OpenAI开始亲手造身体了

五年前解散机器人团队时，OpenAI给出的理由只有四个字：没有数据。五年后，它租下一座 14000 安培的仓库，开出 50 万美元年薪，甚至开始自己设计电机——一家靠大脑吃饭的公司，正在亲手造身体。

这篇文章想讲清楚两件事：一是OpenAI为什么在这个时点重新下场做硬件；二是法国的Kyutai刚放出的 2.4B 小模型REKI，为什么可能是对'大力出奇迹'路线的一次釜底抽薪。两件事拼在一起，就是当下具身智能最真实的产业图景。

🧠 五年前的回马枪，打在自己身上

做机器人这行，最贵的学费是时间。

大约五年前，OpenAI解散了自己的机器人团队。当时的判断非常典型：机器人抓取数据的获取成本太高、效率太低，远不如把算力和人才压在语言模型上。这个决定在今天看，成就了 GPT 系列，也埋下了一个隐患——物理世界的数据入口，交到了别人手里。

五年后的今天，情况彻底反转。语言模型的能力边界逐渐清晰，Scaling 的边际收益在放缓，而具身智能成了最热的下一站。OpenAI的动作非常坚决：

• 27 人硬件团队：直接招人造身体，不是做顾问、不是投钱旁观的姿态；
• 14000 安培的仓库：大电流供电意味着要跑高功率的电机测试台架和整机产线实验，这是实打实的硬件基础设施投入；
• 50 万美元年薪：面对的是工业界最稀缺的那批机电一体化与硬件系统人才，价格就是行业竞争烈度的直接体现；
• 一颗自主设计的电机：这是信号里最重的一个，下文细说。

据多位接近人士观察，这批招聘的岗位画像高度集中在执行器、传动与整机集成上——恰恰是五年前被砍掉的那部分能力。相当于 OpenAI 用五年时间，把当年'砍错的部分'重新买了回来，而且是用远高于当年的溢价。

产业逻辑一句话：当大脑层的竞争格局趋于稳定，差异化只能发生在身体层。语言模型可以共用开源底座，但一台能干活的机器人，肌肉和骨头没法外包。

⚡ 一颗自研电机，泄露了真正的野心

电机是机器人行业最不起眼、也最卡脖子的零件。

很多人以为做机器人的门槛在算法，其实整机公司的命门在执行器——关节电机的扭矩密度、散热、成本和供应链稳定性，直接决定了产品能不能量产、能不能卖得动。这就是为什么行业里流传一句私下的话：'谁的电机账算得过来，谁才配谈商业化。'

OpenAI选择自主设计电机，透露了三层信息：

第一，它不打算做方案集成商。如果只是把现成的关节模组拼起来，不需要 14000 安培的仓库，更不需要自研电机。自研意味着要对动力系统的参数拥有定义权——这是特斯拉、Figure这一类整机厂商才会做的选择。

第二，大脑和身体要深度耦合。具身智能区别于传统自动化的关键，在于控制策略和硬件特性要互相适配。自研电机让模型团队和硬件团队共用一套设计语言，训练数据的采集效率也会不一样——毕竟五年前OpenAI离开这行的理由就是'没有数据'，这次回来，数据闭环显然是核心考量。

第三，它把供应商变成了竞争对手的选项。OpenAI自研电机这件事，对现有执行器厂商是个警钟：最大的潜在客户之一，正在变成最深的护城河挑战者。

用一张痛点-方案卡来梳理这个布局：

判断很直接：这不是一个研究项目，是一次冲着整机产品去的组织建设。27 个人、大功率实验室、核心零部件自研——这套配置放在任何一家机器人初创公司，都够撑起一条产品线。

🤖 2.4B的REKI：小模型给VLA上了一课

当大家都在讨论千亿参数的机器人基座模型时，法国人端上来一个 2.4B 的东西。

Kyutai联合Inria和巴黎路桥学院（École des Ponts）发布了视觉-语言-动作模型REKI。几个关键事实值得逐条看：

• 2.4B 参数：在 VLA 赛道里属于轻量级，市面上被拿来对标的主流模型体量大约是它的两倍；
• 预训练只用公开数据：没有私有数据池的加持，这一点对学界和中小团队意义重大——意味着复现和跟进的门槛被拉平了；
• 带一块'廉价记忆'：REKI 内置了对近期历史的记忆机制，让机械臂在执行长程操作任务时能记住刚才做了什么，而不是每一步都失忆重来；
• 三个分布外基准测试：在 out-of-distribution 评测中，REKI 的成绩仅次于体量约为其两倍的模型，超过了其他所有同体量选手；
• 全部权重开源放出：研究社区可以直接下载、微调、商用评估。

这组事实放在一起，指向一个行业正在激烈争论的问题：VLA 模型到底需不需要无限制地堆参数？

REKI 的成绩单说明：在机器人操作这个具体任务域上，架构设计和记忆机制带来的效率，可以部分替代参数规模的碾压。这对产业端的影响是实际的——机器人产品要跑在边缘算力上，一个 2.4B 的模型和一个小型基座模型之间的部署成本差距，可能就是 BOM 表上几百美元的差别。

据多位接近开源社区的人士观察，REKI 这类全开源小模型的出现，正在把 VLA 的研究重心从'谁能训更大的模型'拉向'谁能用更聪明的结构榨出更多能力'。这对OpenAI这样的闭源大厂，其实是双刃剑：大脑层的天花板被开源阵营一次次试探，身体层的垂直整合价值就愈发凸显。

📊 大脑与身体，正在变成一场双向奔赴

现在把两条线放进同一张图里看。

OpenAI从大脑走向身体，Kyutai们用小模型证明大脑不必越来越重——一个在做纵向整合，一个在做横向降维。两条路径看似相反，实则都指向同一个判断：具身智能的竞争，正在从单一模块的极致，转向系统级的协同。

这张图里最有意思的是左上到右上的迁移趋势：传统工业机器人厂商手里有场景和存量客户，但模型能力是短板；大模型厂商手握能力，但缺少身体。过去几年大家试图用'合作'解决——大模型公司给机器人公司供脑。现在，OpenAI用行动宣布：供脑不如整机通吃。

而对Kyutai这样的开源阵营来说，机会窗口在于：当头部大厂把资源押向重资产的整机路线时，轻量开源模型能以极低的成本占领高校实验室、中小集成商和长尾场景，先把生态位占住。技术门槛稍低，但生态卡位的价值不容小觑。

给行业里的从业者三条务实建议：

1. 执行器供应链要重估：头部大厂自研核心零部件的先例一开，现有供应商的议价权和客户结构都会被动摇；

2. 边缘部署能力是硬通货：REKI 证明了小模型路线可行，能在端侧把 VLA 跑顺的团队，接下来会非常抢手；

3. 别再赌'大脑专业户'叙事：五年前 OpenAI 说只做大脑，五年后它自己推翻了。任何单一环节的护城河，在系统级竞争面前都会被重新定价。

🔮 小结：身体回归，大脑变轻

五年，OpenAI从'没有数据'到自研电机，走了一个完整的认知循环——物理世界的数据，终究要靠物理世界的身体去采集。而Kyutai的REKI则提醒所有人：大脑的重量不是竞争的唯一维度，聪明的结构加开放的生态，同样能打出性价比。

接下来一年值得盯两个信号：一是OpenAI整机方案的发布节奏与执行器供应链的表态；二是开源 VLA 社区能否在 REKI 基础上，把轻量模型的分布外性能再往前推一步。大脑与身体的军备竞赛，才刚刚进入下半场。