1 月 22 日消息，去年，薩姆 · 奧爾特曼提出，世界尚未迎來屬于自己的人形機器人時刻，但他同時表示，“這一時刻已在醞釀之中”。而在幕后，他執掌的人工智能公司正摩拳擦掌，推動這一時刻成為現實。

據知情人士向《Business Insider》透露，過去一年間，OpenAI 悄然建立了一座人形機器人實驗室。該實驗室與公司財務團隊同處舊金山一棟大樓內，配備了約 100 名數據采集員。作為研發人形機器人這一宏大計劃的一環，他們正著手訓練機械臂完成各類家務任務。

據IT之家了解，OpenAI 早年曾涉足機器人領域，彼時研發的機械手甚至能完成魔方還原。但該項目于 2020 年被叫停，公司發言人當時表示，此舉是為了“將團隊重心重新調整至其他項目上”。

這座全新機器人實驗室的內部運作細節，此前從未被媒體披露。

一位了解 OpenAI 戰略規劃的人士稱，公司正推進多個處于早期研發階段的全新硬件項目，機器人技術便是其中之一，不過目前這些項目均非公司核心使命的組成部分。

上周，OpenAI 向美國本土制造企業發出提案征集，尋求合作伙伴共同發力消費級設備、機器人技術及云端數據中心三大領域。但公司并未透露計劃投入的資金規模，也未給出項目的時間規劃。

知情人士透露，自 2025 年 2 月實驗室成立以來，其規模已擴張至最初的四倍以上。

去年 12 月，公司告知員工，計劃在加利福尼亞州里士滿市增設第二座實驗室。同期，一家人力外包公司為 OpenAI 發布的“機器人操作員”招聘啟事顯示，工作地點正是里士滿。

實驗室中陳列著一臺人形機器人，多位知情者形容其“酷似 iRobot 旗下產品”，但這臺機器人大多時候被閑置一旁，鮮少有人見過它投入運行。實驗室的絕大部分研發精力，都集中在遠程操控機械臂上。

OpenAI 讓數據采集員借助一款名為 GELLO 的 3D 打印控制器，操控兩臺法蘭克（Franka）機器人。這些金屬機械臂末端配有夾具，可完成諸如將面包放入烤面包機、折疊衣物等家務勞動。

2 月數據采集項目啟動初期，研發重點是訓練法蘭克機器人將橡皮鴨放入杯子；此后，訓練任務逐漸轉向技術難度更高的復雜操作。

這座實驗室的曝光，讓外界得以罕見地窺見：這家全球極具影響力的人工智能巨頭，正以何種路徑布局機器人領域。

特斯拉等競爭對手熱衷于舉辦場面華麗的技術演示，其訓練模式往往是利用動作捕捉服和虛擬現實頭顯，操控全尺寸人形機器人進行訓練。而 OpenAI 選擇了一條更為低調的路線 —— 通過擴大外包團隊規模開展數據采集，以此訓練機械臂完成基礎任務。

這兩種研發路徑恰恰表明，頂尖人工智能企業距離打造出實用型家用機器人仍有漫長的路要走，而這一領域的發展，至今仍高度依賴人力投入。

《連線》雜志去年秋季曾報道，OpenAI 已啟動機器人工程師的招聘工作。通過領英主頁信息查詢發現，該公司至少有 12 名工程師專職投身于這一項目。

知情人士透露，去年 12 月，一位項目主管提出，實驗室需提升生產效率，以獲取更長時長的有效訓練數據。在過去數月間，實驗室的數據采集目標已近乎翻倍。

OpenAI 此前曾投資多家機器人企業，包括 Figure、1X 及 Physical Intelligence。2024 年，公司與 Figure 達成合作，旨在研發“下一代人形機器人人工智能模型”，但 Figure 首席執行官布雷特 · 阿德科克于 2025 年 2 月宣布，雙方終止合作。

2020 年首個機器人項目終止時，外界普遍認為 OpenAI 將重心轉向了 ChatGPT 的研發。如今，公司明確釋放出拓展硬件設備領域的信號，而其積累的 ChatGPT 知識庫，未來或可用于訓練機器人理解并與現實世界互動。

早期項目采用的是強化學習模式，這是一種通過“試錯-獎勵”機制讓機器人自主學習的方法。如今，公司則轉向了大規模數據采集驅動的機器人訓練路徑。

謝菲爾德大學機器人專家喬納森 · 艾特肯在接受采訪時表示：“所有企業都在爭搶構建大規模數據集的方法。我們已經擁有能通過大數據訓練完成任務的人工智能算法，而核心難題始終在于如何獲取高質量的數據集。”

OpenAI 的數據采集策略，與特斯拉、Figure 等公司的機器人研發模式截然不同。后者的技術路線是，工作人員通過動作捕捉服和虛擬現實頭顯，記錄全身動作并操控全尺寸人形機器人。

OpenAI 的這一數據采集方案，與加州大學伯克利分校研究人員 2023 年發表的一項研究不謀而合。該研究提出了一套低成本、可規模化的遠程操控機械臂數據采集系統。據領英信息顯示，其中一位研究人員已于 2024 年 8 月加入 OpenAI，負責“構建機器人智能中樞”相關工作。

俄勒岡州立大學人工智能與機器人專家艾倫 · 費恩表示，這種模式屬于行業標準配置，機器人可通過模仿操作員的動作完成學習。艾特肯則指出，相較于采用動作捕捉服的人工智能企業，OpenAI 的 GELLO 控制器策略具備顯著優勢：不僅成本更低，而且由于每個控制器都與機械臂動作直接映射，機器人能更直觀地將人類的特定動作轉化為自身的機械運動。

知情人士稱，OpenAI 在舊金山的實驗室設有數十個工作站，實行三班倒制度，全天候不間斷開展數據采集工作。攝像頭會同步記錄操作員和機器人的作業過程，工作人員的績效評估標準，正是其產出的有效訓練數據時長。

這種依賴外包員工、以績效指標驅動工作的模式，與包括 OpenAI 在內的人工智能企業，早年為大型語言模型擴張數據標注業務的做法如出一轍。

費恩表示：“許多企業都寄望于，只要采集到足夠多的數據，就能將其轉化為機器人的動作指令，從而實現類似 ChatGPT 的規模化效應。”但他同時補充道：“這種設想，至今尚未得到實踐驗證。”

知情人士透露，OpenAI 正著手搭建全新的機器人工作站，配備的機械臂將更貼近人類肢體的運動模式。

此外，公司還將部分采集到的數據用于計算機仿真環境中的機器人訓練，并會定期測試機械臂的實際作業表現。

目前尚不清楚，OpenAI 計劃以多快的速度將這些數據成果轉化為完整的人形機器人；其這種依托機械臂、低成本投入的研發路徑，能否在一眾重金押注全人形機器人系統的企業中脫穎而出，同樣有待觀察。

艾特肯評價道：“目前來看，這項技術顯然還處于非常早期的階段。但從技術層面而言，這套系統是一個能適配多種機器人、設計精妙且靈活可配置的操作界面。”