DALL·E 3团队负责人Aditya Ramesh。DALL·E是OpenAI的文生图模型，丢给它一句话，就能生成一张图。
Aditya Ramesh
OpenAI在图像和视频上的看家本领，很大一部分出自Aditya和他的团队之手。后来惊艳全网的视频生成模型Sora后续所在的世界模拟方向，也与他领导的Worldsim团队密切相关。
如今他在OpenAI的身份是研究副总裁(VP of Research)，领导一个叫Worldsim的世界模拟项目。
按奥特曼的说法，在过去一年中，OpenAI Robotics正是从Worldsim项目中一点点演变而来的。
之所以把队伍交给他，是因为他这些年在OpenAI干的其实是同一件事：教AI搞懂这个世界长什么样、怎么运转。从画图，到生成视频，再到模拟整个物理世界。
接下来，他要带着Robotics团队，让这套对世界的理解，真正长出手和脚。
做人形机器人的公司一抓一大把，特斯拉有Optimus，Figure也做了好几代，OpenAI和他们有什么不一样？
差别就在这个「世界模拟」上。
别人通常先把身体造出来，再想办法往里填充智能。OpenAI则是先让AI理解物理世界，再把这套能力灌进真实的机器人。
这套思路正是Aditya的老本行，他领导的Worldsim，研究的就是世界模拟，即让AI在脑子里建一个会动的物理世界：东西怎么掉、怎么碰、怎么被抓起来，都在模型里计算清楚，而这正是机器人最缺的本事。
仿真够真，机器人就能在虚拟里反复练手、自己造数据，再把学会的搬上真机。OpenAI押注的正是这点，只要世界模型够强，物理世界的训练数据就能在仿真里喂出来，不必每件事都拿真机去试错。
Robotics正是从Worldsim上长出来的：一头连着世界模型，一头连着真实的手和脚。
那OpenAI为什么非要亲自下场，而不是找个现成的机器人公司合作？
这里面还有一段旧账。
2024年2月29日，OpenAI曾经和Figure签过合作，想把自家模型装进对方的人形机器人。但这段合作非常短命，不到一年就散了。
2025年2月4日，Figure的CEO Brett Adcock公开宣布退出和OpenAI的合作协议，他认为要在真实世界里把具身智能做到规模化，必须自己垂直整合，外包AI这条路走不通。
合作伙伴要掉头自己干，OpenAI开始把硬件、软件、模型和制造能力放到同一条机器人研发线上，而不再只是给外部机器人公司提供模型。
如果你以为OpenAI是刚想起来做机器人，那就小看它了。早在2016年它刚成立没多久，机器人就已经开始出现在它的研究清单上了。
不过一开始，它没急着造硬件，而是先搭「训练场」。2016年OpenAI Gym先提供强化学习基准环境，其中包括模拟机器人；2017年Roboschool则更明确转向开源机器人仿真。
这条「仿真里练、现实里用」的思路，从那时就定下了。
顺着这条路，2018年它拿出了Dactyl，一只人形机械手，完全在仿真里训练，靠随机化各种物理参数，硬是把本事迁移到了真实的机械手上。
到2019年，这条路走到了高光时刻。OpenAI训练出一个AI系统，用一只类人机械手把魔方复原了。按它官方视频里的说法，这种灵巧程度对机器人是前所未有的，连人类自己单手做起来都不容易。
这只机械手最特别的地方，是它的本事完全在仿真里练出来的。研究团队没有拿真机一遍遍试，而是在一个并不完美的模拟环境里训练神经网络，再让它迁移到真实的机械手上，并快速适应现实。
支撑这套迁移的核心技术叫「自动域随机化(ADR)」，它能在仿真里不断生成越来越难的环境，逼着AI学会应对各种没见过的情况。
在那段官方视频里，团队拿一只毛绒长颈鹿去戳正在解魔方的机械手，给它套上橡胶手套，把它的手指绑起来，它照样能把大部分动作做完。要知道，这些干扰它在训练时一次都没见过。
当时，最简单的情况下，它能在60%的概率下解出魔方；遇上最刁钻的打乱，成功率掉到20%。但这已经够惊艳，它证明了一件事：复杂的灵巧操作，真能靠仿真练出来，再搬到真机上。
在当时的OpenAI看来，训练这样一只手，是通向通用机器人的基础之一。
可这条路很快撞上了墙。
据报道，OpenAI在2020年前后一度解散了机器人团队，这条线断了好几年。
原因不复杂。当时领队的联合创始人Wojciech Zaremba直言：机器人最大的瓶颈是数据太少，而语言、图像这些领域数据要丰富得多，与其卡在机器人上，不如把精力挪到数据更足的地方。
后来的故事大家都知道，ChatGPT先爆了。
如今OpenAI的Robotics卷土重来，押的正是用仿真自己造数据，去补上当年那块数据短板。
普通人关心的，可能是我什么时候能在家里摆上一台属于自己的机器人？
从这次招聘岗位来看，OpenAI打算自己做机器人的传感器和算力，由内部自研的AI模型来驱动，还要去试不同形态的机器人本体。
有岗位甚至提到要雇人专门测试样机，而某份岗位描述里写着，这些机器人将来若一切顺利，会走向「全面量产」。
当然，这些眼下都还停留在岗位描述和早期研发阶段，OpenAI尚未发布任何一款机器人。
过去几年，AI竞争主要体现在模型层面，比谁的模型更会聊天、更会写代码、更会画图。
现在这场竞争逐渐延伸到物理领域，让AI真正长出手脚，去拧螺丝、去搬东西、去帮你干活。
从一只解魔方的机械手，到奥特曼口中人手一台的机器人，中间还隔着很长的路。
有意思的是，当年与OpenAI分手的Figure，反倒先一步走进了厨房。
Figure 03将餐具放入洗碗机、清理桌面，Figure CEO Brett Adcock的目标是在2026年让其真正适用于家庭场景。
最新的Figure 03，在演示里已经能走到水池边把碗碟冲干净、把餐具码进洗碗机、把衣服叠好，靠的是它自研的模型。
虽然这也还是演示，但至少Figure已经有了一具会在厨房干活的身体。
下一个十年，谁会第一个把机器人送进你家客厅？
答案未必是今天模型最强的那家，而是那个最先把AI大脑、机器人身体和真实世界数据闭环跑通的玩家。
参考资料：
https://openai.com/index/solving-rubiks-cube/
https://openai.com/careers/simulation-realism-engineer-san-francisco/
https://x.com/sama/status/2061117302528188712
编辑：元宇
