具身智能人形机器人产业观察评论分析· 3460 字· 约6分钟阅读

OpenAI下场造机器人,牌桌要重排了

机
机器人他爹假装能听懂机器人的想法
2026-10-27 22:32 发布· 本文由作者与AI协作完成
本内容由人工智能生成,仅供研究参考,不构成投资建议。
💡

OpenAI官网挂出19个机器人岗位,从大模型大脑一路招到执行器、电机和制造;宇树同期宣布'自我进化机器人'对标特斯拉Optimus。本文拆解大脑厂商下场造本体背后的产业逻辑:竞争焦点正从模型与硬件单点,转向'数据闭环+垂直整合'的全家桶之争。

OpenAI挂出19个机器人岗位,宇树高调宣布'自我进化机器人'对标Optimus,Figure同步晒进展——同一个时间窗口里,牌桌上的玩家几乎同时亮牌。

这轮密集发声背后,是一个清晰的信号:具身智能的竞争,正在从'谁的模型强、谁的硬件便宜'的单点比拼,切换到'谁能把大脑、本体、制造、数据闭环全部攥在手里'的全家桶战争。而这场战争的引爆点,恰恰是那个最不该下场造硬件的玩家——OpenAI。

🧠 OpenAI不装了:从卖大脑到造整机

大模型公司亲自下场拧螺丝,从来不是一时兴起。

据澎湃新闻报道,截至10月19日,OpenAI在官网发布了19个与Robotics相关的职位招聘,覆盖方向肉眼可见地'重':机器人控制系统、电气工程、执行器、电机设计、制造、数据系统——注意,这不是在招几个研究员写论文,这是在招能把一台机器从图纸推到产线的人。

OpenAI在官网的表述也很直白:这支机器人团队要开发'能够在动态真实环境中工作的通用机器人',并且'探索多种机器人形态'。翻译一下:不押注单一形态,不满足于实验室demo,要的是真环境里的真通用。

更值得玩味的是细节。现场工程师岗位的招聘信息透露,OpenAI的机器人数据采集环境中,已经运行着多个机器人工作站。也就是说,当外界还在讨论'OpenAI会不会做机器人'时,它的数据采集体系已经在转了。

整条路线可以画成一张闭环图:

从'用大模型给机器人当大脑',到向硬件、控制系统、制造环节全面延伸,OpenAI走的是一条教科书式的垂直整合路径。产业逻辑很朴素:具身智能的天花板不取决于模型多聪明,而取决于模型能不能持续吃到真实物理世界的反馈。只做大脑,等于把命脉交给了别人的本体和别人的数据。

⚔️ 宇树点名Optimus:'进化'叙事正式开打

当硬件卷不出差距,叙事就得上移一层。

同一时间窗口里,宇树Unitree公开宣布其'自我进化机器人'(self-evolving robots)即将登场,矛头直指特斯拉的Optimus;特斯拉和Figure也各自公布了最新进展。三家公司在极近的时间内密集发声,很难说是巧合。

宇树这个动作值得拆开看。过去几年,宇树的标签是'硬件性价比'——四足机器人和人形本体靠成本控制和量产能力打天下。但'自我进化'这个词,标志着它主动把竞争话语从'我的本体便宜耐用'升级到'我的机器会自己变强'。

这说明两件事:第一,人形本体的硬件层面正在快速同质化,光拼结构件和关节已经拉不开身位;第二,竞争焦点正在上移到'系统会成长'的能力——机器人能不能在真实部署中持续采集数据、优化策略、迭代行为。

特斯拉的Optimus则是另一条路径的代表:车企级的垂直整合能力加制造know-how,走的是'自研一切、自己量产'的重资产路线。Figure同样坚持软硬件一体的封闭打法。

行业里流传一句半开玩笑的话:'以前是人形机器人创业公司追着大模型公司要接口,现在是大模型公司追着机器人公司抢活干。'话语权的钟摆,正在摆回来。

三家头部玩家的路线对比如下:

玩家打法关键词已知进展
OpenAI大脑自研 + 下场造本体19个机器人岗位,覆盖控制/电气/执行器/电机/制造/数据系统,多个数据采集工作站已在运行
特斯拉车企级垂直整合Optimus持续迭代,公布最新进展
Figure软硬一体封闭路线同期公布最新进展
宇树Unitree本体规模化 + 进化叙事宣布'自我进化机器人'对标Optimus

📊 牌桌重排:三类玩家,三种活法

这场牌局里,没有谁的安全区。

把当前的玩家放进一张坐标系里,格局会看得更清楚。横轴是技术门槛(从系统集成到全栈自研),纵轴是商业价值兑现程度:

右上角的领跑者是特斯拉和宇树Unitree——一个赢在制造和垂直整合,一个赢在量产规模和成本曲线,两者都已经有真实的产品节奏和出货能力。

左上角的场景老玩家(传统工业机器人巨头)手握真实商业场景和客户,但在'通用机器人'这条新曲线上技术叙事偏弱,随时可能被掀桌子,也可能凭借场景优势后发制人。

右下角的跨界潜力股就是OpenAI:技术门槛拉得最高(大脑+全栈),但商业价值尚未兑现——毕竟连一台正式产品都还没拿出来。不过,认真想想OpenAI手里攥着什么:模型能力、算力、资本,以及现在正在搭建的数据采集体系。这是典型的'高门槛、待兑现'。

底部的大量早期创业公司则最为尴尬:模型不如OpenAI,制造不如特斯拉,成本打不过宇树。它们的出路要么是找到细分场景钉子,要么是趁牌局未定把身位卖个好价钱。

🏭 真正的护城河:不在发布会,在产线和数据管道

机器人行业最贵的资产,从来不是机器人本身。

回头看OpenAI那19个岗位,最容易被忽视、也最关键的其实是两个:'制造'和'数据系统'。前者决定你能不能规模化地把机器人造出来、造便宜;后者决定你的机器人能不能越用越聪明。

具身智能的竞争层级,大致可以拆成这样一座金字塔:

具身智能竞争的四层壁垒
通用大脑
在动态真实环境中跨任务泛化的模型能力,位于价值链顶端
本体与控制
执行器、电机、控制系统等硬件研发,决定物理能力上限
数据闭环
真机数据采集与训练体系,让机器人越跑越强的飞轮
制造与供应链
规模化量产能力,决定成本曲线与交付速度,是整个体系的底座

OpenAI同时在建数据闭环和制造底座,特斯拉靠汽车工业直接继承了两层,宇树Unitree从底座往上打、正在补大脑层,Figure则试图一层层全部自建。四条路线殊途同归:谁先跑通'部署→采集数据→模型进化→更好部署'的飞轮,谁就拿到下一阶段的入场券。

这也解释了为什么'自我进化'会成为宇树选中的叙事——它不只是营销话术,而是这一代机器人公司对飞轮模型的公开押注。同样,OpenAI那些已经在跑的机器人工作站,本质上是在为飞轮预埋管道:模型再强,没有真机数据回流,通用机器人就永远停留在演示视频里。

对产业里的其他人,这个信号同样残酷:只做单层(只卖大脑、只卖本体、只做集成)的公司,护城河会越来越浅。未来的赢家画像越来越清晰——要么自己补齐全栈,要么在某一层做到极致深、深到别人绕不开。

结语:牌局刚过第一轮

OpenAI下场造机器人,宇树喊话Optimus,Figure密集更新——这几件事叠在一起,宣告具身智能正式进入'全家桶竞争'阶段:大脑、本体、制造、数据,一个都不能少。

短期看,OpenAI的高门槛低兑现、宇树们的叙事升级,都还只是卡位;真正的分水岭会出现在各家真机大规模部署、数据飞轮转速拉开差距的那一刻。牌桌已经重排,但好戏,才刚过第一轮。