OpenAI下场造机器人，难的不是身体

做ChatGPT的那家公司，决定亲手把AI装进一副身体里。OpenAI CEO Sam Altman在Fortune杂志主编Alyson Shontell主持的Sources播客访谈中确认：OpenAI正在开发人形机器人，首次公开演示定在2027年。更值得玩味的是他给出的判断——这个项目最难的工程挑战，不是关节、不是灵巧手，而是造出一个足够先进的“人工大脑”。

这句话基本框定了OpenAI的打法：先赢大脑，再造身体。

值得一提的是，这并非OpenAI第一次碰机器人。早在2018到2020年，它就做过用神经网络操控机械手解魔方的Dactyl项目，随后在2021年前后解散了机器人团队，把精力收缩回大模型。如今重新下场，是从“我们做过但放弃了”到“我们想清楚了再回来”的一次战略掉头——而这次，它带着GPT级的大脑底座回来。

🎙️ 一档播客捅破的窗户纸

金句先行：大模型公司讲具身智能的故事讲了三年，这次是掌门人自己把日期报了出来。

场景先还原一下。这不是一份官方新闻稿，也不是发布会上的彩蛋，而是Altman在Fortune的Sources播客里面对Shontell追问时的亲口确认。这类场合报时间点，某种意义上比官方公告更可信——播客没法彩排，主持人追着问的时候，说出去的就是公司内部当下真实的进度判断。

拆开信息量，这段表态至少有三层：第一，OpenAI正式从纯软件公司向“软硬一体”扩展，做实体硬件这件事从传闻变成了官宣；第二，产品有明确节奏，2027年面向公众演示，不是遥遥无期的“在看了”；第三，公司内部对难点的认知非常清醒——大脑优先。

第三层最关键。人形机器人行业过去两年最大的叙事分歧，就是“智能优先”还是“本体优先”：一派认为先把身体做便宜做可靠，用遥操作和预编程先跑起来；另一派认为身体迟早会产能过剩，稀缺的永远是能泛化的智能。Altman的表态，等于把OpenAI明确划到了后一派的阵营地。

产业逻辑也顺理成章。当模型能力的边际提升开始放缓，巨头的下一个增长故事必然要往物理世界走——语言模型能写代码、能聊天，但不能给你端一杯咖啡。把AI从对话框里放出来，是所有大模型公司的终极叙事，而OpenAI选择亲自下场，而不是只做别人机器人里的大脑。

🧠 为什么Altman说难的是大脑

金句先行：身体可以买现成的，大脑没有捷径。

Altman把“先进的artificial brain”点名为头号挑战，这在机器人工程视角下其实非常诚实。今天的人形机器人本体，坦白说已经不是最卡脖子的环节：执行器、减速器、传感器都有成熟供应链，二线团队攒一台能走能抓的机器，周期是以月计的。真正缺的，是一套能在开放环境里看懂、想通、做对的具身智能系统。

这个“大脑”至少要同时干三件事：感知层面把摄像头、麦克风、力觉传感器的原始信号统一理解；认知层面具备常识推理和任务拆解——“把桌上收拾干净”这种模糊指令，得能拆成几百个具体动作；执行层面还要实时输出控制指令，延迟和可靠性都不能掉链子。传统机器人是“小脑很强、大脑为零”，而OpenAI想补的恰恰是从零到一的这块。

看懂这张冰山图，就明白OpenAI的胜算在哪：数据闭环和仿真基建，恰恰是它作为顶级大模型公司本来就有的肌肉——算力、训练框架、多模态能力都是现成的。而且它有过一次“只做大脑”的教训：2024年2月，其投资对象Figure AI公开宣布终止与OpenAI的合作，转向自研端到端模型Helix——连最亲密的伙伴都不愿把大脑外包。这从反面印证了Altman的判断：具身智能的话语权在智能层，谁都想握在自己手里。

🗓️ 2027这个时间点，卡得很讲究

金句先行：在机器人行业，敢报年份本身就是一种能力表态。

“首次公开演示”放在2027年，这个承诺值得细品。人形机器人行业被放鸽子放怕了——演示视频可以剪辑，官方口径可以模糊，但一个具体年份挂在CEO嘴上，就是立了军令状。

倒推这条时间线，节奏其实相当紧凑：2027年要拿出经得起公开检验的整机演示，意味着2026年必须完成大脑与本体的整合联调，2025年则要把具身模型方案和本体路线基本锁定。对照一下，OpenAI已经在按这个节奏走：2024年11月，前Meta AR眼镜负责人Caitlin Kalinowski加入OpenAI执掌硬件与机器人方向；2025年起，公司陆续放出机器人本体、传感器相关的工程岗位招聘。也就是说，这个2027年不是播客里的即兴发挥，而是组织架构上已经在跑的既定日程。

另一层含义是路线选择：OpenAI没有选“先卖个早鸟货试水”，而是憋一个集成度更高的首次亮相。这符合它的品牌习惯——ChatGPT之前，OpenAI同样不是最早做对话产品的，但出手即定义品类。对一家擅长后发制人的公司，晚一年出场未必是劣势，反而能用别人的试错结果校准自己的路线。

⚔️ 对手环伺，OpenAI是搅局者还是收割者

金句先行：赛场已经很挤，但裁判的儿子现在自己下场踢球了。

必须提醒一句：OpenAI不是从零进入这个领域。它曾在2023年领投1X Technologies的2350万美元A2轮融资，2024年又参与了Figure AI那轮估值26亿美元的融资，在业内早有布局。如今从“当别人的大脑供应商”转为“自己造整机”，这个身份切换本身就是行业格局变化的信号——大模型公司意识到，在具身智能里，谁掌握整机，谁掌握数据闭环，谁才是真正的话事人。

把主要玩家摆到四象限里看会更清楚：Tesla的Optimus走制造场景、垂直整合路线，马斯克已放话要在工厂内部署并推向消费市场，商业价值叙事最完整；Figure AI聚焦工厂物流，已在BMW产线试运行，落地节奏快，2025年估值一度冲到390亿美元；1X偏家庭场景，其NEO机器人已开始面向家庭交付，风格稳健；宇树则在本体性价比上建立了口碑，整机价格压到同行数分之一。而OpenAI的技术门槛一栏拉满——它拥有目前业界最强的通用智能底座，短板反而在硬件工程和落地经验上。

一个有趣的悬念是生态位冲突：OpenAI自己做整机之后，它给其他机器人公司提供大脑的角色怎么摆？Figure AI与OpenAI的分道扬镳已经给出了预演——被投资方宁可自研模型，也不愿把命运绑在供应商手上。OpenAI亲自下场，只会加速这个趋势，刺激具身智能公司在大脑层面全面“去OpenAI化”。对整个行业来说，这未必是坏事——刺激出更多元的智能供给。

⚠️ 冷思考：演示之后，故事才刚开始

金句先行：机器人的商业化，从来死在演示和落地之间的鸿沟里。

给热潮泼点必要的冷水。2027年的公开演示，无论多惊艳，都只是马拉松的第一公里。行业反复验证过的规律是：一段精剪视频和一台能在真实家庭、真实工厂里连续无故障工作八小时的机器之间，隔着可靠性工程、成本控制、场景打磨这三座大山。演示可以靠天赋，落地只能靠苦功。

OpenAI的三个潜在短板必须点名：其一，硬件工程是全新组织能力，软件公司的迭代节奏未必能平移到物理世界——2021年那次团队解散，某种意义上就是对这个难度的提前认输；其二，物理世界的试错成本极高，一次摔坏的样机就是真金白银，容错逻辑和API产品完全不同；其三，机器人操作数据的积累量，OpenAI相比已经在工厂里跑了数千小时的对手未必占优——数据飞轮需要时间启动，时间不等人。

但这恰恰也是这篇文章的核心判断：OpenAI入场验证的不是一个产品的成败，而是一条路线的合法性——如果连智能储备最厚的公司都把筹码押在“大脑”上，那么具身智能的终局竞争，大概率真的会收敛到智能层面。身体会越来越同质化，大脑的差距会越拉越大。

写在最后

回过头看，Altman那句“最难的工程挑战是大脑”，可能是这轮具身智能热潮里最值钱的一句话。把它放到OpenAI自己的历史坐标里看，分量更重：五年前它亲手砍掉机器人团队，五年后带着世界最强的通用模型回来，选择了同一个方向——这说明“大脑优先”不是权宜的叙事包装，而是这家公司用亲身试错换来的、两次都指向同一处的结论。

给出三个可以落地的判断。第一，2027年的演示应当被行业当作检验“大脑路线”的公开考场：如果OpenAI的机器人在泛化任务上显著超出遥操作和预编程的同类，本体优先派将集体转向；反之，行业叙事会回摆。第二，大脑的自研去OpenAI化会全面加速，Figure的Helix只是开始，未来两年几乎每一家头部具身公司都会补上自己的模型团队，垂直场景数据将成为比通用模型更稀缺的资产。第三，身体层会加速内卷和洗牌——当智能层差距拉大，拼装本体的窗口红利消失，没有场景和数据闭环的本体厂商，将沦为智能公司产业链上的代工环节。

所以，2027年那场演示，所有同行都会盯着看：当最强的大脑装进一副身体，物理智能的临界点到底有多远。对产业而言，胜负未定，但赛点已明——接下来的两年，拼的是谁先把“数据-训练-部署-回收数据”的飞轮转起来。一句话收束全文的判断：身体会过剩，大脑永远稀缺；OpenAI赌的就是这个稀缺，而这也是这场竞赛唯一值得赌的位置。