OpenAI低调布局人形机器人：百人团队训练机械臂处理家务
IT之家 1 月 22 日消息，去年，萨姆 · 奥尔特曼提出，世界尚未迎来属于自己的人形机器人时刻，但他同时表示，“这一时刻已在酝酿之中”。而在幕后，他执掌的人工智能公司正摩拳擦掌，推动这一时刻成为现实。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
据知情人士向《Business Insider》透露，过去一年间，OpenAI 悄然建立了一座人形机器人实验室。该实验室与公司财务团队同处旧金山一栋大楼内，配备了约 100 名数据采集员。作为研发人形机器人这一宏大计划的一环，他们正着手训练机械臂完成各类家务任务。
据IT之家了解，OpenAI 早年曾涉足机器人领域，彼时研发的机械手甚至能完成魔方还原。但该项目于 2020 年被叫停，公司发言人当时表示，此举是为了“将团队重心重新调整至其他项目上”。
这座全新机器人实验室的内部运作细节，此前从未被媒体披露。
一位了解 OpenAI 战略规划的人士称，公司正推进多个处于早期研发阶段的全新硬件项目，机器人技术便是其中之一，不过目前这些项目均非公司核心使命的组成部分。
上周，OpenAI 向美国本土制造企业发出提案征集，寻求合作伙伴共同发力消费级设备、机器人技术及云端数据中心三大领域。但公司并未透露计划投入的资金规模，也未给出项目的时间规划。
知情人士透露，自 2025 年 2 月实验室成立以来，其规模已扩张至最初的四倍以上。
去年 12 月，公司告知员工，计划在加利福尼亚州里士满市增设第二座实验室。同期，一家人力外包公司为 OpenAI 发布的“机器人操作员”招聘启事显示，工作地点正是里士满。
实验室中陈列着一台人形机器人，多位知情者形容其“酷似 iRobot 旗下产品”，但这台机器人大多时候被闲置一旁，鲜少有人见过它投入运行。实验室的绝大部分研发精力，都集中在远程操控机械臂上。
OpenAI 让数据采集员借助一款名为 GELLO 的 3D 打印控制器，操控两台法兰克机器人。这些金属机械臂末端配有夹具，可完成诸如将面包放入烤面包机、折叠衣物等家务劳动。
2 月数据采集项目启动初期，研发重点是训练法兰克机器人将橡皮鸭放入杯子；此后，训练任务逐渐转向技术难度更高的复杂操作。
这座实验室的曝光，让外界得以罕见地窥见：这家全球极具影响力的人工智能巨头，正以何种路径布局机器人领域。
特斯拉等竞争对手热衷于举办场面华丽的技术演示，其训练模式往往是利用动作捕捉服和虚拟现实头显，操控全尺寸人形机器人进行训练。而 OpenAI 选择了一条更为低调的路线 —— 通过扩大外包团队规模开展数据采集，以此训练机械臂完成基础任务。
这两种研发路径恰恰表明，顶尖人工智能企业距离打造出实用型家用机器人仍有漫长的路要走，而这一领域的发展，至今仍高度依赖人力投入。
《连线》杂志去年秋季曾报道，OpenAI 已启动机器人工程师的招聘工作。通过领英主页信息查询发现，该公司至少有 12 名工程师专职投身于这一项目。
知情人士透露，去年 12 月，一位项目主管提出，实验室需提升生产效率，以获取更长时长的有效训练数据。在过去数月间，实验室的数据采集目标已近乎翻倍。
OpenAI 此前曾投资多家机器人企业，包括 Figure、1X 及 Physical Intelligence。2024 年，公司与 Figure 达成合作，旨在研发“下一代人形机器人人工智能模型”，但 Figure 首席执行官布雷特 · 阿德科克于 2025 年 2 月宣布，双方终止合作。
2020 年首个机器人项目终止时，外界普遍认为 OpenAI 将重心转向了 ChatGPT 的研发。如今，公司明确释放出拓展硬件设备领域的信号，而其积累的 ChatGPT 知识库，未来或可用于训练机器人理解并与现实世界互动。
早期项目采用的是强化学习模式，这是一种通过“试错-奖励”机制让机器人自主学习的方法。如今，公司则转向了大规模数据采集驱动的机器人训练路径。
谢菲尔德大学机器人专家乔纳森 · 艾特肯在接受采访时表示：“所有企业都在争抢构建大规模数据集的方法。我们已经拥有能通过大数据训练完成任务的人工智能算法，而核心难题始终在于如何获取高质量的数据集。”
OpenAI 的数据采集策略，与特斯拉、Figure 等公司的机器人研发模式截然不同。后者的技术路线是，工作人员通过动作捕捉服和虚拟现实头显，记录全身动作并操控全尺寸人形机器人。
OpenAI 的这一数据采集方案，与加州大学伯克利分校研究人员 2024 年发表的一项研究不谋而合。该研究提出了一套低成本、可规模化的远程操控机械臂数据采集系统。据领英信息显示，其中一位研究人员已于 2024 年 8 月加入 OpenAI，负责“构建机器人智能中枢”相关工作。
俄勒冈州立大学人工智能与机器人专家艾伦 · 费恩表示，这种模式属于行业标准配置，机器人可通过模仿操作员的动作完成学习。艾特肯则指出，相较于采用动作捕捉服的人工智能企业，OpenAI 的 GELLO 控制器策略具备显著优势：不仅成本更低，而且由于每个控制器都与机械臂动作直接映射，机器人能更直观地将人类的特定动作转化为自身的机械运动。
知情人士称，OpenAI 在旧金山的实验室设有数十个工作站，实行三班倒制度，全天候不间断开展数据采集工作。摄像头会同步记录操作员和机器人的作业过程，工作人员的绩效评估标准，正是其产出的有效训练数据时长。
这种依赖外包员工、以绩效指标驱动工作的模式，与包括 OpenAI 在内的人工智能企业，早年为大型语言模型扩张数据标注业务的做法如出一辙。
费恩表示：“许多企业都寄望于，只要采集到足够多的数据，就能将其转化为机器人的动作指令，从而实现类似 ChatGPT 的规模化效应。”但他同时补充道：“这种设想，至今尚未得到实践验证。”
知情人士透露，OpenAI 正着手搭建全新的机器人工作站，配备的机械臂将更贴近人类肢体的运动模式。
此外，公司还将部分采集到的数据用于计算机仿真环境中的机器人训练，并会定期测试机械臂的实际作业表现。
目前尚不清楚，OpenAI 计划以多快的速度将这些数据成果转化为完整的人形机器人；其这种依托机械臂、低成本投入的研发路径，能否在一众重金押注全人形机器人系统的企业中脱颖而出，同样有待观察。
艾特肯评价道：“目前来看，这项技术显然还处于非常早期的阶段。但从技术层面而言，这套系统是一个能适配多种机器人、设计精妙且灵活可配置的操作界面。”
相关攻略
在智能科技日益普及的今天，写字机器人作为一种高效辅助工具，已广泛应用于教育、办公及创意领域。然而，许多用户反馈其在使用过程中常遭遇设备突然停止书写的状况。本文将系统解析写字机器人中途停摆的常见原因，并提供对应的排查与解决方法，帮助您快速恢复设备正常运行，提升使用体验。 首要排查方向是供电系统。写字机
在信息爆炸的今天，高效处理文本已成为提升个人与组织生产力的关键。文本机器人，作为人工智能技术应用的重要成果，正以其卓越的效率和智能化能力，深刻改变着我们的工作模式与日常生活。 效率是文本机器人最显著的优势。无论是海量数据的快速分析、关键信息的精准提取，还是复杂文档的自动分类与生成，这类AI工具的处理
对于订单量庞大的京东商家而言，从京麦后台逐一导出售后物流信息，是一项极其耗时且重复性高的工作。是否存在一种能够实现批量、自动化操作的解决方案？答案是肯定的。本文将为您深度解析一款专为批量获取京麦后台自主售后数据而设计的自动化工具——京东售后物流信息下载机器人，并分享其核心功能与高效使用技巧。 一、核
中国已成为全球最大康复机器人出口国之一，出海模式正从单一产品出口转向技术解决方案和产业体系输出。AI与脑机接口等前沿技术融合推动设备智能化与个性化发展。面对各国准入壁垒和市场认知差异，企业通过临床合作与本地化运营积极应对，加速从产品输出向技术标准输出的转。
在数字化转型的浪潮中，企业财务管理的智能化升级已成为关乎生存与发展的核心议题。全面预算管理作为企业资源配置与战略落地的关键环节，正迎来深刻的变革。其中，RPA财务机器人凭借其卓越的自动化能力，正成为驱动预算管理效能跃升的核心引擎。本文将深入探讨RPA如何重塑全面预算流程，为企业降本增效与科学决策提供
热门专题
热门推荐
领克首款GT概念跑车亮相北京车展，由中欧团队联合打造。新车采用经典GT比例与低趴宽体设计，配备液态金属蓝涂装与2+2座舱，设有高性能模式按键可激活空气动力学套件。车辆采用后驱布局与AI智能运动控制系统，百公里加速约2秒，设计融合瑞典极简美学并参考全球用户反馈。
英伟达推出12GB显存版RTX5070移动GPU，与8GB版同步上市。两者均基于Blackwell架构，核心规格相同，仅显存容量不同。此举旨在缓解GDDR7芯片供应压力，为OEM提供灵活配置，加速笔记本产品布局，更大显存可更好满足游戏与AI应用需求。
微星将于5月15日推出两款26 5英寸雾面WOLED显示器MAG276QRY28和276QRDY54，售价分别为2499元和6299元。均采用第四代WOLED面板，具备QHD分辨率、VESADisplayHDRTrueBlack500认证、1500尼特峰值亮度及99 5%DCI-P3色域覆盖。276QRY28刷新率为280Hz，高阶款276QRDY54支持4
中芯国际2026年第一季度营收176 17亿元，同比增长8 1%；净利润13 61亿元，同比增长0 4%。公司预计第二季度收入环比增长14%至16%，毛利率指引上调至20%至22%。这反映出公司在行业复苏中展现出财务韧性，并通过运营优化增强了短期增长势头。
手机修图、相机降噪、视频去雾……这些我们日常使用的图像处理功能，其背后都离不开人工智能（AI）技术的驱动。通常，AI模型的训练逻辑是：向模型展示大量“低质图像”与“优质图像”的配对数据，让它学习如何将前者转化为后者。然而，天津大学计算机视觉团队近期发表的一项研究（arXiv:2604 08172）揭