Sam Altman

据 Engadget 10 月 17 日报道（https://www.engadget.com/2285040/openai-humanoid-robot-sam-altman-statement-real-challenge/ ），OpenAI 首席执行官 Sam Altman 在自家 Sources 播客中确认，公司正在研发人形机器人，并表示我们会做的，未来几年内会拿出很酷的演示产品。新浪科技 10 月 18 日的中文转述（https://k.sina.com.cn/article_1191258230_46f11755600101s99n.html ）补充了关键分工，Altman 认为机器人的头脑比身体更难，物理形态是最容易解决的部分，真正的挑战在于如何把 GPT 这样的认知能力迁移到现实世界。 播客里 Altman 给出的近期目标是先在基础设施领域替代熟练工种，比如需要长期训练的设备维护、巡检和操作岗位，长期愿景则是把机器人变成家庭里的个人助手。公司已经公开挂出 27 个机器人相关岗位，覆盖运动控制、状态估计、执行器控制、全身行为、机械学习基础设施等方向。Altman 同时回顾了 OpenAI 在机械臂 Dactyl 上的历史探索，强调从零搭建感知、认知、运动的完整闭环才是当下要补的课。 认知迁移到物理世界到底难在哪里？ 大模型在数字世界里处理的是文本和图像，错误一次重来一次成本极低；机器人在物理世界里每一步动作都有不可逆后果，碰撞一次就可能损坏设备或伤人。从数字推理到实时控制，中间隔着感知融合、状态估计、力矩控制、安全边界等一整套工程问题，而这些问题过去由机器人公司积累了几十年，大模型团队并没有现成答案。 Altman 说头脑比身体难，意思是不缺造硬件的供应链，缺的是能把语言理解转换成连续动作序列的控制策略。数字世界里的推理以秒为单位出错率可以接受，机器人的反馈回路必须以毫秒为单位闭环，模型生成的意图还要经过执行层翻译成关节运动，这中间的落差正是当前具身智能最厚的技术壁。 2027年可演示样机的时间表有多少把握？ 播客里的 cool demo 是一个很轻的承诺，不等于量产，也不等于商用落地。OpenAI 的历史节奏是先拿出有视觉冲击力的演示建立资本和公众预期，再用多年时间消化工程问题，Dactyl 机械臂之后隔了很多年才有今天的机器人团队扩招。2027 年的样机大概率对应受控场景下的固定任务演示，距离工厂量产和家庭服务都很远。 招聘信息比时间表更能看出真实进度，27 个岗位集中在底层控制系统而不是应用层，说明团队还在搭认知与身体连接的地基阶段，离产品定义都还有距离。对围观者来说，把演示预期和量产节奏分开，才不会被 cool demo 的镜头语言带着高估落地速度。 OpenAI下场会不会改写人形机器人的竞争格局？ 目前人形机器人赛道已经有 Tesla Optimus、Figure、1X、国内宇树与智元等多条路线，多数玩家从硬件本体和特定场景切入。OpenAI 的牌面是通用认知模型和海量数据，如果它能把基座模型的世界模型能力迁移过来，差异点在大脑而不是关节。但反过来，机器人的成本、供应链和现场调试，恰恰是纯软件团队的短板，Altman 自己也承认物理形态最容易，说明硬件不是它的护城河。 更现实的观察角度是，OpenAI 入场会拉高通用机器人叙事的资本预期，而不是立刻替代现有本体厂商。生态位更可能是供应认知层，与硬件厂商分工，而不是从整机到销售一家全包。 普通从业者该怎么看这波具身智能机会？ 机器人岗位的招聘方向已经给出信号，运动控制、状态估计、执行器这些传统机器人工程人才，第一次成为大模型公司直接争抢的对象，而不是只服务于本体厂。对工程师来说，跨进这扇门的钥匙是把控制工程经验与数据驱动方法结合，而不是从零学大模型；对投资人来说，演示节奏与量产节奏之间的落差，往往就是泡沫和价值的分界线。Altman 的确认是一个起点，不是终点。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论 💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com

9月12日：一封长文改变了对话 2026年9月12日，Anthropic CEO Dario Amodei发表长文**《We Must Pace the Frontier》（我们必须为前沿设速），核心主张是：前沿AI的发展节奏需要主动放缓1到2年**。 这一次，回应来得异常快： Sam Altman（OpenAI CEO）公开表示同意； 马斯克在X上一句"Dario is right"（达里奥说得对）； Amodei同时提出，邀请METR等独立评估机构的人员长期进驻企业内部，实时核查前沿模型的能力边界。 三家竞争最激烈的公司，在"要不要踩刹车"这件事上，第一次同时点头。这在AGI竞赛史上是头一遭。 “放缓1到2年"到底意味着什么 Amodei不是说"停止研发”。他的核心逻辑是： 当前沿模型开始参与自身改进（自动生成训练数据、自动调参、自动发现架构变体）时，能力增长的飞轮会自转。如果外部没有减速机制，社会——包括监管、安全评估、就业适应、国际规则——会跟不上技术曲线。放缓1到2年，是给社会一个消化期。 这不是技术判断，而是节奏判断：问题不在于AI能不能更强，而在于"强得太快"本身会制造系统性风险。 三个人的"同意"，温度并不相同 表面上是三人共识，仔细品，各有算盘： Amodei：主动者。Anthropic的企业文化就是安全优先，他最有动力把"安全"变成行业门槛——毕竟这正是Anthropic的差异化竞争力； Altman：微妙者。OpenAI刚把能力推上新高度，此时喊"放缓"，潜台词可能是"我们有自控力，所以别让政府来强制监管"； 马斯克：蹭热度者。嘴上赞同放缓，手上xAI的算力和模型迭代从未停过。 当竞争格局不变时，所有人嘴上的"我们一起慢一点"，都需要被打个问号。 METR长期进驻：从"事后审计"到"嵌入式监督" 倡议中最具操作性的一点，是邀请METR这类独立第三方评估组织长期驻场。这和传统审计完全不同： 事后审计：模型做完了、发布了，外部来查一查； 嵌入式监督：评估人员在训练过程中实时在场，随时看到能力曲线、随时叫停危险方向。 METR（Model Evaluation & Threat Research）是独立于任何一家厂商的AI能力评估机构。让它长期进驻，相当于在每辆赛车里装一个独立裁判，而不是只在终点线检查成绩。这是把"自律"变成了可验证的外部约束。 反对者的声音：刹车会不会刹错了方向？ 并非所有人都买账。反对者的论点很有力： 竞争不对称：如果美国公司主动放缓，而某些国家的实验室不放缓，全球领先地位可能易主； 放缓的代价：医疗、能源、气候这些领域，AI早一天突破，就早一天救人； “谁来定速”：如果减速规则由几家头部公司和其政府制定，会不会变成排挤中小竞争者的工具？ 这些质疑都成立。Amodei的回应是：真正的风险不是"发展慢一点"，而是"在毫无准备的情况下撞上失控拐点"。 与其赌社会能跟上，不如主动留出让社会适应的缓冲。 行业影响 独立评估成为准入：未来企业采购前沿模型，可能被要求提供METR这类机构的长期评估报告； 前沿模型分级：达到某个能力阈值的模型，可能需要类似"核材料许可"的使用审批； 合规成本抬升：中小模型公司可能付不起嵌入式监督的成本，行业集中度进一步上升。 展望：刹车是为了能一直跑 AGI竞赛像一场没有发车旗的接力赛。Amodei的倡议之所以重要，不在于它真的会让所有人停下，而在于它第一次把"我们要不要一起慢一点"摆上了正式谈判桌。 历史告诉我们，从原子能到生物技术，每一次强大技术的成熟，都经历过"狂奔—恐慌—规则"的循环。AI这一轮，似乎正在主动把"规则"提前带进狂奔之中。 至于是真减速还是姿态秀，未来6到12个月，看谁的训练集群真的降了功率，就知道了。关注AGI治理与前沿竞争的深度分析，欢迎访问guijiagi.com。 💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com