截至9月19日，OpenAI官网以「robotics」为关键词可检索到27个职位，而今年5月这一数字还是11个。新增岗位横跨算法、控制、执行器、传感器、固件、数据采集、制造、供应链、安全和现场部署。更值得注意的是，OpenAI在供应链岗位的招聘说明中直接把自己称为「一家正在成长的硬件公司」——对于一家以模型能力著称的公司而言，这句话透露的意图比任何发布会都更具体。

这并非OpenAI第一次涉足机器人。七年前它曾拥有一支明星机器人团队，用Shadow Dexterous Hand在仿真环境中训练，并通过自动域随机化把策略迁移到真实世界，2019年那只机械手已能单手转动并解开魔方。但机器人没有成为下一个GPT。2021年，负责机器人研究的联合创始人Wojciech Zaremba确认团队解散，理由是机器人领域缺少足够数据，无法像语言模型那样持续扩大训练规模。

五年后OpenAI重新回来，而它首先要解决的恰恰是当年缺掉的东西——数据。这次招聘中，一整套组织围绕机器人数据采集搭建：技术项目经理要把机器人、传感器、计算设备、操作员界面和数据管线组合成可投产的数据采集系统，并扩展到多个站点；数据采集运营经理则要管理工作站、操作员和材料，跟踪利用率、周期时间、吞吐量、停机时间、操作员生产率和数据质量，几乎是一套工厂生产指标。OpenAI还在招聘专门维护这套系统的现场工程师，岗位描述提到需要一个「大型、持续运行的真实机器人环境」，其中存在大量已部署的数据采集工作站，配置不断变化，且「几乎不能容忍停机」。这意味着它搭建的可能不是普通实验室，而是一座机器人数据工厂。

真正让这次计划显得不同的是执行器岗位。如果只是训练机器人模型，OpenAI完全可以采购成熟机械臂或灵巧手——它过去几年正是这么做的：2023年其创业基金领投人形机器人公司1X的2350万美元融资，2024年又投资Figure并签署协议共同开发下一代人形机器人AI模型，分工是Figure理解硬件、OpenAI提供AI。但这段合作只持续了一年左右。2025年2月，Figure CEO Brett Adcock宣布结束与OpenAI的合作，把机器人AI全部收回内部开发，理由是机器人AI必须与具体硬件垂直整合。如今OpenAI的招聘页面看起来得出了相似结论：它在招聘执行器设计工程师，要求设计定制执行器，覆盖电机、传动、传感、热设计和结构，并在扭矩密度、带宽、效率、反驱性、可靠性、制造性和成本之间做系统权衡；还单独招聘电磁设计和齿轮设计工程师，并自建执行器测功基础设施，用负载电机测量扭矩、速度、效率、温度和耐久性。

这背后的逻辑是：对机器人来说，身体本身就是模型的一部分。关节能提供多大瞬时扭矩，会影响策略敢不敢快速运动；反驱性决定机器人与环境接触时如何响应；传动间隙会改变毫米级操作的误差分布；热衰减决定一套策略连续运行两小时后是否还成立。语言模型可以相对独立于键盘存在，机器人模型却无法真正独立于执行器存在。OpenAI向执行器下沉，争夺的不只是硬件利润，而是训练分布本身的控制权。

执行器之外，OpenAI也在补齐传感与实时控制链。传感器项目经理岗位覆盖相机、激光雷达、IMU、雷达、接近传感器和音频，并要求从设计、集成、测试推进到物料清单、供应链和生产发布；固件工程师要定义机器人嵌入式系统，包括实时运行、设备启动、硬件接口、故障处理和安全机制，岗位还透露嵌入式栈大量使用Rust；控制系统工程师则负责实时系统、执行器、动力学和低层硬件交互。这几类岗位共同勾勒出一条从传感器到实时固件、低层控制、执行器再到机器人运动的完整控制链。

最值得警惕的或许是供应链岗位。OpenAI的机器人技术品类经理招聘描述几乎把下一阶段路线图写了出来：先建立适合研发迭代的供应链，再进入新产品导入，最后走向大规模制造；未来还要帮助建立包括采购、全球供应管理和代工负责人在内的完整供应链团队，采购类别明确列出精密机加工、齿轮和机械件、EMS/PCBA、电气元件以及合同制造。今年早些时候，OpenAI面向美国制造业发布供应链RFP时，也已把先进机器人所需的齿轮箱、电机和电力电子列为希望强化的关键产业输入。

这还不是终点。OpenAI同时招聘机器人首席安全工程师，要从研发最早期参与产品架构并负责监管策略和产品安全；设置高级EHS经理岗位，处理真实硬件研发和生产环境中的健康、安全与环境问题；机器人商业律师则要处理供应商、制造、采购、许可和战略合作协议，并明确提到「下一代机器人系统的商业化」。这些岗位通常出现在硬件项目从研究走向产品之后。

OpenAI自己的岗位描述也给出了一条产品顺序：短期制造能帮助熟练工人「建设未来基础设施」的机器人，长期愿景是让每个人拥有一台可完成各种任务的个人机器人。据Business Insider报道，OpenAI早期关注的应用包括数据中心，团队由DALL·E和Sora核心人物Aditya Ramesh领导，公司并未公布正式机器人产品或上市时间。

把这条路线放回OpenAI自身需求看，它相当合理：公司正以前所未有规模建设AI基础设施，数据中心、机电设备、服务器部署、运维、供应链和制造都需要大量熟练劳动，且环境相对结构化、任务价值高、公司自己又能控制场景。如果OpenAI自己就是第一批客户，它就能同时拥有机器人、任务和部署数据——这正是机器人闭环最难从外部合作中获得的东西。

从行业角度看，通用模型越强，价值分配越会被重写。视觉理解、空间推理和粗粒度动作规划正越来越快地变成通用模型的基础能力，真正困难的部分则继续向接触、力控、实时反馈和执行器下沉。VLA公司需要证明客户为何不能直接用通用模型负责高层理解、再调用更小更快的专用策略；本体公司也不能只靠演示视频证明AI壁垒。那些过去被大模型叙事遮住的东西——触觉、执行器、低层控制和真实交互数据——反而可能重新变贵。谁定义身体，谁就在相当程度上定义数据集。OpenAI从模型一路向执行器、固件、控制、数据采集和现场部署下沉，并不只是为了造一台机器人，而是在争夺机器人下一轮规模扩张真正需要的东西：身体、数据、模型、部署，以及更多数据。