OpenAI为何撤销机器人团队?当最大的发明已经确认,不要幻想出现第二个奇迹

36氪 2026-11-21 09:10
OpenAI为何撤销机器人团队?当最大的发明已经确认,不要幻想出现第二个奇迹图1

OpenAI为何撤销机器人团队?当最大的发明已经确认,不要幻想出现第二个奇迹图2

把机器人当作大模型的一个应用类别去发展,而不是当作又一次涌现窗口去押注,才是这一代技术人和投资人该有的姿态。
OpenAI为何撤销机器人团队?当最大的发明已经确认,不要幻想出现第二个奇迹图3
OpenAI为何撤销机器人团队?当最大的发明已经确认,不要幻想出现第二个奇迹图4
文丨AiWang
来源丨无话不说聊AI(ID:AiWang51)
封面来源丨pexels

Transformer与自回归Token模型的能力涌现,是人类继文字之后第二次“认知外化革命”级别的重大发明。它的出现既非纯累积,也非纯偶然,而是二者叠加的结果。这种发明在历史上罕见到每一次都必须用一两代人的时间消化。OpenAI缩编机器人团队的动作之所以明智,是因为它承认了这一点:通用模型已经在干机器人的活,再幻想一次“物理世界模型突破”作为第二个圣杯,是典型的得意忘形。把机器人当作大模型的一个应用类别去发展,而不是当作又一次涌现窗口去押注,才是这一代技术人和投资人该有的姿态。

2026年11月14日,DeepTech深科技发了一条不算很响、却值得反复读的新闻:OpenAI向《财富》杂志确认,将撤销独立机器人团队,相关人员并入核心研究和应用部门。理由是通用模型已经展现出直接用于部分机器人任务的能力,公司希望进一步整合机器人研发与通用模型研究。

新闻里夹着几组很硬的数据。英伟达10月公布的仿真测试——在120项抓取与放置任务的RoboLab-120基准上,GPT-6 Astra直接生成机器人动作,成功率达到66.3%;使用持续保留历史的智能体系统后,升至74.8%;而页面上列出的最强专用机器人策略基准只有51.0%。商汤日日新联合研究团队把同一个Astra接到单臂、双臂、移动机器人和人形机器人等8种平台上:双臂插花任务中,模型发现一只机械臂的腕部摄像头视野被花瓶口遮挡,主动调用空闲机械臂去补视角,然后完成插入。

Anthropic在11月发布Claude Fable 5.2,展示控制真实机器人拧瓶盖、解益智方块、绘画;谷歌一边发Gemini 4 Argon一边发新一代机器人动作模型Gemini Robotics 2.5,让具身推理模型管流程、动作模型管手臂,并已进入梅赛德斯-奔驰工厂做零件分拣装盘。三家头部公司在同一时间窗口里,把机器人能力从“专用模型自留地”重新归位为“通用模型的应用面”。

OpenAI为何撤销机器人团队?当最大的发明已经确认,不要幻想出现第二个奇迹图5

OpenAI这次缩编,不是战略撤退,是战略承认。承认通用模型已经长到了“可以直接做机器人”的那一格台阶上,继续维持独立机器人团队等于用人力去打一场通用模型已经在打的仗。

很多人把这则新闻当作一条组织调整读过去。它的真实分量远不止于此。它意味着这一代最强的技术决策者已经做出判断:那个最大的发明已经发生,资源应集中去放大它,而不是再分散去赌第二个奇迹。

这是一份对全行业的提醒。本文要讲清楚,为什么这个判断是对的,以及为什么人最容易在握有这样的发明时得意忘形。

OpenAI为何撤销机器人团队?当最大的发明已经确认,不要幻想出现第二个奇迹图6

Transformer与文字:

两次同构的重大发明

我在另一篇研究里写过:智人作为一个生物学物种已存在约三十万年,具备稳定象征行为的“行为现代性”至少可上溯至七万年;而文字系统的出现,不过五千年。

三十万对五千,七万对五千,悬殊超过一个数量级。这个时间差本身就是结论:认知能力早已就绪,认知外化却长期缺席。它不是“想到就做出来”的事,而是要在一系列前置条件累积到位、再叠加一个偶然实现,才能发生的事。

文字起源的现代研究——以Schmandt-Besserat 1992、Nissen-Damerow-Englund 1993、Scott 1998为代表——给出了一种逐渐凝固的共识:文字是三重结构叠加的产物。其一是长期累积的前置条件:农业剩余、聚落规模、再分配经济、神庙行政需求。其二是特定社会的功能压力,乌鲁克的神庙经济就是最经典的成型场景。其三是不可还原的实现偶然性:为什么是粘土与芦苇造就楔形?因为那里有粘土而没有纸草,有芦苇而没有毛笔。形似可以由共同的指称对象造成,但形态一旦确定,就通过路径依赖影响其后数千年的认知习惯。Dehaene在《Reading in the Brain》里证明,阅读方块字与阅读拼音文字调用的是不同的大脑皮层回路。

OpenAI为何撤销机器人团队?当最大的发明已经确认,不要幻想出现第二个奇迹图7

把这个分析框架移到Transformer上,结构是惊人地同构。

第一层累积——算法谱系。从1943年McCulloch-Pitts用命题逻辑刻画神经元,到1958年Rosenblatt感知机,到1986年Rumelhart-Hinton-Williams反向传播,到2012年AlexNet,再到2017年Vaswani等八位作者的《Attention Is All You Need》,八十年的连续累积。每一代算法都建立在前一代的概念工具之上,论文公开、代码开源、模型权重时常开放,后来者始终站在前沿。

第二层累积——算力。Amodei与Hernandez 2018统计,2012至2018年间最大规模训练的算力每3.4个月翻一番,远快于摩尔定律。GPU/TPU的并行架构恰好适配神经网络的矩阵运算,背后是游戏产业养出的硬件被顺势借用。这一累积具有强烈的资本密集特征。

第三层累积——数据。互联网把人类有史以来最大规模的文本、图像、代码语料库集中到可抓取的形式。Common Crawl项目使大规模预训练在工程上成为可能。

但累积只解释可能性空间,实现形态仍然取决于偶然。

ImageNet在2009年看似只是给计算机视觉一个基准,却在2012年成为AlexNet唤醒深度学习的引信。GPU的算力本是为多边形渲染准备的,恰好契合矩阵运算——典型的非预期后果。Transformer在2017年之所以胜出,部分原因是架构异常简洁:没有循环、没有卷积,只有注意力与前馈网络,因而极易扩展与并行化——这是设计上的偶然,而非理论上的必然。ChatGPT在2022年11月看似只是OpenAI一次低风险实验,把补全式API包装成对话式产品,却带来史上最快的消费级产品增长之一。

每一个关键节点都充满偶然。把任何一个抽掉,时间、形态、节奏全要变。累积性解释的是“高度可能的必然”,偶然性解释的是“具体形态的随机”。两者叠加,才是一个最大发明的真实生成机制。

这正是文字与Transformer的同构所在。它们都是“累积+偶然”双重结构的产物,都通过把原本发生在颅内的认知过程外化到颅外载体上,都使这种外化成为可积累、可传递、可制度化的社会事实。Clark与Chalmers 1998年的“延展心智”论证在这里立得住:一本书是已经离世数百年的作者仍在参与你的推理的认知组件,一个大模型在被询问时主动生成回答的认知组件——它们在功能上同等。

OpenAI为何撤销机器人团队?当最大的发明已经确认,不要幻想出现第二个奇迹图8

这个同构的厚度,足以支撑一个判断:Transformer的能力涌现,是人类继文字之后第二次“认知外化革命”级别的发明。不是工具升级,不是产业革命,是文明层级的事件。

OpenAI为何撤销机器人团队?当最大的发明已经确认,不要幻想出现第二个奇迹图9

OpenAI缩编的真意——通用模型已经在“侵蚀”机器人专用模型

OpenAI的这次组织调整,不是孤例,是一个标志性切入点。它在说:至少在OpenAI自己的数据里,通用模型已经在具体的机器人任务上超越专用机器人模型。

这一点要害在何处?过去十年,机器人圈的标准范式是VLA——视觉-语言-动作模型。RT-2、OpenVLA、π0等专用机器人模型,把视觉语言任务和机器人轨迹数据联合训练,让模型“懂”动作。它们的逻辑是:动作是一种特殊的输出模态,需要专门的数据和专门的训练。

这个范式presupposes一个前提:通用语言模型不会“主动地”理解动作。但英伟达的测试给出了反证。

GPT-6 Astra在RoboLab-120上没有做过机器人专用微调。研究人员只通过提示告诉它机械臂的规格、任务目标和当前图像状态,它通过控制接口输出机械臂末端位置;动作执行后,新图像和执行结果回到模型,模型决定下一步。它做的不是模仿学过的轨迹分布,而是在每一帧上做推理。这个推理过程和它写代码、做数学题、写策划案时的推理过程是同一个。

商汤的8平台实验把这个发现往前推了一格。同一个Astra,部署在8种不同的机器人平台上——单臂、双臂、移动机器人、人形机器人——它不需要为每个平台单独训练,只需要被告知每个平台的约束。双臂插花那段画面值得反复看:模型发现持花机械臂的腕部摄像头看不到瓶口(一个非常具体的物理困境),它做出的选择不是失败放弃,而是调用空闲机械臂让另一台腕部摄像头去看清瓶口。这是一个“通用模型在有约束的物理世界里现场推理”的事件,不是“专用模型在执行预设动作”的事件。

Anthropic的Claude Fable 5.2在RoboDojo Sim双臂机器人仿真评测里拿到64.9%,其内部统一运行框架下,上一代Fable 5.1是27.6%,Astra是29.8%。一代的跃迁已经追平甚至超过GPT-6。谷歌则走更稳的双线:Gemini 4 Argon做通用,Gemini Robotics 2.5做动作,让通用模型构建仿真、分析失败,再喂给动作模型——前者的智能渗入后者的训练。

这种事件在文字史上是有镜像的。文字最初的功能不是记录语言,是记录数量与物类(Schmandt-Besserat 1992)。语言书写是其副产品。但一旦文字存在,它就被挪用到了记账之外的目的——祭祀、占卜、历法、律法、编年、文学。技术一旦存在,就被发现可以做它原本不服务的任务。通用语言模型正在重复这件事——它本来不是为做机器人训练的,但当它存在且足够强,它就开始“做机器人”,而且做得还挺好。

OpenAI缩编机器人团队的真正含义,是承认这个发现,把资源从“专门造机器人模型”撤回到“放大通用模型”。前者正在变成后者的子集。

OpenAI为何撤销机器人团队?当最大的发明已经确认,不要幻想出现第二个奇迹图10

不要在摘完桃子后

还想再造一棵桃树

这一节我要把“得意忘形”这个词精确化。

行业里有一种普遍的隐含叙事:既然深度学习能产生Transformer这种涌现级的发明,那它也大概率能在另一个领域——比如具身智能、物理世界交互——产生同等级别的发明。这是一种把“曾经如此”误读为“必将如此”的典型外推。

文字案例给出的方法论教训是:累积条件解释的是概率分布,而非单点结果。当条件齐备时,事件发生的概率很高,但具体的时间、地点、形态仍是随机的。

历史上每次重大发明都是孤立的。蒸汽机(1769瓦特)出现后,人类没有跟着又搞出一台“蒸汽机级别”的东西来——直到电(1831法拉第)才出现下一次GPT级别的发明,间隔60年。内燃机、电力系统、互联网、Transformer——它们的间隔并不稳定,但有一个共同点:每次都依赖于一次新的偶然落到一组新的累积条件上。新累积不会因为旧累积成功了就自动到位,新偶然更不会因为旧偶然发生了就排队前往。

回到具身智能。机器人专用模型的累积条件是什么?是大量、多样、高质量的物理交互数据——视觉、力觉、本体感受、动作轨迹的成对记录。这类数据远少于互联网文本,采集需要硬件、操作者与现场维护。Villalobos等2022测算,高质量语言数据的存量可能在2020年代中后期至2030年代被耗尽;机器人交互数据的稀缺程度比这高一个量级以上。OpenAI 2021年由联合创始人Wojciech Zaremba公开承认过这一点——机器人缺少适合预训练的大量数据,是当初叫停机器人研究的核心原因。

通用模型之所以能在RoboLab-120上跑过专用策略,不是因为它“专门”补上了这一块短板,而是因为它通过另一种路径——把图像、机械臂规格和当前状态当作输入,把动作目标当作输出,用推理替代了轨迹拟合——绕开了数据瓶颈。这是一棵新树长在了旧桃子被摘光的地方。

类比文字:文字出现在公元前3200年的乌鲁克,没有让印加在公元1500年不必通过结绳(khipu)维持一个四千公里长、人口六百万至一千四百万的帝国。印加到西班牙人入侵前都没有搞出文字(Urton 2003;Trigger 2003)。复杂社会不是文字的必要条件,文字不是复杂社会的必然产物。第二个发明不会因为第一个出现了就排队出现。

OpenAI这次缩编的明智之处在于它把资源从“赌第二个发明”撤回到“放大第一个发明”。这是一种现代版的“摘完桃子要给桃树浇水”的态度。真正稀缺的不是又一次涌现,是有人愿意把已有涌现做到稳态。

OpenAI为何撤销机器人团队?当最大的发明已经确认,不要幻想出现第二个奇迹图11

把“类比”做精确,

而不是做浪漫

但话说回来——同构之外必须列出差异,否则类比就成了浪漫。

我在前述研究里给出过完整对照。这里只挑对本文论证最关键的三个差异:

第一,外化对象不同。文字外化的是存储与言语——一个数量、一段话语、一条律法。文字的产物是文本,文本本身不做任何事,读者必须自己解码、理解、比较、推理。文字把认知的输入端外化了,把加工端完整留在颅内。

AI外化的是加工过程本身——模型接收问题、分解任务、检索知识、生成候选、评估一致性、输出结论。使用者接收的是结论,不是通向结论的路径。

文字的认知红利来自“必须内化”——你必须先会读才能使用书。AI的认知红利来自“无需内化”——你可以完全不会推理,仍然得到答案。这一差别不大但深刻。

第二,能动性不同。一本书没有目标。它不会主动找到读者,不会在读者误解时纠正他,不会在无人提问时自行生成内容。文本是惰性的。

AI有能动性。它可以被赋予目标,可以自主分解任务,可以调用工具,可以在多轮交互中维持状态,可以在无人监督时持续运行。这不是程度问题,是类型问题——Bainbridge 1983的“自动化悖论”在AI时代几乎字面重演。

第三,扩散速度不同。文字从公元前3200年出现在乌鲁克,到1820年全球识字率约12%(Our World in Data),到2020年达到87%——用了五千多年。ChatGPT在2026年身周活跃用户已达数亿量级,Epoch AI测算,达到固定能力水平的推理价格2022至2025年间下降了约两个数量级。差三个数量级。

这三条差异是用来约束类比的——它们告诉你“文字用了五千年讲清楚的事,AI只给我们五年”。但同构的部分依然立得住:两次都是“累积+偶然”的最大发明,都通过外化重塑认知分工,都遵循GPT式扩散规律。

特别要澄清:类比是用来“定类”的,不是用来“定量”的。用文字来判断AI属于哪一类事件,是合理的;用文字来预测AI在未来某年达到何种社会形态,是不合理的。

定类的结论是:它属于那种“几千年才发生一次”的最大发明级别的事件。这足以支撑本文的核心判断——这种事件是不可复制的,押注第二个同级别事件是冒进。

OpenAI为何撤销机器人团队?当最大的发明已经确认,不要幻想出现第二个奇迹图12

冒进的代价:物理世界模型突破的浅薄希望

把“不要押注第二个奇迹”展开到具体赛道上。

物理世界模型在2024年成为最热闹的字眼之一。Sora的技术报告把生成视频描述为“探索物理世界模拟器的一条路径”——注意原文措辞,是“路径”不是“成果”。一批创业公司把“物理世界模拟器”作为叙事核心,融资额冲到亿美金级,估值倍数远超同期相机标定公司。

我对这件事的态度很直接:这一波押注大部分会被时间修正。

修正的逻辑链有几环。

第一环,数据稀缺性结构不变。物理交互数据不是文字语料。文字可以被网络爬虫批量抓取,物理交互数据必须由机器人或人在实际环境里采集,每个采样点都花费硬件折旧与人力成本。已经估算过机器人交互数据稀缺度比文字语料高一个量级以上。在数据上层叠多少层模型架构都不能把这一缺口填平。

第二环,莫拉维克悖论依然成立。1988年汉斯・莫拉维克观察到:让计算机下棋容易,让计算机像一岁孩子那样感知和运动难。这条规律三十年没被推翻。英伟达的测试里,Astra处理刚性物体抓取、堆叠可靠,柔性物体、精密接触、长距离移动操作仍然困难。这是莫拉维克悖论在的能力投影——通用模型推理可以替代轨迹拟合,不能替代物理耦合本身。

第三环,图灵意义上的智能涌现与物理意义上的具身耦合不是同一件事。大语言模型在符号与抽象层涌现,是因为符号系统的因果闭合性可以让自回归把它学全。物理世界不是符号系统,它有摩擦、滑动、塑性形变、热力学第二定律。它不能被“读”出来,只能被“摸”出来。这正是为什么文字可以用一个架构搞定,机器人不能。

第四环,通用模型+控制接口已经吃掉了专用机器人的相当一部分价值。RoboLab-120测试已经证明,机器人控制可以被分成“通用模型做策略”加“硬件执行动作”两层。这是一个典型的GPT式的“垂直功能被通用模型吸收”的过程。押注物理世界模型的初创公司,估值建立在其“专用能力不会被通用模型覆盖”的假设上。这条假设在被一场场测试打穿。

注入一个反方视角——我自己批评过的“今天不能想象,但三年后无人不想象”现象同样适用于本文。如果某个公司在物理交互数据闭环上拿到了独特优势——比如一家机器人公司拥有千万小时级别真实工况数据并自建数据飞轮——其专用价值可能仍能持续一段时间。这是冒进判断的边界——但即便如此,这也只是“在通用模型之外还能多撑几年”,不是“另一个最大发明”。

我跟踪过一个种子轮项目PearsEVO,定位是“物理世界中间件层”。这类项目在通用模型已经能直接控机械臂的世里,估值曲线会先被Hero推到顶、再被RoboLab-120这类基准一道道削平。这不是说它没价值,是说它没资格进“最大发明”那一格。用投资逻辑收尾这一节:投资判断的K型分化正在发生——通向通用能力的钱会继续追,押注第二个涌现的钱要承压。

OpenAI为何撤销机器人团队?当最大的发明已经确认,不要幻想出现第二个奇迹图13
OpenAI为何撤销机器人团队?当最大的发明已经确认,不要幻想出现第二个奇迹图14

把机器人当作“应用类别”

——而不是又一个圣杯

那机器人到底应怎么发展?我把它定位为:大模型的一个应用类别。不是另一个圣杯,不是另一个涌现窗口,是一个有它自己工程难度、有它自己生态位的应用类别。

这个定位带来三个工程动作。

第一,分明分工。通用模型负责场景理解、任务规划、纠错;硬件控制负责实时响应、力觉反馈、安全约束。这两层中间的接口——给模型什么图像、什么状态、接收什么动作目标——是这个赛道接下来三年最值得投入的工程之一。

第二,分层处理时延。高层推理走云端大模型,低层反射走本地小模型。商汤8平台实验初步证实这种分层是可行的,但工业现场部署需要的延迟预算与可靠性还要严苛得多——这是端侧AI真正的机会窗口,也是中国硬件公司的天然优势。

第三,能力认证与责任分配。机器人在工厂、服务、医疗场景里出错,谁负责?模型层、控制层、传感器层、操作员层——责任要可拆分,证据要可追溯。这是GPT式的“组织滞后”——技术已就位、制度未就位——David 1990经典框架的直接落点。没有这套规则,机器人再多demo也只在实验室可用。

三类赢家在这层结构里清晰。

模型公司继续保持通用能力前沿,这是少数玩家的赛道(OpenAI、Anthropic、Google、DeepSeek、阿里Qwen等)。

硬件公司本地化、专业化,把成本曲线、可靠性与供应链管好,宇树、小米、波士顿动力、奔驰做奔驰机器人2.5的奔驰自己——这些公司提供“身体”。

中间一层是创业公司真正的机会——做场景适配与数据闭环。每一家工厂、每一类服务、每一个具体工况都有自己的小数据,这些数据既不够大模型自训练,也不够硬件公司自采集。这是中位创业公司的生态位——补上“通用模型与具体身体之间的最后一公里”。我自己常用一个判断:创业价值的窗口在垂直域而不是通用域,正是这个意思。

把机器人当作应用类别发展的另一重含义是:不再要求它一次性解决“通用具身智能”问题。回到OpenAI缩编的逻辑——它的选择意味着“机器人能力是有上限的中间产品,不是上升中的圣杯”。这种克制本身,就是务实的姿态。

OpenAI为何撤销机器人团队?当最大的发明已经确认,不要幻想出现第二个奇迹图15

认知卸载的真正风险:人放弃裁决权,而不是机器人不会刷碗

把镜头拉远一点。

文章开头我引DeepTech的那条新闻,关注的不只是机器人的命运。它带出的更深的问题是:当通用模型能做越来越多事,人还剩什么要做?

文字史的答案是:人被重塑,但不是被取代。Goody-Watt 1963的“读写心智”命题、Ong 1982的“技术化了的意识”、Havelock 1963的“字母革命”——这些经典论述的核心是:文字把语言从情境中剥离,使话语成为可被审视、比较、质疑的文本,由此催生形式逻辑、清单思维、历史意识与怀疑精神。Luria 1976在乌兹别克斯坦的跨文化实验进一步证明:未识字者在处理抽象三段论时倾向于还原为具体经验,而受过学校教育的人能进行形式推理。

但这条命题后来被Scribner与Cole 1981的瓦伊人研究打穿过:识字本身不带来“认知跃迁”,关键在于“识字被用于什么、在什么社会关系中习得、承载何种社会功能”。文字改变的是可训练的认知操作集合,而非智力总量。识字者失去口传记忆术,获得形式推理。

AI时代的差别在何处?它把“必须先内化技能才能使用技能”这条铁律打破了。文字的认知红利来自你必须先学会读,才能用书。AI的认知红利来自你可以完全不会推理,仍然得到答案。这一“可以选择不内化”的自由,是文字时代没有过的。

Kosmyna等2025的预印本《Your Brain on ChatGPT》用脑电与访谈比较三组被试在essay写作任务中的表现——纯自主写作、搜索引擎辅助、LLM辅助——LLM组表现出较低的神经连接性、较弱的产出拥有感,并在后续无工具任务中召回更差。Lee等2025在CHI会议上对319名知识工作者的调查也发现:对生成式AI的信任度越高,自我报告的批判性思维投入越低。

要澄清一点:现有证据不足以支持“AI使人变笨”的强命题。多数研究为横断面或短期实验,效应量不稳定,难以排除选择效应。但中等命题获得较好支持:AI使用导致认知能力结构的重排——特定技能被闲置而退化,另一些技能被强化。

那“另一些技能”是什么?我倾向从能力栈角度回答:文字时代的能力栈是“识字—计算—记忆—推理”——四项都是使用文字的前提。AI时代的能力栈则可能收缩为“提问—验证—判断—担责”——四项都是元层面的、对操作的操作。

真正的问题不在机器人能否刷碗,而在人是否仍然承担裁决权。文字的发明没有让人类放弃思考,因为文本不会替你思考;AI的发明可能让人类放弃判断,因为模型会替你判断——而判断一旦被外包,重新获得它的成本远高于当初学会它。

这是比“具身智能何时实现”严重得多的问题。它不需要任何技术突破来触发——它已经在发生,正在每一个用AI替自己写邮件、写代码、做研究计划的人身上发生。

这也是为什么我反对在机器人上押注第二个奇迹——那样会稀释本应该用来应付这第一波发明后果的资源。这第一波发明的稳态部署、责任认证、教育重构、知识权力的再分配——每一项都比“再涌现一个奇迹”紧迫。

OpenAI为何撤销机器人团队?当最大的发明已经确认,不要幻想出现第二个奇迹图16

三条指标:

怎么观察“冒进”

口号谁都会喊。说一句“不要冒进”很容易。可观察指标是什么?我给三条判断,可以反复使用。

指标一:物理世界数据闭环的ROI是否被高估。当一家机器人公司用“我们自建数据飞轮”作为估值支撑时,问两个问题:它的数据采集通量是多少?数据边缘价值是否对得起存储与计算成本?如果一家公司无法在P&L上把数据贡献具体折算成能力提升率,它的“数据飞轮”叙事不构成估值支撑——它构成的是叙事泡沫。这条指标在过去两年电脑视觉的辩护词里大概每年读一次。

指标二:通用模型+控制接口的复合成功率曲线。这条曲线往下走——专用模型被吸纳的速度。这条曲线往上走——专用模型还有理由存在。如果一年内,复合成功率从74.8%升到90%以上,专用机器人模型公司估值倍数应大幅下调。当下的事实是,曲线在快速往上走,专用模型还撑了一年左右。这条折价压力会很快到来。

指标三:责任规则清晰度vs模型能力的差速。David 1990的“GPT滞后”框架在AI上特别适用——技术已在工位上就绪,制度尚未在法条上就位。差速越小(责任规则赶上模型能力),有效扩散越快。差速越大,泡沫越大。当下医疗、法律、金融、教育四个高风险行业的责任规则都明显跟不上模型能力——这是行业层面的滞后,也是行业层面的风险。凡是这三条指标同时劣化的窗口,都要警惕泡沫。2024至2025的物理世界模型融资窗口,三条指标同时指向同一个方向。这正是OpenAI缩编的真实背景——它读到了这三条指标。

OpenAI为何撤销机器人团队?当最大的发明已经确认,不要幻想出现第二个奇迹图17

沉静务实者的赌注:

优化、放大、稳态部署

把冒进的判断反过来,就是务实者的赌注。

不要追“再发明一个Transformer”。这不是悲观——这是一个对发明节律的诚实承认。Transformer的出现是必然的高度可能与偶然的具体形态的叠加,二者同时复制一遍的概率不高。这一波“AI for Science”“AI for Drug Discovery”“AI for Material”用类似架构赌类似突破,会出一些重要结果,但不会出“第二个Transformer”——这种突破的发明不会因为名字里有AI就排队过来。

要追:把已经涌现的能力变成基础设施。这是文字在五千年里真正完成的事——不是发明本身伟大,而是它被消化成行政、法律、教育、宗教、媒体、科学的基础设施。AI的真正红利在于把它消化成同样的基础设施。三个具体方向值得下注:

第一是推理成本曲线。Epoch AI数据显示,达成固定能力水平的推理价格在2022至2025年间下降了约两个数量级。这是一条比模型性能曲线更重要的曲线——它决定了能力是否真的能进入小企业、家庭与个人的工作流。任何能把推理成本继续往下推一个数量级的工程优化都是高ROI投资。

第二是端侧与本地部署。家庭与中小企业私有AI是被大部分模型公司忽视的市场——这一市场的需求不是最前沿能力,而是可控、可审计、可审计、不依赖云端。这是中国硬件公司的天然优势,也是家庭与中小企业真正能受益AI的窗口。我自己反复思考过的、按组织类型区分AI需求的框架——个人要低摩擦高杠杆、企业要可控可审计可复制、机构要可信合规可追溯——在这层落得很实在。

第三是行业垂类的稳态指标配套。模型公司给的是前沿能力,行业需要的是稳态指标——错误率、可恢复性、可解释性、责任可追溯。这一配套目前是缺口。谁补上这个配套,谁就掌握行业应用的实际入口。这是中位创业公司最大的机会。

中国视角。DeepSeek价格战把推理成本往下推一截;Qwen持续开源;宇树、小米在硬件成本曲线上拉低人形机器人单价;阿里、字节在垂类Agent上投入。中国实际上正在“沉静务实”这条路上——这是有些悲观叙事会看不见的事。中国不要去赌“第二个涌现”,中国要把已有的Transformer用到稳态。这是真正能持续10年的工业升级窗口。

OpenAI为何撤销机器人团队?当最大的发明已经确认,不要幻想出现第二个奇迹图18
OpenAI为何撤销机器人团队?当最大的发明已经确认,不要幻想出现第二个奇迹图19

人活着只需要一次偶然

回到文字。

文字的偶然用了五千年才被人类用顺。从乌鲁克的原始楔形文字到罗马的拉丁文识字率5%—10%,从印刷术到2020年的全球识字率87%——这是一个比任何一个文明都长的曲线。文字不是它本身伟大,是因为它被发现、被改造、被制度化、被普及,它才伟大。

Transformer才用了不到十年。它的偶然已发生,但它的制度化、它的责任规则、它的教育重构、它的能力认证——这些它要走的五千年,刚开了头。

把已经握在手里的发明用好,已经足够重新定义文明层级。好高骛远,得意忘形,就会出现冒进。在物理世界模型上押注第二个涌现窗口,是这一代最容易犯的冒进——它符合发明家叙事的所有幻觉,但不容易符合发明的真实节律。

把机器人当作Application来做。把Transformer这个最大发明作为Infrastructure来养。让这一代技术人愿意去做稳态部署,让这一代投资人愿意去压长尾数据闭环,让这一代人愿意去写“模型审计”、“输出溯源”、“责任分配”这些细小但不可缺的制度章程。

剩下的,让偶然去做它的事。

人活着只需要一次偶然。Transformer是这一次。把它接住。

OpenAI为何撤销机器人团队?当最大的发明已经确认,不要幻想出现第二个奇迹图20

OpenAI为何撤销机器人团队?当最大的发明已经确认,不要幻想出现第二个奇迹图21
OpenAI为何撤销机器人团队?当最大的发明已经确认,不要幻想出现第二个奇迹图24

OpenAI为何撤销机器人团队?当最大的发明已经确认,不要幻想出现第二个奇迹图25

OpenAI为何撤销机器人团队?当最大的发明已经确认,不要幻想出现第二个奇迹图26

关于科技区角:国内科技展会垂直内容策划服务商,提供从论坛内容全案策划、会展市场化IP打造到精准专业观众一站式邀约服务,以产业内容吸引高质量B端人群,打通展会从议题设计、演讲嘉宾邀约、宣传预热、精准邀观到供需对接全链路。
声明:内容取材于网络,仅代表作者观点,如有内容违规问题,请联系处理。
AI 机器人
more
黄仁勋继任者遴选出现实质进展,小米汽车首次出海,AppStore上架安卓虚拟机,曝三星计划发布2款人形机器人,这就是今天的其他大新闻!
百余大咖畅聊工业具身!2026高工工业具身机器人年会火热报名中
启元机器人牵手邮电器材,补齐消费级渠道拼图
重磅迭代!阿童木全新太空机器人,从一次在轨验证,走向多元太空任务
摄像头长出“腿和翅膀”!Ring入局,安防机器人能否讲出新故事?
世界前沿算力、人工智能与机器人云集高交会  万家海外客商掀起全球采购热潮
OpenAI为何撤销机器人团队?当最大的发明已经确认,不要幻想出现第二个奇迹
波士顿动力人形机器人拿下首个芯片厂客户
800多家工厂等待机器人入驻,杭州临平集结硬核具身智能玩家
手握近10亿元订单的机器人企业完成股改;具身智能量产底座企业完成超5亿元融资 | 一周资本大事件
Copyright © 2025-成都区角科技有限公司
蜀ICP备2025143415号-1
  
川公网安备51015602001305号