新域手记 · 2026年11月15日
过去两年,人工智能最受关注的是大模型、聊天机器人和AI应用。谁的模型更聪明,谁就能拿到更多的用户和融资。
但现在,一个新的变化正在发生:
2026年11月13日,在美国奥斯汀举行的顶级机器人学术会议CoRL上,OpenAI预订的208号展位空着——展位图上还印着它的名字,现场却连一块展板都没有。同一天,《财富》独家披露并得到OpenAI确认:这家公司已经撤销了独立机器人团队。
这意味着,机器人行业的竞争,正在从“谁的机器人模型更专业”,进一步走向“谁的通用模型更能直接干活”。
一、空展位与一纸确认:OpenAI机器人团队的两次“解散”
根据《财富》2026年11月13日的独家报道,OpenAI已解散独立机器人团队,并将研究人员调往其他部门。OpenAI在接受《财富》问询时确认了这次重组,并表示机器人仍是其长期愿景的核心部分,重组是为了加快研发,而不是退出这一领域。
具体去向是两条线:机器人研究人员并入首席研究官马克·陈(Mark Chen)领导的核心研究团队;应用机器人与硬件团队转入总裁格雷格·布罗克曼(Greg Brockman)负责的更大规模的应用部门(Applied组织)。
这次调整来得相当突然。就在同一周,OpenAI还为CoRL会议登记了展位,《财富》记者到场时发现208号展位空无一人,OpenAI的标志也无处可寻。几位原机器人团队的成员仍在会场附近活动,身边照样围着不少人——大家最关心的问题是:当通用模型越来越能干,机器人领域还剩下多少专业壁垒?
值得注意的是,OpenAI对“解散”的说法本身有不同表述。公司随后向媒体澄清,这次调整是“重组”而非“解散”,机器人项目与路线图不变。多位在OpenAI从事机器人工作的员工也在社交媒体上表示,相关研究已并入核心研究团队,是因为通用模型在机器人智能上取得了突破。这两种表述的差别值得留意:组织上,独立团队确实不存在了;战略上,OpenAI坚称自己没有离开牌桌。
这不是OpenAI第一次撤销机器人团队。2020年,公司就曾结束第一轮独立机器人研究,联合创始人沃伊切赫·扎伦巴(Wojciech Zaremba)当时给出的理由是机器人数据有限,而大规模语言模型是通向通用人工智能更快的路径。此后OpenAI全力投入大语言模型,并在2022年底推出了ChatGPT。2024年,公司重建独立机器人团队,并宣布与人形机器人初创公司Figure合作开发机器人AI模型;这段合作在2025年2月结束,Figure表示将自主开发机器人AI。
重建、合作、分手、再撤销——六年里两次建队、两次撤队。与此同时,OpenAI表示仍在自主开发人形机器人,首席执行官萨姆·奥尔特曼(Sam Altman)的目标是2027年首次公开演示。凤凰网科技的报道还提到一个细节:就在今年9月,OpenAI还在大规模招聘机器人研发人员,部分岗位开出的基本年薪高达50万美元;截至11月14日,公司官网仍公开列有多个机器人相关工程岗位。招聘的热度与撤队的冷峻放在一起,恰恰说明这次调整不是收缩,而是一次路线押注。
图1:人形机器人实验室场景,通用大模型正在成为机器人的“大脑”(AI示意图)
二、概念辨析:通用模型与专用模型,谁更适合当“大脑”
要理解这次重组,先要分清两种路线。
过去的做法是“专用模型”:为机器人单独训练一个模型,让它只学抓取、行走、避障这些机器人任务。优点是针对性强、反应快、可以装进机器人自己的电脑里离线运行;缺点是每换一个新任务、新环境,往往要重新采集数据、重新训练,泛化能力有限。
新的做法是“通用模型直接上”:让本来为语言、代码和视觉训练的通用大模型,直接理解指令、看懂场景、指挥机器人行动。OpenAI向《财富》解释,2026年初公司研究人员还认为,借助Sora这样的视频生成模型学习物理世界规律,是推进机器人智能的最佳路径;但此后包括GPT-6 Astra在内的通用前沿模型,已经表现出直接控制机器人的能力。这次发现,是撤销独立团队的直接动因。
一个可复用的能力模型,可以拆成五步:感知 → 理解 → 规划 → 执行 → 反馈。摄像头和传感器先感知环境,通用模型理解任务和场景,拆解出动作序列,机器人执行抓取或移动,再根据结果反馈调整下一步。与过去“感知→分析→规划→执行→反馈”的工业智能体模型相比,关键变化在第二步:理解不再依赖专用模块,而是由通用模型直接完成。
但必须加一个边界提醒:通用模型当“大脑”,不意味着机器人不再需要专用能力。大语言模型体积大、速度慢、需要联网才能调用云端算力,涉及安全、质量和重大决策的环节,仍需权限管理、人工监督和异常处理机制。卡内基梅隆大学机器人研究所助理教授关雅·施(Guanya Shi)就指出,大模型仍然需要较小的专用模型配合,才能在机器人本地电脑上离线运行。换句话说,“大脑”可以通用,“小脑”和“手脚”仍需专用。
图2:双臂机器人操作桌面物品,通用模型直接指挥机器人完成抓取任务(AI示意图)
图3:通用模型驱动机器人的五步能力模型:感知→理解→规划→执行→反馈
两种路线之争,在最近一周集中爆发。11月10日,谷歌DeepMind发布Gemini Robotics 2.5,这是一款把视觉观察和语言指令直接转化为机器人动作的视觉-语言-动作(VLA)模型;11月11日,Runway开源了27B参数的机器人世界动作模型Praxis-1,权重、推理代码和微调代码全部以Apache 2.0协议公开;英伟达也在11月发布了机器人基础模型GR00T 2。一边是通用模型派,一边是专用模型派,双方都在同一周拿出了新证据。
最有说服力的对照来自同一套测试。英伟达10月14日公布的Astranomy研究显示,在RoboLab-120仿真操作基准(120个桌面操作任务、每个任务10次试验)中,基于GPT-6 Astra的智能体方案取得74.8%的成功率,高于同一排行榜上专用机器人模型Lakeside的51.0%。但另一组数据提醒人们不要只看 headline:同一研究中,Astra直接控制方案的成功率为66.3%,平均每次推理耗时约18.56秒,每次成功任务的API费用估算约36.40美元。74.8%是智能体方案的成绩,66.3%才是直接控制的成绩,两者不能混为一谈。
更有意思的是反向证据。Anthropic发布的Claude Fable 5.2与Mythos 5.2,在公司内部运行的RoboDojo Sim双臂机器人仿真测试中,Fable 5.2得分为64.9%,同一测试框架下GPT-6 Astra只有29.8%。不同测试、不同结果——通用模型不是在所有考场上都赢。这正是判断路线之争时最需要警惕的一点:单项基准的胜负,不等于路线的胜负。
图4:机械臂、视觉检测与数据大屏协同作业的智能工厂场景(AI示意图)
三、宏观数据:一个数字看清机器人产业的热度
根据国家统计局2026年10月19日发布的数据,前三季度我国工业机器人产量同比增长29.1%,同期国内生产总值(GDP)同比增长4.6%。机器人产量的增速,接近GDP增速的6倍以上。
工信部在同一天举行的国新办吹风会上进一步披露:2026年上半年,我国人形机器人产量超过4万台,整机型号已有400余款,全年产量预计超过10万台,优先应用场景已有300余个。第三方机构IDC则预测,2026年中国人形机器人市场规模接近13亿美元,同比翻倍以上——需要说明的是,这是一个预测数字,不是已实现的数据。
规模增长,并不等于“大脑”问题已经解决。2026年8月20日世界机器人大会的一场圆桌上,多家具身智能企业代表达成的共识是:机器人“大脑”的可靠性才是首要矛盾。有企业负责人直言,当下部分研发宣称模型成功率达到99%,意味着每执行100次任务就会出现一次重大故障,这完全无法满足现实使用需求,行业需要把可靠性提升至99.99%。作为对照,传统工业机器人可实现6万至8万小时无故障运行,但那建立在环境、任务、节拍完全确定的前提之下。
真正值得看的指标,不是产量数字本身,而是利用率、单位任务成本、企业付费意愿和应用效果。产量可以靠产能堆出来,“大脑”行不行,最终要看机器人能不能在真实工厂里稳定干活、替企业省钱。这正是OpenAI这次押注要回答的问题。
图5:数据中心与GPU机柜,通用模型背后的算力基础设施(AI示意图)
四、产业链拆解:机器人不是一个产品,而是一个体系
具身智能不是单一产品,而是一个由多个环节组成的产业体系。可以分成四层:
第一层,通用大模型。包括OpenAI的GPT-6 Astra、谷歌的Gemini Robotics、Anthropic的Claude Fable等。它们负责理解任务、推理和决策,是机器人“大脑”的候选者。这一层的作用是决定机器人“聪明不聪明”,竞争焦点是模型的空间理解与推理能力。
第二层,机器人专用模型与世界模型。包括英伟达GR00T 2、Runway Praxis-1这类为机器人优化的模型,以及把视频预测转化为动作的世界动作模型。它们的作用是把通用智能“翻译”成机器人能执行的动作,竞争焦点是谁的翻译又快又准、成本又低。
第三层,本体与运动控制。包括人形机器人整机、工业机械臂、关节模组、灵巧手,以及负责走得稳、动得准的运动控制“小脑”。这一层的作用是决定机器人“能不能干活”,竞争焦点是硬件一致性、可靠性和成本。
第四层,芯片算力与数据训练场。包括AI训练与推理芯片、机器人端侧计算单元,以及各地建设的人形机器人训练场和数据采集体系。它们的作用是决定模型能不能训出来、跑起来,竞争焦点是算力成本与真实物理数据的供给。
收尾判断:未来的竞争不只是模型竞争,更是模型能力、执行可靠性、部署数据与算力成本的综合竞争。OpenAI赌的是第一层通吃下面三层;而机器人公司手里的牌,是第三层和第四层积累的真实部署经验——麻省理工学院教授鲁斯·特德雷克(Russ Tedrake)就指出,机器人公司真正的优势在于,它们的机器人已经在工厂等真实场所“上班”,并持续积累现场数据,越好的基础模型,会让这些现场数据越值钱。
图6:具身智能产业链四层结构图
五、A股相关产业链观察
以下公司仅作为产业链研究案例,不代表投资推荐。
研究案例一:汇川技术(300124.SZ),工业自动化与机器人核心部件方向。根据公司2026年10月26日披露的三季报,前三季度实现营业收入379.56亿元、同比增长19.88%,归母净利润43.98亿元、同比增长3.38%;其中第三季度单季营业收入132.81亿元、同比增长19.08%,归母净利润15.89亿元、同比增长23.55%。但需要审慎看待的是,扣非归母净利润前三季度仅同比增长0.49%,经营活动现金流净额8.95亿元、同比下降77.22%,第三季度单季毛利率25.45%、环比下降4.75个百分点。营收高增长、利润近乎零增长、现金流大幅下滑——“增收不增利”的结构,说明下游需求回暖尚未完全转化为盈利质量的改善,后续还需要观察扣非净利润、毛利率和经营现金流能否同步修复。单季度改善不能直接等同于全年趋势反转。
研究案例二:埃斯顿(002747.SZ),工业机器人本体方向。根据公司2026年10月29日披露的三季报,前三季度营业收入36.99亿元、同比下降2.96%,归母净利润1.71亿元、同比增长1984.24%;其中第三季度单季营业收入11.01亿元、同比下降12.43%,归母净利润1871.70万元、同比增长21.54%。归母净利润接近20倍的增幅看起来惊人,但上年同期基数只有819.29万元,扣非后前三季度归母净利润为1.16亿元——高增长主要是低基数效应,不能直接解读为经营出现了同等幅度的好转。营收仍在下滑,说明本体业务的需求压力还没有过去。
其余方向只列研究方向清单,不点评个股:减速器与伺服系统、控制器与运动控制、机器视觉与传感器、灵巧手与末端执行器、机器人整机与系统集成。观察维度统一为三点:下游订单是否真实落地、毛利率能否守住、经营现金流是否改善。
图7:A股机器人产业链研究方向三板块,只给方向与观察维度
六、未来需要观察的三个变化
第一,企业是否愿意持续付费。通用模型当“大脑”要收API费用,Astranomy研究中每次成功任务约36.40美元的成本只是一个估算。试点阶段可以烧钱验证,一旦进入规模化采购,机器人厂商和工厂客户愿不愿意长期买单,才是商业模式成立的关键。试点不等于规模化收入。
第二,技术能否稳定执行复杂任务。18.56秒的单次推理耗时、66.3%的直接控制成功率、仿真与真机之间的鸿沟,都是通用模型走向工厂之前必须跨过的门槛。安全、可靠、响应速度,缺一不可。优必选围绕GPT-6 Astra做的六组真机与仿真测试、宇树科技用GPT-6完成绘画等真实实验,都是在验证同一个问题:仿真里能跑,车间里能不能跑?
第三,应用效果能否反映在企业财务报表中。机器人公司接到的订单、确认的收入、毛利率、现金流、客户复购率,是检验“大脑”路线的最终标尺。OpenAI的亏损压力同样真实:据《财富》报道,公司最近一个季度的经营亏损为109亿美元(据报道,未经OpenAI官方确认),正寻求新一轮融资,并为可能于2027年初的IPO做准备。烧钱换智能的故事,最终也要在报表里交代。
收尾:真正有商业价值的技术,最终需要在经营数据中得到验证。
图8:三个关键观察变量:付费意愿、执行可靠性、报表验证
七、风险与需要警惕的问题
仿真成绩不等于真机能力。74.8%是在模拟环境中取得的,真实工厂的光线变化、物料差异和突发状况,都会拉低成功率。
延迟与成本双高。18.56秒的推理耗时和每次成功任务约36美元的费用,在节拍以秒计的产线上目前难以接受。
通用模型并非全胜。同一测试框架下GPT-6 Astra得分29.8%、低于Claude Fable 5.2的64.9%,路线之争远未有定论。
数据鸿沟真实存在。仿真参数很难复刻真实硬件表现,高质量真实物理场景数据供给不足,是全行业共同的短板。
竞争加剧可能压缩利润率。通用模型、专用模型、世界模型多条路线并行,机器人厂商的议价空间可能被挤压。
OpenAI自身的财务压力。据报道公司最近一个季度经营亏损109亿美元,成本控制与聚焦核心产品的压力,可能影响机器人投入的持续性。
尤其需要警惕只讲技术概念、不讲实际订单和经营成果的宣传。基准分数可以刷,订单和回款刷不了。
八、总结
从OpenAI在奥斯汀留下的空展位,到GPT-6 Astra在仿真测试里74.8%的成功率,可以看到机器人产业正在从“各练各的专用大脑”,逐步走向“通用模型当大脑、专用能力补执行”的新分工。通用模型赢了仿真测试,但还没有赢得工厂;专用模型输了 headline,但手里握着真实部署的数据和场景。
机器人真正的价值,不在于它能说什么,而在于它能否可靠地完成任务,并创造可衡量的经济价值。
你认为未来三年,机器人“大脑”最先大规模落地的会是通用大模型直接控制、专用机器人模型,还是两者协同的混合路线?欢迎在评论区交流。
数据与观点出处
1. OpenAI撤销独立机器人团队、人员去向、CoRL空展位、2020年与2024年团队沿革、2027年首秀目标、最近一个季度经营亏损109亿美元(据报道):《财富》独家报道 “Exclusive: OpenAI disbands its stand-alone robotics team as its general models start running robots”,2026年11月13日。
2. OpenAI称此次调整为“重组”、机器人项目与路线图不变:MadRobot 2026年11月13日报道;OpenAI机器人团队员工表态,2026年11月13日。
3. 英伟达Astranomy研究、RoboLab-120基准、GPT-6 Astra智能体方案74.8%成功率、Lakeside 51.0%、直接控制方案66.3%、单次推理18.56秒、每次成功任务API费用约36.40美元:英伟达2026年10月14日公布的研究,见《财富》2026年11月13日报道、21经济网/澎湃新闻2026年11月14日报道、凤凰网科技2026年11月14日报道。
4. Anthropic Claude Fable 5.2在RoboDojo Sim测试中64.9%、GPT-6 Astra 29.8%;谷歌DeepMind 11月10日发布Gemini Robotics 2.5;宇树科技王兴兴10月12日、10月22日表态;优必选六组测试:21经济网/澎湃新闻2026年11月14日报道。
5. Runway Praxis-1开源:Runway公司公告 “Praxis-1 Is Now Available”,2026年11月11日;参数规模与RoboLab-120成绩46.2%(555/1200),见Runway技术报告与多家科技媒体2026年11月12日报道。
6. OpenAI 9月高薪招聘机器人人员(部分岗位基本年薪50万美元)、官网仍列机器人岗位、重组后未公布预算与人员分配:凤凰网科技2026年11月14日报道。
7. 前三季度工业机器人产量同比增长29.1%、GDP同比增长4.6%:国家统计局,2026年10月19日发布。
8. 上半年人形机器人产量超4万台、整机400余款、全年预计超10万台、优先场景300余个:工信部科技司司长魏巍,国新办吹风会,2026年10月19日。
9. 2026年中国人形机器人市场规模接近13亿美元、同比翻倍以上(预测):IDC,2026年预测。
10. 机器人“大脑”可靠性99%与99.99%之争、传统工业机器人6万至8万小时无故障运行、人形机器人累计市场规模约20余亿元与出货约1.5万台:2026世界机器人大会“应用牵引”论坛圆桌,2026年8月20日,新浪科技2026年10月31日报道。
11. 汇川技术2026年三季报:公司公告(深交所公告编号2026-094),2026年10月26日披露;前三季度营收379.56亿元(+19.88%)、归母净利润43.98亿元(+3.38%)、扣非归母净利润39.07亿元(+0.49%)、经营现金流8.95亿元(-77.22%);第三季度单季营收132.81亿元(+19.08%)、归母净利润15.89亿元(+23.55%)。
12. 埃斯顿2026年三季报:公司公告,2026年10月29日披露;前三季度营收36.99亿元(-2.96%)、归母净利润1.71亿元(+1984.24%,上年同期基数819.29万元)、扣非归母净利润1.16亿元;第三季度单季营收11.01亿元(-12.43%)、归母净利润1871.70万元(+21.54%)。
风险提示:本文为科技产业与上市公司公开信息研究,仅供信息参考,不构成投资建议。文中提及企业仅用于产业链案例分析,不构成股票买卖建议。本文仅作财经研究与信息交流,不构成投资建议。市场有风险,投资需谨慎。
——