---
title: "166 天，OpenAI 第 2 次解散机器人团队"
date: 2026-11-19
category: 智能机器人
site: 脑机网
canonical: https://aiai.cafe/a/njw-openai-robot-team-1119
language: zh-CN
---

# 166 天，OpenAI 第 2 次解散机器人团队

> 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。

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。**

---

来源：脑机网（https://aiai.cafe/）｜原文：https://aiai.cafe/a/njw-openai-robot-team-1119
本内容仅供参考，不构成投资建议。
