OpenAI机器人训练，为何要从叠衣服开始？

当同行都在展示会走路、会说话的机器人时，OpenAI却让上百只机械臂，在旧金山默默练习烤面包和叠衣服。

过去一年，人工智能领域的明星公司OpenAI，正以一种与软件世界的高调截然不同的方式，悄然布局物理世界。自2025年2月起，该公司在旧金山秘密建立了一个机器人实验室。但与想象中不同，这里的主角并非炫酷的人形机器，而是一排排由约百名数据采集员远程操控的工业机械臂。它们日以继夜地执行着放入面包、折叠衣物等看似平凡的家务。这一低调行动，揭示了OpenAI的独特路径：不急于展示华丽的人形机器人，而是从最基础的数据积累开始，为未来机器人的“大脑”奠定算法基石。

实验室的运作高度依赖数据驱动。操作员通过一款3D打印的控制器远程操控机械臂，实验室实行三班倒，确保数据采集不间断。任务从简单的“将橡皮鸭放入杯子”开始，逐步升级到更复杂的操作。这一切的核心目标，是为训练机器人基础模型积累海量的“具身”数据。

在AI领域，海量数据是模型泛化能力的关键。然而，物理机器人的动作数据极为稀缺。OpenAI从机械臂入手，正是为了高效、可控地构建一个现实世界的动作数据库，用以训练未来能指挥更复杂机器人的通用“大脑”。

这与当前机器人领域的其他玩家形成鲜明对比。特斯拉热衷于展示Optimus人形机器人流畅的演示视频；Figure AI的机器人能完成多种家务并展示语音交互，但也面临任务成功率与“恐怖谷效应”的讨论。OpenAI则避开演示竞赛，选择了一条更底层的路线。实验室里虽有一台人形机器人，但它大多时间闲置。公司的精力几乎全集中在机械臂的数据采集上。

这背后是一种务实认知：在硬件形态尚未成熟前，先攻克通用算法可能更高效。通过机械臂收集的数据和训练的模型，未来有望迁移到不同形态的机器人上，包括最终的人形机器人。

OpenAI对人形机器人的兴趣，根植于其创立使命——开发安全的通用人工智能（AGI）。要实现能在物理世界发挥作用的AGI，“具身”是关键。人形机器人因与人类环境兼容，被视为理想载体之一。但构建它面临多重复杂性，缺乏大规模训练数据是核心瓶颈。正如分析指出，“不存在用于大规模预训练的人形机器人数据集互联网”。OpenAI当前的实验室工作，正是为了亲手创造这个“数据集”。

在低调推进机器人项目的同时，OpenAI的整体业务在2025年至2026年初呈现爆发式增长。公司首席财务官于2026年1月披露，2025年年化收入已突破200亿美元，相比2023年增长十倍。算力规模也持续创下新高，支撑着近20万台AI服务器的运转。

为满足对算力的饥渴需求，OpenAI已从依赖单一供应商转向与微软、谷歌、亚马逊等多方合作，并大力推进总投资预计达5000亿美元的“星门”全球AI算力网络计划。

公司的商业模式也日趋多元，从订阅服务扩展到API、广告支持层级。近期，OpenAI已开始在ChatGPT内测试广告。更引人注目的是，公司确认将于2026年下半年推出首款硬件设备。这款由前苹果首席设计师主导设计、代号“Gumdrop”的无屏便携AI终端，标志着OpenAI向软硬一体化生态迈进。设备主打手写转录、实时语音交互，直连ChatGPT，旨在提供一种“比智能手机更平和”的体验。为此，OpenAI已从苹果、谷歌招募了数百名硬件工程师，并与富士康合作推进量产。

这些动态勾勒出OpenAI多线并进的图景：在核心AI模型上保持领先；通过自研硬件切入消费市场；同时，在机器人这一物理世界AI的终极场景进行基础投入。机器人项目虽处早期，也非当前营收核心，但对公司的长期AGI愿景具有根本意义。

旧金山的实验室，是OpenAI宏大蓝图中的一个务实前哨。它舍弃短期炫技，投向耗时却至关重要的数据工程。当同行在聚光灯下展示最新进展时，OpenAI在幕后，用机械臂一遍遍练习着放入面包。两种路径共同推动行业探索。OpenAI的尝试回答了一个根本问题：当软件智能试图驾驭物理身体时，什么比制造一个酷似人类的躯壳更优先？他们的答案是：先为这个未来的躯体，准备一个通过海量现实交互训练出来的、足够聪明和通用的“大脑”。

这条路能否通向最终愿景，仍需时间验证。

来源：布谷财经