166 天。
从高调招人,到 11 月 13 日确认撤销独立机器人研究团队,中间隔了 166 天。
166 天是 23 周零 5 天,不到 2 个季度。
166 天是什么概念
一个季度 91 天。166 天刚过一个季度,离 2 个季度还差 16 天。
用天数算不直观,换成事:招一个资深工程师,从发 offer 到入职,快的一个月,慢的 3 个月;搭一个 10 人团队,光招齐就要一个季度。团队刚齐,方向就撤了。硬件这行还有一层:166 天不够走完从立项到样机的闭环,设计、打样、装配、调试,每一步都要等;等完一轮,季度就过去了。
拿模型侧的节奏对照,差得更明显。Gemini 4 家族在 7 周里发了 4 款:Carbon 10 月 28 日,Hydrogen 11 月 12 日,Neon 11 月 18 日。7 周 4 款,平均 12 天 一款。软件按周迭代,硬件按季度迭代。一个硬件团队活在软件的节奏里,必然显得慢。慢不是能力问题,是节奏不匹配。
所以这次解散,不能读成“做不出来”。
做不出来是被动,解散是主动。主动解散一个团队,通常只有 2 个原因:要么方向错了,要么路径变了。OpenAI 这次是后者。
拆成了 2 个去处
看人的去向,比看公告准。
研究人员并入首席研究官 Mark Chen 领导的核心研究团队。
应用及硬件团队转入总裁 Greg Brockman 负责的应用业务。
一个团队,拆成 2 块。一块进“能力”,一块进“应用”。
这个拆法本身就是答案:机器人不再被当成一条独立产品线,被当成 2 样东西,一种模型能力,和 1 类应用场景。产品线要自己定路线、自己扛营收、自己排优先级;能力不用,能力只需要证明自己更强;应用也不用,应用只需要找到愿意付钱的场景。机器人被拆开之后,就不需要再回答“这条线今年赚多少”这个问题了。
公司说并非退出机器人领域。这句话是真的,人还在,预算还在,只是不再以“机器人团队”的名义存在。
组织架构是最诚实的战略文件。它不会说“我们放弃了”,它只会把人挪走。挪去哪,说明它认为价值在哪。研究团队留下,说明“机器人怎么想”仍然算核心问题;应用团队挪走,说明“机器人怎么用”被归到生意那 1 侧。这个分法不是孤例,能力归研究、产品归业务,是这一轮 AI 公司通用的组织语法。
机器人被塞进这 2 个抽屉,就没有第 3 个抽屉给它了。
150 美元的机械臂
166 天里,另一条路跑通了。
GPT-6 Astra 通过云端接口,接上一台成本约 150 美元的开源机械臂,不需要专门微调,就能完成看图作画这类任务。
150 美元。
这个价格的意义不是便宜,是“可以摆开”。一台 150 美元,10 台 1500 美元,100 台 1.5 万美元。100 台臂摆 1 屋子,试错可以按批做,不用按台心疼。研究从“省着用”变成“敞着用”,这一步跨过去,很多过去不划算的实验就划算了。
过去做机器人研究,最贵的是本体。一台人形机器人动辄几十万,摔一次就是一笔账。所以团队必须先想清楚再做,做一次要成一次,这种节奏养出来的是精密工程,不是快速试错。现在本体便宜了,研究方式反过来:先摆 100 台,让模型自己试。这一层变化,和深度学习当年从特征工程转向大数据是同一个方向:把人的判断换成机器的采样。
苹果的 HALO 走了同一条路。宇树 G1 人形机器人搭载 Mac mini,在 6 个没有预先建图的真实家庭里,单项任务成功率 91%。
没有专门的大脑团队,没有针对家庭场景的微调。一台现成的本体,一台桌面电脑,一个通用模型。
3 样东西。
这 3 样东西拼起来,就能在陌生客厅里完成一项任务。这句话如果成立,“机器人大脑”作为一个独立品类,就没有位置了。但要补一句:91% 是单项任务,是 6 个家庭,它证明的是能跑通,不是能交付。样本小,任务窄,离产品还差一段。品类不是技术名词,是一个有人负责定价、交付、售后的框;框没了,能力还在,生意没了。
开源这 2 个字也要算进账里。机械臂的设计开源,意味着本体可以被复制,硬件厂的利润会被压薄,钱往模型和集成两头跑。150 美元不是一家厂商的成本能力,是一个开源方案的定价结果。谁都能造,价格就守不住;价格守不住,本体就只能靠规模活。
本体厂商的好消息
如果机器人只是一个应用,价值链会重新排。
过去是:本体、大脑、集成,3 层,每层都能收钱。大脑那层最贵,因为它最难,也最不可替代。
现在是:本体、通用模型、集成。中间那层被抽走,换成一个按调用付费的接口。
这对做本体的公司是好消息。本体变成标准件,谁都能接模型,竞争回到机械、成本、交付。这几项是制造业的老功夫,不靠论文,靠产线和良率。对做“机器人大脑”的创业公司是坏消息:它们的对手不是另一家大脑公司,是通用模型的下 1 版。模型每升一次,它们的产品就薄一层。
但这条推理有一个反例。
谷歌的 Gemini Robotics 2.5 在奔驰产线做到了 96% 的任务成功率,Apollo 2 人形机器人基于它自主完成零件分拣。
这是专门为机器人做的模型,而且跑在产线上,不是跑在演示视频里。
所以“通用模型通吃”只在部分场景成立。产线要的是节拍、精度、可维护性,通用模型给不了;家庭要的是容错、泛化、便宜,专线模型给不了。2 个场景,2 套答案。把 2 套答案混成一套,是这一轮具身创业最容易犯的错。混错的代价很具体:拿家庭的 demo 去投标产线,第一轮节拍测试就会被刷下来。
路线没有解散
把 2 件事放在 一起看:OpenAI 拆团队,谷歌发专线模型。
它们不矛盾。
OpenAI 的判断是,机器人现在还不是一条能独立算账的产品线,先把能力并进核心研究,把应用并进应用业务,等能力到了再拿出来。
谷歌的判断是,产线这个场景现在就能算账,所以做专用模型,直接卖给车厂。
两边都在算账,只是账期不一样。
2 条路都在赌同一件事:机器人的智能,最终由通用模型提供。差别只在“现在做”还是“等 1 等”。OpenAI 选了等。这不是撤退,是把它降级成一个应用;应用可以等,研究不能停,研究停了,下 1 版模型就没有机器人的份。等也不是白等,它赌的是模型变强之后,机器人这 1 类应用能被直接覆盖,不用再单独立项。
中间那层空出来,集成层反而会变厚。客户买的不是模型,是“这条产线少 2 个人”。把模型接进设备、接进安全规程、接进班组的操作习惯,这些活通用模型不干,得有人干。集成商按项目收钱,毛利不高,但现金流稳,而且离客户最近。
但集成商赚的是人力的钱。
这也是为什么最后会落到估值上。软件按续费率定价,硬件按出货量定价,机器人 2 样都占,2 套模型都算不准。把它当应用,估值跟着续费率走;当硬件,估值跟着出货量走。OpenAI 的组织调整,等于先把答案写成了“应用”。答案写早了有代价:按应用估值,就得回答留存;按硬件估值,就得回答毛利。2 个问题,机器人公司现在都答不上。
留一个问题:如果机器人只是一个应用,那一家机器人公司的估值,该按软件的续费率算,还是按硬件的出货量算?
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。