截至9月19日，OpenAI官網以「robotics」為關鍵詞可檢索到27個職位，而今年5月這一數字還是11個。新增崗位橫跨演算法、控制、執行器、感測器、韌體、資料採集、製造、供應鏈、安全和現場部署。更值得注意的是，OpenAI在供應鏈崗位的招聘說明中直接把自己稱為「一家正在成長的硬體公司」——對於一家以模型能力著稱的公司而言，這句話透露的意圖比任何釋出會都更具體。

這並非OpenAI第一次涉足機器人。七年前它曾擁有一支明星機器人團隊，用Shadow Dexterous Hand在模擬環境中訓練，並通過自動域隨機化把策略遷移到真實世界，2019年那隻機械手已能單手轉動並解開魔方。但機器人沒有成為下一個GPT。2021年，負責機器人研究的聯合創始人Wojciech Zaremba確認團隊解散，理由是機器人領域缺少足夠資料，無法像語言模型那樣持續擴大訓練規模。

五年後OpenAI重新回來，而它首先要解決的恰恰是當年缺掉的東西——資料。這次招聘中，一整套組織圍繞機器人資料採集搭建：技術專案經理要把機器人、感測器、計算裝置、操作員介面和資料管線組合成可投產的資料採集系統，並擴充套件到多個站點；資料採集運營經理則要管理工作站、操作員和材料，跟蹤利用率、週期時間、吞吐量、停機時間、操作員生產率和資料質量，幾乎是一套工廠生產指標。OpenAI還在招聘專門維護這套系統的現場工程師，崗位描述提到需要一個「大型、持續執行的真實機器人環境」，其中存在大量已部署的資料採集工作站，配置不斷變化，且「幾乎不能容忍停機」。這意味著它搭建的可能不是普通實驗室，而是一座機器人資料工廠。

真正讓這次計劃顯得不同的是執行器崗位。如果只是訓練機器人模型，OpenAI完全可以採購成熟機械臂或靈巧手——它過去幾年正是這麼做的：2023年其創業基金領投人形機器人公司1X的2350萬美元融資，2024年又投資Figure並簽署協議共同開發下一代人形機器人AI模型，分工是Figure理解硬體、OpenAI提供AI。但這段合作只持續了一年左右。2025年2月，Figure CEO Brett Adcock宣佈結束與OpenAI的合作，把機器人AI全部收回內部開發，理由是機器人AI必須與具體硬體垂直整合。如今OpenAI的招聘頁面看起來得出了相似結論：它在招聘執行器設計工程師，要求設計定製執行器，覆蓋電機、傳動、感測、熱設計和結構，並在扭矩密度、頻寬、效率、反驅性、可靠性、製造性和成本之間做系統權衡；還單獨招聘電磁設計和齒輪設計工程師，並自建執行器測功基礎設施，用負載電機測量扭矩、速度、效率、溫度和耐久性。

這背後的邏輯是：對機器人來說，身體本身就是模型的一部分。關節能提供多大瞬時扭矩，會影響策略敢不敢快速運動；反驅性決定機器人與環境接觸時如何響應；傳動間隙會改變毫米級操作的誤差分佈；熱衰減決定一套策略連續執行兩小時後是否還成立。語言模型可以相對獨立於鍵盤存在，機器人模型卻無法真正獨立於執行器存在。OpenAI向執行器下沉，爭奪的不只是硬體利潤，而是訓練分佈本身的控制權。

執行器之外，OpenAI也在補齊感測與即時控制鏈。感測器專案經理崗位覆蓋相機、雷射雷達、IMU、雷達、接近感測器和音訊，並要求從設計、整合、測試推進到物料清單、供應鏈和生產釋出；韌體工程師要定義機器人嵌入式系統，包括即時執行、裝置啟動、硬體介面、故障處理和安全機制，崗位還透露嵌入式棧大量使用Rust；控制系統工程師則負責即時系統、執行器、動力學和低層硬體互動。這幾類崗位共同勾勒出一條從感測器到即時韌體、低層控制、執行器再到機器人運動的完整控制鏈。

最值得警惕的或許是供應鏈崗位。OpenAI的機器人技術品類經理招聘描述幾乎把下一階段路線圖寫了出來：先建立適合研發迭代的供應鏈，再進入新產品匯入，最後走向大規模製造；未來還要幫助建立包括採購、全球供應管理和代工負責人在內的完整供應鏈團隊，採購類別明確列出精密機加工、齒輪和機械件、EMS/PCBA、電氣元件以及合同製造。今年早些時候，OpenAI面向美國製造業釋出供應鏈RFP時，也已把先進機器人所需的齒輪箱、電機和電力電子列為希望強化的關鍵產業輸入。

這還不是終點。OpenAI同時招聘機器人首席安全工程師，要從研發最早期參與產品架構並負責監管策略和產品安全；設定高階EHS經理崗位，處理真實硬體研發和生產環境中的健康、安全與環境問題；機器人商業律師則要處理供應商、製造、採購、許可和戰略合作協議，並明確提到「下一代機器人系統的商業化」。這些崗位通常出現在硬體專案從研究走向產品之後。

OpenAI自己的崗位描述也給出了一條產品順序：短期製造能幫助熟練工人「建設未來基礎設施」的機器人，長期願景是讓每個人擁有一台可完成各種任務的個人機器人。據Business Insider報道，OpenAI早期關注的應用包括資料中心，團隊由DALL·E和Sora核心人物Aditya Ramesh領導，公司並未公佈正式機器人產品或上市時間。

把這條路線放回OpenAI自身需求看，它相當合理：公司正以前所未有規模建設AI基礎設施，資料中心、機電裝置、伺服器部署、運維、供應鏈和製造都需要大量熟練勞動，且環境相對結構化、任務價值高、公司自己又能控制場景。如果OpenAI自己就是第一批客戶，它就能同時擁有機器人、任務和部署資料——這正是機器人閉環最難從外部合作中獲得的東西。

從行業角度看，通用模型越強，價值分配越會被重寫。視覺理解、空間推理和粗粒度動作規劃正越來越快地變成通用模型的基礎能力，真正困難的部分則繼續向接觸、力控、即時反饋和執行器下沉。VLA公司需要證明客戶為何不能直接用通用模型負責高層理解、再呼叫更小更快的專用策略；本體公司也不能只靠演示影片證明AI壁壘。那些過去被大模型敘事遮住的東西——觸覺、執行器、低層控制和真實互動資料——反而可能重新變貴。誰定義身體，誰就在相當程度上定義資料集。OpenAI從模型一路向執行器、韌體、控制、資料採集和現場部署下沉，並不只是為了造一台機器人，而是在爭奪機器人下一輪規模擴張真正需要的東西：身體、資料、模型、部署，以及更多資料。