今日技术观察 IT之家 11 月 14 日消息，《财富》昨日（11 月 13 日）发布博文，爆料称 OpenAI 已解散独立机器人团队，并将相关人员调至公司其他部门。OpenAI 向该媒体确认了此次组织调整，只是强调本次调整并非退出机器人领域，机器人仍是其长期愿景的核心，重组旨在加快研发。在架构调整方面，机器人研究人员并入核心研究团队，向首席研究官马克 · 陈（Mark Chen）汇报；应用机器人与硬件团队则转入规模更大的应用部门，该部门由公司总裁格 01 背景速览 OpenAI 近期对机器人相关团队进行组织调整，将部分机器人研究人员并入核心研究团队，应用机器人与硬件团队则进入规模更大的应用部门。公司方面表示，这并非退出机器人领域，而是希望把机器人研发与通用模型研发更紧密地结合，以加快具身智能方向的推进。 02 趋势影响 从趋势看，通用模型开始被用于理解文字、图像和代码，并尝试成为机器人任务中的上层“大脑”。报道提到，在模拟操作测试中，通用模型驱动的智能体取得了较高成功率，但这主要反映特定测试环境下的表现。真实机器人场景仍受推理速度、网络依赖、现场数据积累、物理交互稳定性等因素影响，距离全面接管还有距离。 03 企业应用启发 对企业软件开发与数字化而言，这一变化提示了一种可能的架构：通用模型负责感知、规划、解释和调度，专用控制模块或机器人系统负责稳定执行。企业可优先从低风险、可回滚的场景切入，例如仓储巡检、设备状态识别、流程辅助操作等，并通过仿真验证、日志复盘和人工接管机制，把大模型能力逐步接入业务流程。 04 合规观察 在合规与安全层面，具身智能应用会同时涉及数据、控制和责任三类风险。机器人现场采集的视频、图像、语音和运行数据可能包含个人信息或商业秘密，云端模型调用也会带来传输、存储和权限管理问题。企业需要建立最小权限、访问控制、审计日志、异常熔断和人工复核机制，避免模型误判直接驱动物理设备造成损失。 05 开放讨论 值得讨论的是：哪些机器人任务更适合由通用模型理解与规划，哪些仍需要专用模型或传统控制算法？企业在引入大模型作为“大脑”时，应如何评估延迟、可靠性、数据闭环和成本？对于从事企业数字化和软件开发的团队，是否可以先从非物理执行的智能体场景开始，再逐步扩展到具身交互？ 公开来源参考 要让 GPT-6 Astra 等通用 AI 当机器人“大脑”：OpenAI 宣布重组具身智能团队