OpenAI造人形机器人，定档2027

造大模型的，这次真要造人了。

OpenAI CEO Sam Altman 在接受《Fortune》杂志主编 Alyson Shontell 主持的 Sources 播客采访时确认：OpenAI 正在研发人形机器人，首次公开演示定在 2027 年。这不是媒体的捕风捉影，是掌门人亲口盖章。

更重要的是他点出的那句话——这个项目最大的工程挑战，不在于机械结构，而在于造出一个“先进的人工大脑”。一个靠软件起家的公司，要在硬件赛道上桌，押的恰恰是它最擅长的东西。

这篇文章想讲清楚三件事：OpenAI 为什么现在回头做机器人、它凭什么、以及 2027 这个时间点对整个行业意味着什么。

🎙️ 一档播客，捅破了窗户纸

事情的源头是一次再普通不过的播客对谈。

Altman 坐在 Alyson Shontell 的节目里，聊着聊着就把底交了：OpenAI 在做人形机器人，2027 年会拿出来给大家看。以 OpenAI 一贯的保密风格，这种公开定档的动作本身就说明——项目已经过了纸面阶段，团队在干活，时间表是认真的。

把时间线拉长看，这是一次典型的“出走与回归”。

当年解散机器人团队的理由很朴素：通用模型能力不够，机器人产品撑不起商业化，做下去是烧钱的无底洞。那时 OpenAI 的判断是“先把大脑做好，身体以后再说”。

现在回头，是因为条件变了。GPT 系列把语言和推理能力推到了可用的水位，多模态模型开始能“看懂”物理世界，那个 2021 年不成立的等式，如今两边开始靠近了。

这种“公司层面的战略级投入”，从公开动作里也能拼出轮廓：据 The Information 2025 年 2 月报道，OpenAI 正在探索自研大规模量产的人形机器人；2024 年底，前 Meta AR/VR 负责人 Caitlin Kalinowski 加盟 OpenAI 主管硬件；OpenAI 的招聘页面上，机器人相关的硬件岗位常年挂着。用资本先探路（先后投资 1X、Figure、Physical Intelligence），再用人才自建能力——路径清晰可见。

一句话概括这步棋：当年放下身体去修脑子，是止损；现在带着脑子回来造身体，是收割。

🧠 难的不是身子，是脑子

机器人行业最不缺的就是“身体”。

过去几年，人形机器人的硬件供应链肉眼可见地成熟：行星滚柱丝杠、谐波减速器、空心杯电机、六维力传感器——这些核心零部件已经形成了稳定的供给体系，中国供应链更是把整机成本一路往下压。一台能走、能抓、能挥手的人形机器人，硬件上的实现门槛已经大大降低。

真正卡住脖子的，是那条从感知到决策再到执行的链路：机器人要在非结构化环境里理解任务、规划动作、处理意外，并且在犯错中变强。这就是 Altman 说的“先进的人工大脑”。

这个循环里，最稀缺的资产是真实世界的数据。语言模型可以吃互联网文本，机器人没有“互联网”可吃，只能靠真机在物理世界里一点点磨。这就是为什么头部玩家都在押注遥操作采集、仿真合成、视频学习三条数据管线——谁先把数据飞轮转起来，谁的“脑子”就进化得快。

把整个行业的技术栈拆开看，会发现一个冰山结构：

水面上的部分，各家差距不大；水面下的部分，才是分水岭。而水面以下，恰好全是软件和数据的活儿——这正是 OpenAI 的主场。

产业逻辑很清晰：当硬件 commoditize（商品化）之后，价值会向两端迁移——一端是掌握数据与模型的“大脑”，一端是压到极致的成本。OpenAI 选择的进攻方向，是把重注压在前者。

🗺️ 牌桌上已经坐满了人

OpenAI 2027 年才端菜上桌，而牌桌上已经有人吃了几轮了。

Tesla 的 Optimus 在工厂里做分拣演示，马斯克放话要让它承担特斯拉内部的生产岗位；Figure AI 拿着巨额融资把机器人送进了 BMW 的产线试点；1X Technologies 主打家用场景；国内的 宇树科技 用极强的硬件成本控制能力把整机价格打出了新水位，智元机器人、傅利叶智能 也都在各自场景里推进落地。

有意思的是 OpenAI 的“前史”：它曾先后投资过 1X Technologies 和 Figure AI，用资本的方式先在牌桌边坐了几年，观察了几年。如今选择亲自下场，等于告诉曾经的被投对象——牌桌边的位置不保了。

如果按“技术门槛”和“商业落地价值”两个维度给主要玩家画一张地图，格局大致是这样：

这张图不是评分表，而是一种结构判断：OpenAI 的技术纵深远超多数同行，但硬件落地是白纸；Tesla 和 Figure 站在“技术-商业”双高的位置，但“大脑”层仍需突破；国内玩家用硬件性价比快速占位，卡的是另一条赛道。

用一张表看得更直白：

从公开信息看，OpenAI 最可能不跟任何人拼“谁的机器人更能走”，而是直接拼“谁的机器人更能干活”。身体可以是自研的，也可以是整合来的，但那个能听懂自然语言指令、在乱糟糟的真实环境里把活干成的“大脑”，目前全球没几家握有筹码。

⏳ 为什么是 2027

2027 这个时间点，值得单独拎出来品。

第一层含义是产品节奏。人形机器人从团队组建到可用样机，行业普遍经验是两到三年。现在定档 2027，倒推回来，OpenAI 的硬件团队和本体设计大概率已经在推进中——公开演示之前，内部早就该有能跑的原型了。这符合科技巨头的惯常操作：不预告不确定的事。

第二层含义是产业节奏。把行业当前的进展往后推演：2025-2026 年，头部玩家会完成从“演示视频”到“小批量进厂”的惊险一跃；到 2027 年，市场会第一次用“单位任务成本”而不是“视频点赞数”来给机器人打分。OpenAI 选择在这个节点亮相，等于把新产品直接扔进了“真验收”的赛道——这需要底气，也说明它对自己的“大脑”有相当把握。

第三层含义是资本与叙事节奏。具身智能是当下最热的叙事之一，每一轮巨头官宣都在给整条产业链抬估值。OpenAI 正式下场，意味着上游核心零部件、数据采集服务、仿真平台这些环节的确定性被再次确认——它们不再服务于某家创业公司的期票，而是有了顶级玩家的需求背书。

不过，对这个时间点持怀疑态度的声音同样值得认真听。

反方的第一个论据是硬件的物理规律。软件可以周更，硬件的迭代周期以年计——结构设计、散热、可靠性验证、安全认证，每一环都是时间黑洞。马斯克早在 2021 年就预告过 Optimus，量产时间表一推再推，这几乎是全行业的通病：人形机器人的“跳票史”比任何演示视频都长。

第二个论据是“演示”与“可用”之间的鸿沟。2027 年拿出一个“能当众走两步、抓个杯子”的 demo，和拿出一个能在工厂连续干满八小时不宕机的产品，中间隔着数量级的差距。行业里一直有人提醒：巨头定档的公开演示，本质是叙事管理而非产品承诺——它服务于融资节奏和人才招募，时间点本身不必当 deadline 读。

第三个论据来自 Altman 本人。他此前对 AGI 时间点的多次公开预测，落空的比例并不低。习惯于用宏大叙事凝聚注意力的 OpenAI，其“定档”的置信度，理应打上一个折扣。

两种观点摆在一起，反而让 2027 这个节点更有信息量：如果 OpenAI 真能按时交付哪怕一个“真验收”级别的演示，说明其硬件团队成熟度远超外界估计；如果跳票，则印证了“具身智能的瓶颈不在模型而在工程”的老判断。无论哪种结果，都是这个行业急需的校准信号。

当然，风险同样真实：硬件供应链是 OpenAI 短板，制造经验不如 Tesla，落地场景必须从零谈；而 2027 年的行业水位，很可能远高于今天所有人看到的演示水平。“先进的大脑”能不能兑现成“能用的身体”，是这场豪赌唯一的判题标准。

写在最后

回看 OpenAI 这条机器人路线，本质是一场回归：2021 年它因为“脑子不够好”离开了机器人，2027 年它因为“脑子够好了”回来。这个叙事如果成立，对行业的冲击不在多一个玩家，而在于游戏规则被改写——比拼的焦点从本体工程转向具身智能，从“能走能抓”转向“听得懂、干得成”。

对从业者的启示很直白：硬件窗口正在关闭，数据与模型窗口正在打开。2027 年不是 OpenAI 的 deadline，而是全行业的验收日——在那之前，每一份真实场景数据、每一次真机落地，都是日后谈判桌上的筹码。

而对围观者来说，最理性的姿势可能是把“2027”当成一枚试金石而非一份保证书：信它的人，会在这两年里拼命往数据飞轮里添砖；不信它的人，则会盯着 Tesla 和 Figure 的产线数据看笑话出在哪里。两年之后回头看，无论 demo 精彩与否，具身智能这场牌局的真正胜负手——谁的机器人在真实世界里干得成活、算得过账——都不会因为一次跳票而改变。

牌已经摊开，接下来看谁能先让机器人真正“上岗”。

主要修改说明：

1. 模糊信源处理：

• “据多位接近 OpenAI 的人士观察” → 替换为可查证的公开信息（The Information 2025 年 2 月报道、Caitlin Kalinowski 加盟、公开招聘岗位、投资 1X/Figure/Physical Intelligence）。
• “一句业界的私下调侃” → 改为作者概括性判断，不假托“私下”信源。
• “私下流传的一种判断是” → 改为“从公开信息看”，结论落到可公开推导的依据上。

2. 2027 时间点反方观点：在“为什么是 2027”一节新增三段反方论述（硬件迭代周期与跳票史、“演示≠可用”、Altman 预测记录的置信度折扣），并以“两种观点摆在一起”收束，转化为对读者的判断框架。

3. 结尾段落补全：新增一段收束性论述，将 2027 定位为“试金石而非保证书”，回扣正反两方观点，使结尾从口号式收尾升级为完整的观点闭环。

4. 顺手修复的技术问题：原文 quadrantChart 代码块有围栏错位且数据点为空（无法渲染），已补全数据点并修复代码块围栏；删除了正文中遗留的失效图片占位与多余空段。