一个解散,一个开源
上周 AI 圈出了两条看似无关、实则同构的新闻。
第一条:OpenAI 第二次解散了机器人团队。研究人员并入 Mark Chen 领导的主研究团队,应用机器人和硬件团队归入 Brockman 的应用组织。注意,这不是收缩,是吸收——机器人研究不再是独立部门,因为它要解的问题,通用模型团队顺手就解了。内部判断的依据很硬:在 Nvidia 的模拟机器人任务测试中,GPT-6 Astra 智能体成功率 74.8%,超过最优专用模型的 51%。Altman 据报道把首次公开机器人 demo 的目标定在 2027 年。
第二条:Runway 以 Apache 2.0 开源了机器人控制模型 Praxis-1。一家视频生成公司,做出来的机器人控制器,在 Nvidia RoboLab-120 榜单上以 46.2% 的成功率拿下 World Action Model 类第一;真实 Franka 机械臂 10 项任务 100 次尝试成功 88 次,超过 FLUX 3 Action 的 80 次;迁移到从未见过的 RT-1 移动平台,仅用 95 小时机器人数据微调就达到 80% 成功率。
两条新闻放在一起读,指向同一个趋势:**机器人学作为一门依赖专用模型、专用数据、专用团队的技术路线,正在被通用模型范式收编。**这不是渐进改良,是学科边界的溶解。
为什么通用模型突然能控制机器人了
要理解这件事的分量,得先回答:为什么过去十年通用模型搞不定机器人?
传统机器人学习是典型的"小数据、强先验"路线:针对特定机械臂采集数千小时遥操作数据,训练一个策略网络,泛化能力约等于零。换一个夹爪、换一张桌子、换一次光照,成功率断崖下跌。RT-1 采集了 13 个月、70 万条真实轨迹,也只在自己熟悉的任务分布内好用。根本瓶颈在于:机器人缺的不是控制算法,是对物理世界的常识。
而物理世界常识,恰恰是视频生成模型和大语言模型在过去几年疯狂积累的东西。GPT-6 Astra 这类模型见过海量的视频、图文、交互轨迹,它"知道"杯子从桌上掉下去会发生什么、抽屉要拉开才能放进东西、鸡蛋不能用手腕压。这些常识曾经是机器人学要靠数据采集一砖一瓦搭建的,现在直接从预训练里继承。
Praxis-1 把这条逻辑演示得更彻底。它的技术路线是:**用视频生成模型做预训练,把"预测下一帧画面"的能力迁移为"预测环境如何变化",再从环境变化反推动作。**输入是摄像头图像、文本指令和机器人本体状态,输出是动作序列。这个范式有个漂亮的名字——World Action Model。视频模型学的是"世界如何演化",机器人控制需要的是"我的动作如何改变世界",两者在表征层面几乎同构。所以 Runway 拿视频模型改机器人控制器,不是跨界炫技,是顺流而下。
最关键的数字是那个 95 小时。迁移到全新的 RT-1 平台,只用了 95 小时的真实机器人数据微调。对比 RT-1 时代的 13 个月,数据效率差了两个数量级。**当预训练提供了世界常识,下游适配的成本就坍缩到了工程问题的量级。**这正是通用模型范式在 NLP 领域重演过的剧本,现在轮到机器人了。
OpenAI 的算盘:机器人是通用模型的一个"落点"
再看 OpenAI 这次解散的决策逻辑。
OpenAI 上一次解散机器人团队是 2021 年,当时的理由是数据问题无解、看不到路径,团队人才流向了 Tesla、Figure 等人形机器人公司。那是一次放弃。这次完全不同:不是做不了,而是不需要单独做了。当 Nvidia 的研究显示 GPT-6 Astra 在模拟机器人任务上以 74.8% 对 51% 碾压专用模型时,维持一个独立的机器人模型团队就成了资源错配——通用模型的每一次能力跃迁,都自动成为机器人能力的跃迁。
这个决策的深层含义是:OpenAI 把机器人重新定义为通用模型的一个落点,而不是一条独立赛道。就像我们不会为"写代码的 GPT"和"写合同 GPT"各设一个研究团队一样,“控制机器人的 GPT"也不再需要专属建制。Altman 的 2027 demo 目标,赌的是到那时通用模型的多模态能力、长时程规划能力会自然跨过实用门槛。
当然要诚实面对反例:StationeryBench 双臂任务 200 次测试中,Astra 只完成 7/100 项任务。长时程、精细双臂协调这类"硬骨头”,通用模型离专用 SOTA 还有距离。但这恰恰是范式交替期的典型形态——**通用模型在最难的长尾任务上尚不如专用方案,但它的能力曲线是随基座一起上涨的,专用模型的能力曲线是平的。**交叉只是时间问题。
谁被冲击,谁在卡位
这个趋势对不同玩家的影响完全不同。
**首当其冲的是专用机器人模型公司。**那些靠"为机器人场景定制模型"讲融资故事的公司,护城河正在被两边夹击:上面是 OpenAI、Google 这类基座厂商顺流而下,下面是 Runway、开源社区把 World Action Model 免费送出来。Praxis-1 用 Apache 2.0 开源,等于宣布这个技术路线本身不值钱了——值钱的是预训练数据和算力。
**受益最大的是硬件本体厂商。**Figure、宇树这类做本体的公司,过去苦于没有好用的大脑,现在大脑在快速商品化。Praxis-1 展示的"95 小时微调适配新平台"意味着:本体厂商只要能凑出百小时级的高质量遥操作数据,就能接上最强的开源控制器。机器人产业链的价值分配正在向硬件和场景数据倾斜。
**最微妙的卡位是 Nvidia。**它一边做 RoboLab 榜单给全行业提供裁判,一边眼看着自己的专用方案被通用模型超越。但 Nvidia 的从容在于:无论通用还是专用,训练和推理都烧它的卡。榜单上谁第一不重要,重要的是大家都在它的场子里比赛。
一个更冷的判断
我想提出一个可能不受欢迎的判断:机器人学的"学科独立性"可能是个过渡现象。
回看 AI 史,这条剧本反复上演。语音识别曾经是独立学科,有专门的 HMM 专家、专门的会议 track,后来被端到端深度学习吞掉,现在只是多模态模型的一个输入接口。计算机视觉走了同样的路,感知与决策的分工边界在 transformer 时代被抹平。机器学习领域一次次证明:只要"通用范式 + 大规模预训练"能在某个领域达到专用方案 80% 的水平,剩下的 20% 就会在两三年内被吞掉,连同那个领域的独立建制一起。
机器人学因为涉及物理世界,曾经被认为是这个规律的例外——数据采集成本高、安全约束硬、长尾分布毒。但 Praxis-1 的视频预训练路线绕开了数据瓶颈(互联网视频就是免费的物理常识库),Astra 的模拟成绩则说明基座规模能补长尾。例外条款正在失效。
当然,“学科被吞并"不等于"问题被解决”。真机部署的安全验证、sim-to-real gap、硬件可靠性这些脏活累活不会消失,只是它们会退化成工程学科——就像 compiler 不再是 AI,但编译器工程师依然抢手。真正会消失的,是"机器人专用 AI 研究员"这个身份。
对从业者的启示很直接:如果你在机器人行业做模型层,最危险的位置是"在专用路线上追 SOTA"——你在一条终将交汇的死路上冲刺。相对安全的位置有三种:往上游走,做预训练和世界模型(Runway 的位置);往下游走,做真机数据、部署和场景(本体厂商的位置);或者卡中间,做 evaluation 和仿真基础设施(Nvidia 的位置)。中间那个"用小模型解垂直场景"的位置,正在被从两头挤压。
结语
2021 年 OpenAI 放弃机器人时,业界说"通用方法救不了机器人"。2026 年 OpenAI 二次解散机器人团队时,理由反了过来:机器人救不了机器人,通用方法不需要拯救。同一条新闻,两种解散,中间隔着的是整个范式权力的转移。
Runway 开源 Praxis-1 则补上了另一块拼图:连"视频模型改机器人"这条技术路线本身,都已经便宜到不值得闭源了。当一条曲线快速下行时,站在曲线上任何一点都是错的。
2027 年 Altman 的机器人 demo 如果如期而至,请不要惊讶。它不是机器人学的胜利,是通用模型的又一次收编。