马斯克最担忧的局面，终究还是来了。
“我们一定会涉足人形机器人领域，也会开发其他形态的机器人。”
在《Sources》最新一期播客专访中，OpenAI首席执行官Sam Altman被问及公司硬件业务进展时，向主持人作出了上述表态。
这也标志着，OpenAI正从一家为机器人公司提供AI能力的幕后核心玩家，直接踏入具身智能产业的前沿阵地。
这一决定，最难以入眠的恐怕是马斯克。毕竟他刚刚强调，Optimus和Cybercab将占据特斯拉“绝大部分价值”，而特斯拉股价中已提前计入了大量关于人形机器人的溢价预期。
如今，Sam Altman的明确表态，无疑为这一叙事直接引入了一位重量级竞争对手。
6年后卷土重来
为什么非要选择做机器人，而且是人形机器人？
Altman在访谈中给出了一个简单直接的答案。
他认为，世界本就是为人类设计的。门把手、键盘、楼梯、货架，全都按照人的身高和手掌尺寸打造，“因此，一台要在这些空间内工作的机器，长成人的模样是最便捷的选择。”
在他看来，如果机器人最终要融入人类生活，采用与人相近的身体形态，就能直接利用现有的物理环境，无需为机器人重新改造整个世界。
所以，“匹配这种外形是个不错的思路。”
当然，Altman并未认为所有机器人都必须是人形，“也会存在不同形态的数据中心机器人。”
因为在数据中心，机器人需要完成的任务与人类生活环境截然不同，因此没必要强行采用双足、双臂的人形结构。
同时，他也给出了时间表，预期相当谨慎：“我预计我们会在2027年拿出亮眼的演示样机，但机器人真正走上街头，还需要再等好几年。”此外，Altman未透露其他信息。
之所以谨慎，其实有迹可循。
因为与其说这是OpenAI官宣入局人形机器人，不如说是6年后再次重启机器人业务。
OpenAI涉足机器人的历史，比大多数人想象的要早。自2016年起，它陆续推出了强化学习基准环境OpenAI Gym、开源机器人仿真平台Roboschool，并成功研发了Dactyl——一只灵巧到能单手复原魔方的机械手。
2019年10月，OpenAI通过神经网络训练，用类人机械手单手还原三阶魔方，实现了15步内还原成功率稳定在60%的成绩。即使在需要旋转26次、外加人为外部扰动的情况下，成功率仍保持在20%。
这项研究在当时极具开创性，证明了通过仿真环境训练、再将能力迁移到真实机器人的技术路线是可行的。如果这条路线持续下去，OpenAI或许会成为最早跑通“仿真到现实”路径的公司。
但故事在2020年前后急转直下，OpenAI亲手解散了机器人团队。
后来，OpenAI联合创始人沃伊切赫·扎伦巴解释过，放弃具身智能的根本原因在于数据瓶颈。机器人物理交互数据极其稀缺、采集成本高昂、迭代缓慢。相比之下，互联网上的文本和图像数据则海量且易于获取。
从通往AGI的效率路径来看，将资源集中于大语言模型，也就是后来的ChatGPT，显得更加“明智”。同样的研发资源，投给语言模型能撬动的数据规模，是机器人的千万倍。
后来的事大家都知道了，ChatGPT横空出世，引爆了全球大模型热潮，OpenAI也一举成为全球估值最高的AI独角兽。
虽然团队解散，但OpenAI从未真正离开机器人赛道，只是选择了一条更轻巧的路径——投资。
一个典型例子就是投资了美国人形机器人明星企业Figure AI，为其人形机器人开发专属的多模态AI模型。
依然主攻“大脑”
直到2025年2月，Figure AI创始人Brett Adcock正式宣布终止与OpenAI的合作，转而自主研发端到端机器人AI模型。
这次不到一年的联姻，成了压垮OpenAI“旁观者”心态的最后一根稻草。
从当初Adcock给出的解释中，OpenAI意识到一个问题：大语言模型处理的是“符号”，而机器人需要理解的是“物理”。
语言可以描述世界，但无法替代对世界的直接感知。想在现实世界中大规模解决具身智能问题，就必须垂直整合机器人AI。
换句话说，光靠投资别人是不够的，自己必须亲自下场。入局的第一刀，依然主攻“大脑”。
Altman在访谈中坦言，与其纠结机器人长什么样、身体结构如何设计等细节，“这些问题远不如驱动机器人运转的大脑重要。”用他的话来说，如果一台机器不知道如何运用四肢，就算给它装上双臂双腿，也难以发挥作用。
确实，这也符合目前人形机器人的普遍现状，就像一个四肢发达、头脑简单的健身教练——动作挺溜，但让它去厨房给你倒杯水都费劲。
OpenAI要做的，就是给这个健身教练装个脑子。这基本点出了OpenAI进入机器人领域的核心逻辑：形态可以不同，但智能必须成为通用能力。
Altman敢这么说，是因为已经有了可以跑通的例子。
就在不久前，有网友拿着OpenAI刚发布的GPT-6 Astra尝试充当机器人的大脑。网友基于SO-101机械臂，在GPT-6 Astra的控制下，边画边看，最终画出了一幅金门大桥。视频一经发布，Sam Altman更是直接转发表示“我也想要一个”。
还有更厉害的，有网友先录下一段人类完成新任务的视频，把录像丢进Codex，再让GPT-6 Astra控制机械臂，用同样的方式完成任务，结果一次性跑通。
也有人把GPT-6 Astra接到两只真实的I2RT YAM机械臂上，让其执行把桌上的红色积木抓起来，放进旁边碗里的指令。一共20次，Astra成功了19次，成功率95%。
很难想象一个并没有专门为机器人训练的通用模型，能做到这种程度。
别人造机器人，是先造一具身体，再想办法往里面塞智能。OpenAI的路数是反过来的：先让AI在虚拟世界里理解物理世界长什么样、东西怎么掉、怎么碰、怎么被抓起来。把这套“世界模型”训练好了，再灌进真实的机器人身体里。
2026年6月1日，Altman亲自在社交平台发帖，宣告成立“OpenAI Robotics”团队。这个团队存在的目的，就是教会AI搞懂真实世界的样貌与运转逻辑。
从Robotics招聘的岗位也能看出端倪。除常见岗位外，他们专门设置了负责缩小“仿真到现实”差距的工程师岗位，让机器人在虚拟世界里练出来的本事，能无缝迁移到真机上。这可能会成为OpenAI区别于那些靠真机数据采集路线的核心壁垒。
虽然Altman强调“大脑”的重要性，但这并不代表OpenAI打算把“硬件”放在一边。当你打开OpenAI的招聘页就不难发现。
机器人方向中，有关运动控制、状态估计、执行器控制、整机行为开发的岗位占了大半。甚至还有自研机电一体化执行器相关的岗位，量产要用的制造和供应链也在招人。
这足以说明，这次OpenAI重回机器人赛道，不再只是想做个“纯大脑”公司，而是想把“大脑”和“身体”握在自己手里。