OpenAI布局人形机器人：旧金山实验室百人团队训练机械臂做家务

IT之家 1 月 22 日消息，去年，萨姆 · 奥尔特曼提出，世界尚未迎来属于自己的人形机器人时刻，但他同时表示，“这一时刻已在酝酿之中”。而在幕后，他执掌的人工智能公司正摩拳擦掌，推动这一时刻成为现实。

据知情人士向《Business Insider》透露，过去一年间，OpenAI 悄然建立了一座人形机器人实验室。该实验室与公司财务团队同处旧金山一栋大楼内，配备了约 100 名数据采集员。作为研发人形机器人这一宏大计划的一环，他们正着手训练机械臂完成各类家务任务。

据IT之家了解，OpenAI 早年曾涉足机器人领域，彼时研发的机械手甚至能完成魔方还原。但该项目于 2020 年被叫停，公司发言人当时表示，此举是为了“将团队重心重新调整至其他项目上”。

这座全新机器人实验室的内部运作细节，此前从未被媒体披露。

一位了解 OpenAI 战略规划的人士称，公司正推进多个处于早期研发阶段的全新硬件项目，机器人技术便是其中之一，不过目前这些项目均非公司核心使命的组成部分。

上周，OpenAI 向美国本土制造企业发出提案征集，寻求合作伙伴共同发力消费级设备、机器人技术及云端数据中心三大领域。但公司并未透露计划投入的资金规模，也未给出项目的时间规划。

知情人士透露，自 2025 年 2 月实验室成立以来，其规模已扩张至最初的四倍以上。

去年 12 月，公司告知员工，计划在加利福尼亚州里士满市增设第二座实验室。同期，一家人力外包公司为 OpenAI 发布的“机器人操作员”招聘启事显示，工作地点正是里士满。

实验室中陈列着一台人形机器人，多位知情者形容其“酷似 iRobot 旗下产品”，但这台机器人大多时候被闲置一旁，鲜少有人见过它投入运行。实验室的绝大部分研发精力，都集中在远程操控机械臂上。

OpenAI 让数据采集员借助一款名为 GELLO 的 3D 打印控制器，操控两台法兰克（Franka）机器人。这些金属机械臂末端配有夹具，可完成诸如将面包放入烤面包机、折叠衣物等家务劳动。

2 月数据采集项目启动初期，研发重点是训练法兰克机器人将橡皮鸭放入杯子；此后，训练任务逐渐转向技术难度更高的复杂操作。

这座实验室的曝光，让外界得以罕见地窥见：这家全球极具影响力的人工智能巨头，正以何种路径布局机器人领域。

特斯拉等竞争对手热衷于举办场面华丽的技术演示，其训练模式往往是利用动作捕捉服和虚拟现实头显，操控全尺寸人形机器人进行训练。而 OpenAI 选择了一条更为低调的路线 —— 通过扩大外包团队规模开展数据采集，以此训练机械臂完成基础任务。

这两种研发路径恰恰表明，顶尖人工智能企业距离打造出实用型家用机器人仍有漫长的路要走，而这一领域的发展，至今仍高度依赖人力投入。

《连线》杂志去年秋季曾报道，OpenAI 已启动机器人工程师的招聘工作。通过领英主页信息查询发现，该公司至少有 12 名工程师专职投身于这一项目。

知情人士透露，去年 12 月，一位项目主管提出，实验室需提升生产效率，以获取更长时长的有效训练数据。在过去数月间，实验室的数据采集目标已近乎翻倍。

OpenAI 此前曾投资多家机器人企业，包括 Figure、1X 及 Physical Intelligence。2024 年，公司与 Figure 达成合作，旨在研发“下一代人形机器人人工智能模型”，但 Figure 首席执行官布雷特 · 阿德科克于 2025 年 2 月宣布，双方终止合作。

2020 年首个机器人项目终止时，外界普遍认为 OpenAI 将重心转向了 ChatGPT 的研发。如今，公司明确释放出拓展硬件设备领域的信号，而其积累的 ChatGPT 知识库，未来或可用于训练机器人理解并与现实世界互动。

早期项目采用的是强化学习模式，这是一种通过“试错-奖励”机制让机器人自主学习的方法。如今，公司则转向了大规模数据采集驱动的机器人训练路径。

谢菲尔德大学机器人专家乔纳森 · 艾特肯在接受采访时表示：“所有企业都在争抢构建大规模数据集的方法。我们已经拥有能通过大数据训练完成任务的人工智能算法，而核心难题始终在于如何获取高质量的数据集。”

OpenAI 的数据采集策略，与特斯拉、Figure 等公司的机器人研发模式截然不同。后者的技术路线是，工作人员通过动作捕捉服和虚拟现实头显，记录全身动作并操控全尺寸人形机器人。

OpenAI 的这一数据采集方案，与加州大学伯克利分校研究人员 2023 年发表的一项研究不谋而合。该研究提出了一套低成本、可规模化的远程操控机械臂数据采集系统。据领英信息显示，其中一位研究人员已于 2024 年 8 月加入 OpenAI，负责“构建机器人智能中枢”相关工作。

俄勒冈州立大学人工智能与机器人专家艾伦 · 费恩表示，这种模式属于行业标准配置，机器人可通过模仿操作员的动作完成学习。艾特肯则指出，相较于采用动作捕捉服的人工智能企业，OpenAI 的 GELLO 控制器策略具备显著优势：不仅成本更低，而且由于每个控制器都与机械臂动作直接映射，机器人能更直观地将人类的特定动作转化为自身的机械运动。

知情人士称，OpenAI 在旧金山的实验室设有数十个工作站，实行三班倒制度，全天候不间断开展数据采集工作。摄像头会同步记录操作员和机器人的作业过程，工作人员的绩效评估标准，正是其产出的有效训练数据时长。

这种依赖外包员工、以绩效指标驱动工作的模式，与包括 OpenAI 在内的人工智能企业，早年为大型语言模型扩张数据标注业务的做法如出一辙。

费恩表示：“许多企业都寄望于，只要采集到足够多的数据，就能将其转化为机器人的动作指令，从而实现类似 ChatGPT 的规模化效应。”但他同时补充道：“这种设想，至今尚未得到实践验证。”

知情人士透露，OpenAI 正着手搭建全新的机器人工作站，配备的机械臂将更贴近人类肢体的运动模式。

此外，公司还将部分采集到的数据用于计算机仿真环境中的机器人训练，并会定期测试机械臂的实际作业表现。

目前尚不清楚，OpenAI 计划以多快的速度将这些数据成果转化为完整的人形机器人；其这种依托机械臂、低成本投入的研发路径，能否在一众重金押注全人形机器人系统的企业中脱颖而出，同样有待观察。

艾特肯评价道：“目前来看，这项技术显然还处于非常早期的阶段。但从技术层面而言，这套系统是一个能适配多种机器人、设计精妙且灵活可配置的操作界面。”