
OpenAI印证了梁文锋的“预言”
【OpenAI印证了梁文锋的“预言”】GPT-6.2 Astra在真实机械臂测试中登顶,通用大模型直驱机器人的能力又进了一步。据公开报道,在一家独立评测机构发布的机器人榜单 AA-Robotics v0.1 中,GPT-6.2 Astra 得分79,完成8项物理任务中的6项;能力相对较弱的 GPT-6.2 Sol 也得到了78分。该测试中模型不允许进行专项训练,全程采用零样本设定,模型以写代码的方式直接控制一台6轴机械臂,移动真实物体。
“零样本、不专项训练”这两个前提,是这轮讨论的真正起点。过去机器人厂商普遍认为,垂直模型在机器人适配、力控等方面更具优势,比通用模型更适合机器人。如果通用模型在完全不为此做准备的情况下也能完成任务,那么垂直模型存在的必要性就会被重新审视。这不再是精度之争,而是路线之争。
消息的另一半是组织调整。11月13日有报道称,OpenAI解散了独立的机器人团队,将原机器人团队并入公司的主要研究团队,应用机器人和硬件团队被调整到了其他部门。OpenAI向媒体确认,调整的原因是通用模型在控制机器人上表现出色。研究人员发现,把GPT-6 Astra连接到机器人后,它已经能够参与一些具体任务的执行,且表现得令人惊喜。
通用模型控制机器人的信心,还来自另一组实机数据。据一家独立评测机构Robocurve的测试,在双臂机械臂执行“抓取方块并放入碗中”的任务上,Astra取得95%的成功率。也就是说,团队成立不到半年就被并入主要研究团队,研究人员转向通用人工智能模型研发。这意味着OpenAI换了一条技术路线:既然通用模型已经开始能够控制机器人,就不必再为机器人单独研发一套“空间智能”专门模型。
值得注意的是,这并非OpenAI第一次在机器人路线上调整方向。早在2019年,OpenAI就成立了机器人团队,试图通过强化学习等方式让机器人学会抓取、摆放物体等任务,但到了2020年这支团队就被解散。其联合创始人Wojciech Zaremba曾解释,机器人数据有限,而且通过其他方法可以更高效地实现AGI;此后OpenAI专注于大语言模型。
回过头看,那条被放弃的路后来又走了两遍。2024年,OpenAI与人形机器人公司Figure AI合作,尝试将大模型能力应用到机器人身上。当时OpenAI副总裁Peter Welinder表示,与Figure合作是希望探索在大型多模态AI模型支持下,人形机器人能达到怎样的智能化水平。后来Figure AI发布的Figure 01演示视频显示,机器人能够根据人类指令完成简单的物品递送,这次合作中OpenAI的模型提供了视觉理解和语言交互能力;不过一年后,Figure AI宣布结束合作,转向自主研发机器人AI。
2026年初,OpenAI又开始探索另一条技术路线:从Sora这样的视频生成模型入手。作为视频生成模型,Sora能够理解物体、空间和运动之间的关系,对物理世界的运作方式有一定的理解。今年6月,Sora关停两个月后,Sam Altman宣布成立机器人部门,将Sora团队整体转向机器人研发,由Sora之父、DALL-E创始人Aditya Ramesh领导,把Sora积累的世界模拟技术迁移到机器人训练上,短期聚焦工业辅助机器人,长期目标是消费级人形机器人。
但这个部门成立仅三个月后,今年9月,OpenAI发布GPT-6 Astra,并发现通用模型本身已经能够参与机器人任务。相比专门研究机器人的世界模拟技术,直接利用通用模型已有的视觉理解、推理能力和任务规划能力,也能走出一条路。卡内基梅隆大学机器人研究所的助理教授Guanya Shi对此的评价是,这意味着OpenAI认为机器人技术“不再是一个特殊问题”。
这条路线上绕了一圈,最终又回到通用模型,这不是孤例。英伟达10月发布的Astranomy研究,直接使用GPT-6 Astra控制仿真机器人,在RoboLab-120测试中取得66.3%的任务成功率;英伟达机器人部门负责人Deepu Talla近日接受采访时称,GPT-6 Astra的出现是推动机器人具备多任务处理能力的一项重大突破。
Anthropic发布的Claude Fable 5.2也展示了类似能力,控制机器人完成了多种任务,如解魔方、拧开瓶盖以及画机器人等。需要留意的是评测基准不同:在RoboDojo Sim仿真基准中,Fable 5.2平均成功率达到64.9%,同一测试框架下GPT-6 Astra的成绩为29.8%。这与前面AA-Robotics v0.1的79分并不矛盾,两个榜单的任务设定与测法不同,不能直接放在一起比高低。
中国公司也在关注这个变化。宇树正在探索大模型用于机器人这条路线,王兴兴甚至直言,明年GPT-7出来,可能直接把具身智能问题打穿。此前宇树既在推进VLA模型,也在探索世界模型——王兴兴曾提到,去年宇树重新捡起了基于视频生成的世界模型,宇树也发布过通用VLA模型UnifoLM-VLA-0以及世界模型与动作结合的产品;最近,宇树又开始尝试将GPT-6 Astra用于机器人实验。
王兴兴举的两个例子很具体:在没有事先编写复杂程序的情况下,仅通过提示词,机器人就能完成绘画;机器人不仅识别棋盘,还能将棋子精准放在相应位置。他强调,这些实验都是在零训练的条件下完成的。智元机器人也在探索类似方向,近日其团队发布论文,核心是把会聊天的大模型与能执行动作的机器人身体打通,模型不仅理解语言指令,还能调用机器人的身体完成指向真实物体、身体动作和面部表情等任务。
这就回到标题里那个“预言”。当世界模型成为具身智能的热门方向时,梁文锋对这条路线显得相对克制;他更看重通用模型本身的能力进化,将其视为通往AGI的主线。在其构想中,Agent之后要先解决AI模型的持续学习能力,再到能自我迭代的奇点,然后才是具身智能。换句话说,他希望先把通用模型做得足够强,再让这种能力延伸到物理世界。
需要说清楚的是,这种相似性是路径判断上的相似,不是因果上的印证。OpenAI的调整是基于自己模型的实测结果,梁文锋的判断来自另一套路线构想,两者恰好指向同一个方向,但不能说前者“验证”了后者,更不能说后者“预测”了前者。
技术路线的更替也没有那么简单。过去几年,具身智能的主流路线经历过几次变化,从VLA模型到世界模型,再到通用大模型,但从未有谁真正取代谁。VLA即视觉-语言-动作模型,让模型同时处理摄像头画面和人类指令,再将理解结果转化为机器人动作;2023年7月,Google DeepMind发布的RT-2就属于这条路线的早期代表。VLA的问题在于缺乏泛化能力与自主性,机器人难以适应复杂的现实环境。
视频生成模型的出现,被视为可能取代VLA。2024年2月OpenAI发布Sora时,技术报告中提出大规模视频训练成为构建物理世界模拟器的路径;互联网中大量人类活动视频记录了如何拿东西、搬东西、走路,如果模型能从中学到物体运动、空间关系和动作后果,就有机会迁移到机器人身上。但视频生成不等于能控制机器人,行业于是尝试把世界预测与动作生成结合,形成世界动作模型;而世界模型模拟出来的物理过程,也未必能在现实环境中准确复现。
到Astra之后,才出现了新的可能:通用大模型能否直接承担任务理解、规划和决策?一个研究项目HomeBody提供了案例,它试图回答的是,如果通用大模型足够聪明,机器人还需不需要VLA模型作为大模型和身体之间的中间层;其结论是在一定任务范围内可以不需要。研究人员将GPT-6 Astra接入宇树G1人形机器人,让机器人直接调用预先构建的技能库,进入没见过的厨房后,根据人类指令完成了整理和物品寻找。
把这篇里能对上的数字与时间点归一处:AA-Robotics v0.1中GPT-6.2 Astra得79分、完成8项任务中的6项,Sol得78分;Robocurve实机测试抓取任务成功率95%;RoboLab-120中直接控制方案成功率66.3%;RoboDojo Sim中Fable 5.2为64.9%、GPT-6 Astra为29.8%;11月13日报道OpenAI解散独立机器人团队,此前该部门今年6月成立、成立不到半年;9月发布GPT-6 Astra;2019年成立机器人团队、2020年解散;2024年与Figure AI合作、一年后结束。至于这些评测榜的长期可比性、机器人团队并入之后的具体分工,公开报道尚未说明,还有待后续信息。
以上就是【OpenAI印证了梁文锋的“预言”】有关内容,更多资讯请关注深港在线。