老实说，如果一周前有人跟我说，OpenAI 会亲自下场造人形机器人，我会觉得他大概喝多了——毕竟这家公司的全名，还叫 OpenAI，而非 OpenRobotics。
不过 10 月 18 日，山姆·奥特曼在播客里那段陈述，语气平静得像在念一份产品白皮书：OpenAI 正在自研人形机器人，主攻方向不是外壳，不是机械结构，而是驱动它运行的「AI 大脑」；计划 2027 年推出效果亮眼的演示样机，真正商业化还要数年后。
打开猫一眼——这条消息的真正含义，不在「2027」这个时间点，而在「大脑优先」这四个字。
把模型搬进躯壳：OpenAI 这九年走了两遍回头路
打开猫一眼，如果把 OpenAI 过去 9 年的硬件尝试摆开看，会发现这条路它已经走完了一整圈。
2017 到 2020 年，那只会复原魔方的 Dactyl 灵巧手，算是把业内「仿真训练 → 现实落地」这条路径第一次走通——今天回头看，Dactyl 最大的价值，不是那只机械手本身，而是让 OpenAI 内部明白了一件事：仿真和真实物理之间的差距，比想象中大得多；物理数据无法从互联网上爬到，只能一只机械手一只机械手去采集。这一笔学费，OpenAI 算交明白了。
2023 到 2025 年，OpenAI 改走「轻资产合作」路线：投资 1X，合作 Figure。OpenAI 输出模型，合作方造硬件，看似一个完美的分工，实际运行不到两年就发现，「外部大脑 + 第三方硬件」这条路线在量产方向上有难以调和的矛盾——Figure 2025 年分手，就是这种矛盾的第一次公开爆发。
所以 2026 年 6 月，OpenAI 终于挂出了 27 个机器人岗位，从机电执行器到嵌入式，从运动控制到仿真平台，几乎是把硬件的整条流水线重新搭了一遍。这件事的潜台词，被业内多数人低估了——它不是在「做机器人」，它是在补「自 2019 年以来缺的那门硬件工程课」。
打开猫一眼，如果把这条脉络连起来看，会发现 OpenAI 这家公司，从一开始就不相信「大脑可以外包」——今天这条路线，不是新选择，而是被两次失败逼出来的最终答案。这件事本身，跟凯文·凯利 1994 年在《失控》里就预见过的那条规律刚好一致：真正的智能系统，从来不是「完美躯体 + 聪明大脑」的拼装，而是从一开始就让大脑与身体一起进化。
为什么是「大脑优先」，而不是「身体优先」
其实，从工程角度讲，「大脑优先」是最反直觉的一种选择——也是唯一靠谱的选择。
你看啊，OpenAI 这几年做的每一件事，都是在押一个判断：决定系统上限的，从来不是执行机构，而是认知能力。GPT-4 之所以撼动整个 NLP 圈，不是它把句子写得更好，而是它在抽象层上理解了「理解」这件事。同样的道理，如果一个机器人只是机械臂更稳、电机扭矩更大，它依旧解决不了「拿起一只马克杯」这种最日常的事——这件事，需要识别、定位、规划、控制、力反馈，所有这些环节都要一个能「理解场景」的大脑在调度。
打开猫一眼，这个判断其实跟艾伦·图灵 1950 年那篇《计算机器与智能》的核心命题一脉相承——重要的不是机器能不能模仿人，而是机器能不能「思考」；把它放在机器人身上，就是：重要的不是它能不能走路，而是它能不能决定往哪儿走。
奥特曼自己那段话也讲得很坦率：即便躯体硬件完美，仍然要有一个能自主调度四肢的大脑。这句话如果翻译成更技术化的版本，就是「具身智能的本质问题不是电机学，而是表征学习」。
老实说，这种判断背后有一个更大的浪漫主义想象——我们不是在造一台会走路的服务器，而是在把一百年来人类关于「智能」的思考，从屏幕搬进物理世界。这件事的难度，大概需要再过 5 年才能完全显现——如果届时它还重要的话。
「降维打击」？对特斯拉、Figure、宇树意味着什么
老实说，这件事对特斯拉 Optimus 的影响，比多数人以为的要深。
你看，Optimus 这几年讲的故事，是「汽车供应链降本 + 量产能力 + 软件迭代」，核心壁垒是制造。这是马斯克传统长板——也是传统机器人公司能理解的剧本。但 OpenAI 这次明确走的是「模型定义硬件」，意味着 OpenAI 会在底层模型上，直接和特斯拉正在迭代的 Optimus 软件栈对撞。
打开猫一眼，这种对撞不是「OpenAI 抢特斯拉市场」这么简单——它会让所有硬件玩家的估值逻辑被重估一遍。一台 Optimus 现在的估值，要回答「它的大脑是不是全球最强的」；一旦回答不了，它的本体做得再好，也只是「聪明的硬件公司」，不是「机器人公司」。这是降维打击的另一面：不一定让你死，但让你必须回答一个你之前没答过的难题。
Figure 那一边，分手之后自己做了 Helix 端到端模型，理论上在做自洽——只不过它自带了一个限制：它没有 OpenAI 那种基础模型规模，端到端这条路，从一开始就需要海量物理动作数据，这是 Figure 目前最难造的硬墙。
国内这边，宇树、智元、优必选走的则是「本体优先 + 量产优先」，今年上半年全球销量前五全是中国企业。这种剧本跟 OpenAI 错位竞争，但同样有一个问题：中国的硬件公司，在「通用大脑」这一层，目前还没有 OpenAI 这种级别的对手。
中国这条腿，可能站得最稳
有意思的是，这条故事讲得最漂亮的部分，可能不是 OpenAI 这边，而是中国这条已经跑通的产业链。
打开猫一眼，就在 OpenAI 这条消息前后，弗若斯特沙利文的一份报告显示：2026 年上半年全球人形机器人销量 3.6 万台，已经超过 2025 年全年的 3.5 万台；收入前五，全部是中国企业；深圳南山「机器人谷」从核心零部件到整机制造，从软件算法到系统集成，完成一条完整产业链；前 8 个月，深圳机器人出口 111.3 亿元，同比增长 12.2 倍，产品销往全球 120 多个国家和地区。
这件事的潜台词很冷静：OpenAI 在讲「大脑」的故事，但要把大脑装进一具能走进家庭的躯体，最后能交付这件事的，可能不是硅谷，而是深圳。
打开猫一眼，这其实跟老子「无为而无不为」的逻辑一样——一个生态一旦把供应链、量产、迭代节奏全部跑通，它的天花板就不再由单一玩家决定，而是由整条生态的协同效率决定。中国这条腿，可能站得最稳。
更微妙的是人才，OpenAI 能开出别人给不了的薪水，把顶尖机器人学者挖过来，这比造一台样机更让同行紧张——同时，中国这条产业链能开出另一个硅谷给不出的价格：让方案在 2 周内从定制件打到样机交付。这是海外团队很难复制的硬实力。
数据飞轮还没转起来，2027 只是开始
老实说，真正值得关心的，不是 2027 那个演示本身，而是演示之后的事。
你看，演示是一个时间点，真正的考验是 2028 年往后——模型能不能在物理世界里保持稳定，数据飞轮能不能转起来，客户愿不愿意为「一个会端杯子的机器人」买单。这些问题，每一个都比 2027 年的演示难得多。
打开猫一眼，这其实是凯文·凯利在《失控》里另一个更重要的预言：分布式系统的真正韧性，不是来自完美的中心设计，而是来自无数节点的反复试错。机器人这件事，从第一天起，就注定不是「一次性做对」的故事，而是「无数次做错，再重新做」的故事。
所以，如果 OpenAI 2027 那天的演示让你感到震撼——那只是故事的开头；真正值得等的，是这家「机器人公司」能不能在 2030 年之后，仍然愿意把 80% 的成本压在「让机器人真正帮人端杯子」这件事上。
打开猫一眼，这件事的难度，大概需要再过 5 年才能完全显现——如果届时它还重要的话。
从账本到星辰：机器人这件事从来不是财报的故事
说到底，人形机器人这件事，从来不是一个季度的财报能讲完的。
OpenAI 这家公司，从第一天起，目标就不是 IPO，而是把智能从屏幕搬进物理世界——当然，2027 年之后它还得先把机载算力的电费结清。
至于这笔账最后谁来结，老实说，这件事技术含量并不高；难得的是，它恰好发生在 OpenAI 离开硬件整整 6 年之后的第 1 天。
打开猫一眼，这家公司从第一天起，目标就不是季度营收，而是把人类的「智能」这件事，从数字世界延伸到物理世界——你看，凯文·凯利在 1994 年那本《失控》里早就讲过：分布式系统的真正韧性，不是来自完美的中心设计，而是来自无数节点的反复试错。今天这件事，刚好是这句话 32 年后的工程脚注。
所以，你更看好大脑派，还是身体派？
这要等到 2030 年才会真正见分晓——而在此之前，我们可以让深圳那条已经跑通的腿，先帮 OpenAI 替那批样机，先把量产这一步走了。
这大概才是「OpenAI 决定只做机器人的大脑」这件事，真正浪漫的那一层。
