OpenAI准备让人工智能拥有一副身体。

在近期公开的采访中，OpenAI首席执行官萨姆·奥尔特曼（Sam Altman）确认，公司正在推进人形机器人研发，并预计2027年能够展示一项令人印象深刻的成果。

但他同时提醒外界，不要把演示与产品上市混为一谈。

在9月接受《财富》杂志采访时，奥尔特曼表示，他认为公司将在2027年带来一场精彩的演示，但机器人真正走上街头，可能还需要再等几年。

这一表态在10月17日经科技媒体Engadget报道后，引发新一轮关注。它并不是OpenAI宣布明年发售机器人的消息，而是公司首次向外界展示实体机器人能力的时间预期。

更值得注意的是，奥尔特曼对机器人竞争的判断。

在播客节目《Sources》中，当被问及OpenAI是否真的会制造人形机器人时，他明确回答，公司会这样做，也会开发其他形态的机器人。

但在他看来，机器人究竟长什么样，并不是最困难的部分。真正需要解决的是驱动它行动的智能系统。

这揭示了OpenAI进入机器人行业的基本思路：与其仅仅制造另一台能够行走的人形机器，不如尝试开发一种能够适应复杂现实环境的通用人工智能控制系统。

为什么一定要做成人形？

奥尔特曼给出的解释相当务实。

现代社会的绝大多数基础设施都是按照人体设计的。

门把手的位置、楼梯的高度、工厂的操作台、厨房里的工具，以及办公桌上的键盘，都默认使用者拥有两只手、两条腿和一定的身体活动范围。

如果机器人要进入这些环境，模仿人类的身体结构可能比要求整个社会重新设计基础设施更现实。

这也是特斯拉Optimus、小鹏IRON等人形机器人项目选择类似形态的重要原因之一。

不过，人形设计同时带来了工程上的困难。

两足行走需要持续保持平衡。机械手必须同时兼顾抓握力量和精细动作。关节、电机、传感器和电池之间，还需要在重量、成本与续航方面作出取舍。

机器人能够在舞台上走几步，与它能够在陌生家庭里连续工作数小时，是完全不同的技术挑战。

而OpenAI认为，最大的障碍可能还不在机械结构。

ChatGPT会回答问题，不代表机器人会洗碗

今天的AI模型已经能够编写程序、分析图像、解释复杂概念。

但这些能力并不会自动转化为现实世界中的行动能力。

假设有人要求机器人把厨房里的杯子放进洗碗机。

机器人首先需要识别杯子的位置，判断它是否装有液体，寻找合适的抓握位置，计算机械臂的运动路径，并在移动过程中持续调整力量。

如果有人突然从旁边经过，它还必须及时避让。

如果杯子滑动，它需要立刻纠正动作。

如果洗碗机门没有完全打开，它还要重新规划任务。

人类通常不需要有意识地计算这些步骤。

但对于机器人而言，每一个动作都涉及感知、推理、运动控制以及对物理环境变化的实时响应。

语言模型可以解释怎样拿起杯子，却未必能控制机械手稳定地完成这个动作。

这正是所谓机器人“大脑”的难点。

它不仅要理解语言，还要把语言转换为安全、可靠、可以在现实环境中执行的行动。

奥尔特曼强调软件的重要性，并不意味着机械硬件已经不再重要，而是认为真正具备广泛用途的机器人，需要将感知、推理和运动控制结合成一个能够持续工作的系统。

OpenAI并不是第一次研究机器人

早在ChatGPT诞生之前，OpenAI就曾投入机器人研究。

其中最著名的项目是Dactyl。

研究人员尝试在计算机模拟环境中训练机械手，让它学会操作真实物体。2019年，OpenAI展示了一只机械手通过强化学习完成魔方操作的成果。

这项研究的重要性，并不只是机器人能够转动魔方。

它展示了一种可能的训练方法：让AI先在虚拟环境中经历大量尝试，再将学到的能力迁移到现实设备。

机器人研发长期面临一个困难：真实世界中的训练既昂贵又缓慢，而且容易损坏设备。

模拟训练可以显著扩大训练规模，却也存在所谓的“模拟与现实差距”。

虚拟世界中的摩擦力、材料特性和物体运动，不可能完全复制现实。机器人在模拟环境里表现出色，到了真实环境中仍然可能失败。

如今，随着视觉语言模型、强化学习和计算资源的发展，OpenAI重新投入机器人领域，意味着它希望将过去积累的研究与新一代基础模型结合起来。

但这种技术路线能否形成可靠、经济的商业产品，仍有待验证。

招聘信息透露了什么？

虽然奥尔特曼把智能系统放在首位，OpenAI并没有将机器人硬件完全交给其他企业。

近期公开的机器人相关招聘岗位涉及运动控制、状态估计、机械执行器、传感器、散热、制造和供应链等领域。

这说明公司的计划并非只开发一套可以授权给机器人制造商的软件。

它也在建设理解和制造实体机器人所需的工程能力。

根据相关招聘描述，OpenAI的短期目标之一，是开发能够帮助技术工人建设基础设施的通用机器人；长期目标则是让个人机器人承担更加广泛的任务。

这个顺序值得关注。

与其立即进入家庭，机器人可能首先在相对可控的工业和基础设施环境中证明价值。

工厂、仓库和部分施工场所的任务可以被更严格地定义，也更容易设置安全边界。

家庭则复杂得多。

不同房屋的布局、物品、人员活动和意外情况千差万别。机器人不仅需要完成任务，还必须保证不会伤害人、宠物或周围环境。

即使AI模型取得突破，产品责任、隐私保护、维护成本和安全认证，也会决定机器人何时能够真正进入市场。

特斯拉造身体，OpenAI造大脑？

这种说法很有吸引力，但并不完全准确。

特斯拉同样投入大量资源开发机器人AI，OpenAI也在研究机械硬件。双方并不是严格按照身体与大脑划分业务。

真正的差别可能在于各自拥有的优势。

特斯拉积累了制造、电机、电池、视觉感知和大规模硬件工程方面的经验。

OpenAI则拥有基础模型、强化学习以及让AI理解复杂指令和执行多步骤任务的技术积累。

对于机器人产业来说，未来的竞争很可能不是单纯比较谁的机器人走得更快、动作更像人，而是谁能够让机器在真实环境中稳定完成更多工作，并将成本降低到客户愿意支付的水平。

这也解释了为什么2027年的演示虽然值得期待，却不足以证明OpenAI已经解决机器人商业化问题。

截至目前，OpenAI尚未公布人形机器人的正式产品名称、设计规格、售价、量产计划或上市日期。

奥尔特曼所承诺的，仍是一场技术演示，而不是一个已经确定交付时间的商品。

机器人可能是AI商业化的下一场硬仗

过去几年，生成式AI最显著的成果发生在屏幕之内。

它可以写文章、生成图像、编写程序，也可以帮助企业处理越来越复杂的信息工作。

但物理世界有不同的规则。

一段错误的文字可以删除，一次失败的程序运行可以重新开始。机器人如果判断错误，却可能打碎物品、损坏设备，甚至伤害人。

这意味着，实体AI不仅需要足够聪明，还必须足够可靠。

它要面对现实环境的不确定性，也必须承担真实的安全责任。

从商业角度看，机器人还面临另一个问题：即使技术上能够完成某项工作，它的购买、维护和运行成本，是否比雇用人工或使用传统自动化设备更低？

一家工厂不会仅仅因为机器人能够搬运箱子就购买它。企业需要知道，这台机器每天能够工作多久，故障率有多高，维修是否方便，以及投资需要多少年才能收回。

对家庭用户而言，这些问题更加现实。

人们可能愿意为一台能够做家务的机器人支付高价，但前提是它真的能够持续、安全地完成工作，而不是只在经过精心安排的演示环境中表现出色。

因此，OpenAI进入机器人行业，既是对人工智能能力边界的探索，也是一场远比聊天机器人昂贵的商业实验。

2027年，外界或许会第一次看到OpenAI的人形机器人。

但决定这项技术未来的，不是它能否在舞台上完成一次精彩表演。

真正的考验，是当演示结束、工程师离开以后，它还能不能独自把工作做好。