会议 App 和展馆平面图上,208 号展位写着 OpenAI。《财富》的记者走过去,那里空着:没有机器人,也没有标志。
展位是订好的,人没来。
同一周,辛德芬根的配料区,一台人形机器人从料箱里抓金属支架,按车身顺序摆进配套盘。
DeepMind 给这个动作报了一个数:96%。
两个现场隔了三天,不是同一天。Gemini Robotics 2.5 的官方博客发在 11 月 10 日,《财富》关于 OpenAI 拆掉机器人团队的报道是 11 月 13 日。中文媒体把两件事写成「同日」,读着顺,但不准。三天和同一天的区别在于:如果真是同一天,那是一个信号;隔了三天,那是两条各自按自己节奏走的路线,先后碰在了一起。
空展位不是退场
OpenAI 做的事,是把一个几十人的团队拆开。
算法研究员并进首席研究官 Mark Chen 管的主模型组,应用机器人和硬件团队并进总裁 Greg Brockman 管的 Applied 部门。它没有关掉机器人这条线,只是不再认为机器人需要一个独立于主模型的大脑。
这话有前提。9 月发布的 GPT-6 Astra,已经能在不专门训练的情况下接一部分机器人活。
《财富》拿到的说法是,年初内部还想从 Sora 那条路走,让视频模型先学会物体怎么动;几个月后,通用模型把这条路绕过去了。这个转向很贵——Sora 那套世界模拟的思路,一度是 OpenAI 机器人项目的立项理由。把立项理由换掉,等于把过去一年的技术路线降级成一条备选。
这不是第一次。2020 年 OpenAI 关过一次机器人实验室,联合创始人 Wojciech Zaremba 给的理由是机器人数据太少,做别的更划算。2024 年重建,跟 Figure 合作,2025 年 2 月分手。
两次都不是因为做不出来。
六年,两次解散,理由正好相反。上一次是模型学不会,这一次是模型不用专门学。
奥尔特曼的人形机器人还在做,目标 2027 年第一次公开演示。展位空着,项目没停。
96% 是谁的成绩
回到奔驰那条线。
机器人是 Apptronik 的 Apollo 2,手上装的是 SharpaWave,五指,22 个自由度。活叫 kitting,把散装料箱里的零件挑出来,按这台车的装配顺序摆进配套容器。这是上主线之前的备料:一台车要用几十种零件,谁去把它们从料箱里拣出来、按顺序码好,主线上的工人才能伸手就拿到。这活重复、费手、容易错,而且本身不产生附加值。
96% 不是模型一个数。管流程的是 Gemini Robotics ER,管手臂和手的是 2.5。
这句话很重要:买不到「96% 的模型」,买到的是两个模型加一台本体加一只手的系统结果。
同一个模型还能跑在 Franka Duo 上,那是双指平行夹爪,两指和五指之间没有共同的机械结构。DeepMind 把这个叫跨本体泛化,它的商业含义是:换一台机器人,不用重训。
DeepMind 没说的是:试了多少次、跑了多久、几台机器、失败怎么分布。
一条发布博客不写这些很正常。但少了这 4 个数,96% 只能证明概念验证过了,证明不了这条线能交给它。
24 次对,第 25 次错
96% 就是 24/25。
这个分数放在不同地方,含义完全不一样。
放在发布会的大屏上,很好。放在质检里,很糟。汽车行业习惯用 PPM 讲话,百万分之几;六西格玛是 3.4。4% 换成 PPM 是 4 万。
但 kitting 不是质检。抓空一次,零件没坏,车没坏,重抓一次就行。所以 96% 卡的不是质量,是人。
算一遍。下面这 3 个假设都不在 DeepMind 的博客里:一个工位一小时抓 300 次,12 秒一次,含接近、抓取、搬运、放置。96% 意味着每小时 12 次失败,平均 5 分钟一次。每次失败要有人过来看一眼,清一下料箱,或者把卡住的支架拨正,算 40 秒。一个工位的机器人,每小时占用人工 8 分钟,13% 的工时。
按一个工人 30% 的工时给这条线算,他能看 2.25 个工位。
这就是 96% 的价钱:一台机器人,还得配 0.44 个人。
门槛在 98.5%
要把人退到 6 个工位之外,成功率得是 98.5%。
同一个算法倒推:6 个工位、每工位每小时 300 次、单次介入 40 秒、人工占用不超过 30%,每个工位平均无故障间隔得撑到 13 分钟。13 分钟里抓 65 次,只允许错 1 次。
64/65,98.46%。
96% 和 98.5%,差 2.5 个百分点。对应的却是「一人看 2 个工位」和「一人看 6 个工位」。
这就是汽车制造里那道说不清的门槛。它不是一条写在标准里的线,是一道除法:可接受的工时占用,除以「单次介入耗时 ÷ 平均无故障间隔」,得出来的数就是一个人能看的工位数。这个数小于 3,机器人就没替掉人,只是给人换了个岗位——从抓零件,改成接机器人抓空的零件。工厂真正买的从来不是「能不能抓」,是「一个人能看几个」。
一个班次 8 小时,2400 次抓取,96 次失败。这 96 次由谁接手,就是这条线真正的成本项。
DeepMind 的博客没写这道除法。它只写了 96%。
这道除法还有一处变量没人给:料箱。产线上的料箱不会一直是满的、码得整齐的,零件在箱底互相压着、翻面、叠成一摞,抓取难度随剩余量往上走。96% 是全程平均,还是料箱七成满之前的成绩,差别很大;如果是后者,剩下那三成还是得有人站着,那这道除法算出来的工位数就要再打一次折。
两家赌的不是一件事
把两家的判断并排放,差别不在要不要做机器人,在机器人的智能从哪来。
OpenAI 的答案是:从通用模型来,规模够了自然会有。所以不需要专门的机器人团队,需要的是更大的主模型。
DeepMind 的答案是:从专用模型来,但要分两层。一层管流程,慢一点没关系;一层管手脚,必须快。中间用通用模型 Gemini 4 Argon 造仿真、造数字孪生、看失败视频,把慢活交给云端,把快活留在线边。这套结构里,通用模型没有被排除,它被降级成了一个工具——负责生产训练材料,不负责当场做决定。
两边都有证据,两边的证据都不硬。
OpenAI 那边的数来自英伟达的 Astranomy 研究:RoboLab-120 基准,120 项抓取放置,专用模型 Lakeside 51.0%,Astra 直接出动作 66.3%,接上带会话历史的 Codex 到 74.8%。
74.8% 有个条件:模型思考的时候,仿真环境是暂停的。平均每次推理 18.56 秒,每成功一次 API 费用约 36.40 美元。
传送带不会等 18 秒。
DeepMind 这边的数在真线上,但样本没公开。一个在暂停的世界里拿 74.8%,一个在不暂停的世界里拿 96%,分母都不是同一个。拿这两个数比高低,是这一周中文科技媒体做得最多、也最没有意义的一件事:前者测的是「想清楚以后能不能做对」,后者测的是「在节拍里能不能一直做对」。
明年 208 号会有人吗
有一个数两家都没给:连续跑一个班次,不停线。
这才是分水岭。不是 96 对 74.8,是谁先能把「8 小时、2400 次、人工介入不超过 2 次」写在纸上。
按上面那道除法,这要求成功率在 99.9% 以上。
差 3.9 个百分点。以 DeepMind 自己说的「几周后训练就有明显改进」的速度,这不是遥不可及,但也不是下一次发布就能到。
所以两家的判断其实不冲突。OpenAI 说机器人不需要一个独立的大脑,这话有一半对;DeepMind 说机器人需要专门的手,这一半也对。
大脑可以通用,手不行。
空着的 208 号展位,明年大概率还会有人。只是那时候站在展台上的,可能不是一台机器人,是一张写着每班次人工介入次数的表。
免责声明:本文基于公开信息撰写,仅供读者参考,不构成任何投资建议。