OpenAI 曾说只做大脑，如今招了 27 个制造身体的员工

文 | 斯马克开源 2026 年 3 月 9 日，加州 Richmond，Portside Commerce Center。 一栋紧邻海湾的工业仓库被签下租约：202,000 平方英尺，15.75 英亩，地址 Harbour Way South 1411号。 这栋房子的电力容量超过 14,000 安培。 一户美国家庭的入户电是 200 安培，普通工业仓库在 200 到 4,000 安培之间。 这栋房子的用电规格是一个"小型数据中心"。 产权记录显示，主体叫 OpenAI OpCo LLC。 上一任租户是一家做便携电池的创业公司 Moxion Power，2024 年 8 月破产退场。 2026 年 10 月，OpenAI 官网的招聘页出现了 27 个机器人相关岗位，全部在旧金山，base 年薪 17.7 万到 50 万美元。 其中 4 个是执行器专属岗：执行器设计、执行器电磁设计、执行器齿轮设计、执行器测试基础设施电气工程师。外加一名执行器专职技术项目经理。 他们要求候选人端到端主导"定制机电执行器"的开发——电机、传动、传感、热架构——围绕扭矩密度、效率、带宽、热 性能与可制造性做权衡研究，并与制造伙伴共同完成可量产设计。 薪资 22.5 万到 42.3万美元加股权，每周 4 天到岗，还有执行器技术员的岗位。 山姆·奥尔特曼曾今在《财富》的采访里表示机器人设计的细节，没有那么重要，"less important than really figuring out... the brain that makes the robot work"——远不如搞清楚驱动机器人的那个大脑重要。 五年前他们为什么失败了 2021年，OpenAI 关掉了自己的机器人团队。 项目最著名的成果，是一只会在仿真里解魔方的机械手 —— 2019 年的 Dactyl。足够惊艳，但也就停在惊艳。 联合创始人 Wojciech Zaremba 后来解释，方法在技术上成立，但公司 拿不到足够的真实世界数据 来训练出能干的机器人模型。 不是算法不行，也不是钱不够，是 数据不足 。然后是长达四年的弯弯绕绕。 2023 年，OpenAI 旗下的 Startup Fund 领投挪威公司 1X 的 2,350 万美元 A2 轮。 2024 年 2 月，参与 Figure 总额 6.75 亿美元的 B 轮，同时签下合作协议，为 Figure 的人形机器人开发专属多模态模型。 签约后 13 天 ，搭载 OpenAI 模型的 Figure 01 就展示了流畅的自然语言交互与自主操作。 那年 8 月的 Figure 02 已经能用 OpenAI 的模型聊天、看东西、做交互。 然后2025 年 2 月，Figure 创始人布雷特·阿德科克宣布终止合作。他在接受 TechCrunch 采访时留下一句后来被反复引用的话： "要在现实世界里大规模解决具身智能问题，就必须垂直整合机器人 AI。我们不能外包 AI，理由和我们没法外包硬件一样。" OpenAI 后来自己的动作，几乎也是在逐条回应这句话。 2026 年 3 月，阿德科克又有过一段更尖锐的说法，称 OpenAI 无法维持物理硬件上所需的"每日、每周"在场，倾向于用仿真替代。 一个不拥有身体的组织，会不会系统性地高估仿真、低估真机？ 我倾向于认为会。因为这是激励结构的必然。 OpenAI 现在正在招一个岗位，叫"仿真真实感工程师"，职责是弥合 sim-to-real 的差距。 说明他们也知道自己内部的问题。 逻辑约束链 所以"只做大脑"不是发自于内心的战略选择，是 2021 年那次失败的 病因 ，被重新包装成了 2026 年的战略叙事。 一家实打实的硬件公司 康奈尔大学机械与航空航天工程教授 Guy Hoffman 把 27 个岗位全读了一遍，给 Business Insider 的结论是：OpenAI 在组建一支" 定制机器人设计团队 "。 这位教授还指出一个细节，岗位描述里提到激光测距仪和电池，"隐约暗示"是一台不系缆的移动机器人，但看不出是轮子还是腿。同时电子设备类的岗位不多，说明传感器大概率会直接用现成的相机、麦克风和激光雷达。 把名单摊平看，研发、试制、测试、采购、库存、供应链、现场运维，一个都不缺。 唯一缺的，是产能目标。 岗位描述里，没有交付台数和量产时间表，更没有售价。奥尔特曼给《财富》的是"2027 年有个酷炫的演示"，播客里给出两个字进行有意无意的暗示："We will." 不承诺产量，却舍得自建执行器，可以说有些反常。 行走的服务器 OpenAI 在旧金山 Mission Bay 已经有一处遥操作设施，2025 年 2 月启动。 用的是 UC Berkeley（Pieter Abbeel 组）2023 年提出的 GELLO —— 一个 3D 打印的低成本遥操作控制器，单台成本不到 300 美元，配上 Franka 机械臂。 设施 24 小时运转，合同工指引机械臂做各种家务动作：把橡皮鸭放进杯子、把面包塞进烤面包机、叠衣服。自启动以来，规模从大约 100 名合同工增长到 4 倍以上。 为什么要这么多人？因为数据是真贵。 数据成本阶梯 OpenAI 数据采集运营经理的岗位要求，看起来完全不像实验室。它要追踪的是利用率、节拍时间（Cycle Time）、吞吐量、停机时间、操作员生产率、数据质量。 这是工厂级别的 KPI。 还有一个岗位要求把机器人、传感器、操作员界面和数据管线组合成"production-ready"的系统，并扩展到多个站点，且"几乎不能容忍停机"。配套的现场工程师，职责是让这些机器人工作站保持在线。 把这些线索拼接起来，看起来 OpenAI 造的不是准备拿去卖的机器人，更像是会走路的服务器。 第一性产品就是数据。机器人是给自己用的采集器件。 这个判断一旦成立，就能解释他们为什么敢去自研最贵、最卡脖子、最难量产的执行器。 因为执行器不是销货成本（COGS），是 数据质量项 。一颗扭矩密度更高的电机，意味着机器人能做出更接近人类的力控动作，意味着采集到的轨迹更干净、更有信息量。 为什么不设产能目标？ 因为用来量化的单位是录制数据的时间。 为什么租一个按数据中心规格供电的仓库？ 因为结构是 GPU 集群的基础上叠加机器人测试台 —— 把原始遥操作视频转成训练好的机器人策略。 如果身体是数据采集器件，那么OpenAI的成本在会计口径上更接近研发费用。 这可能是机器人行业第一例把硬件当算力基础设施来记账的商业逻辑。 一旦这个商业逻辑成立，硬件的价格战会对他们毫无意义—— 只在乎每瓦能跑出多少具身智能。 而这也解释了他们为什么必须自研。 大脑与身体：互相渗透的交界带 大脑 = f（身体 × 时长 × 质量） 时长可以用钱解决，质量可以用工艺解决 —— 更好的传感器、电机和标定。 只有身体这一项，没有就是没有。 不拥有身体的一方，其大脑的上限由拥有身体的一方定义。 人形这件事 奥尔特曼为人形机器人辩护的理由听起来无懈可击： "这个世界就是为人设计的。匹配这个形态，看起来是个不错的思路。" 但把视野拉开一点，会发现他的想法有些变扭。 《大都会》（1927）里的 Masch