2026 年 9 月 4 日，北京时间清晨，OpenAI 正式对外发布了其最新的旗舰模型——GPT‑6 Astra。该模型使用超过 10 万块 GPU 在德州的 Stargate 基地完成训练，并在发布会结束时，公司总裁 Brett Brockman 说：“欢迎进入 AGI 时代”。相关报道可在 ARC Prize 官方博客《OpenAI's GPT6 Astra on ARCAGI3》中查阅（网址：arcprize.org/blog/astra）。
Astra 的发布会随后不久，Sam Altman 在一次播客访谈中透露，OpenAI “一定会制造人形机器人”，并计划在数据中心等场景研发其他形态的机器人。早在 6 月就已启动的机器人团队如今已经组建完毕，此前默默进行的世界模拟研究项目也已演变为 OpenAI Robotics。换句话说，OpenAI 不再仅仅是一家做软件的公司，它正向拥有硬件能力的智能体迈进。
Astra 在硬性指标上的表现
先看 Astra 在几个关键基准上的成绩。ARC‑AGI‑3 测试中，Astra 获得 99.9% 的得分，而上一代模型 GPT‑5.6 Sol 只得到 7.8%。ARC Prize 团队在后台日志中发现，Astra 在解题时会自动构建一种类似“符号世界模型”的过程——把抽象的图形规律转化为因果逻辑，在模型内部先进行推演验证，确保逻辑自洽后才执行操作。
在更高阶的数学挑战 FrontiersMath Tier 4 中，Astra 达到 97.6% 的通过率，基本上把一批研究级数学题“打穿”。在 OSWorld 2.0 操作系统任务集里，它的完成率为 72.6%，平均耗时从前代的 75 分钟压缩至 40 分钟。即便是漏洞利用测试 ExploitBench，Astra 也拿到了 100% 的得分，并在内部测试中自行发现了两个零日漏洞。
更重要的是，Astra 能够直接进入软件环境执行任务——编写代码、进行金融建模、制作 PPT 与电子表格，这些长周期、多步骤的活动它都能自行完成完整的工作流。
从数字世界到物理世界：Astra 的局限
尽管 Astra 在数字基准上表现卓越，但它的真正意义在于它将被用于哪个方向。过去的大模型擅长“回答问题”，而 Astra 擅长“操作”。它能够在软件环境中独立完成编程、建模、制作报告等完整工作流，OpenAI 将其定位为一种能够像人一样操作软件、贯通整个工作流的智能体。一旦具备了软件操作能力，下一步自然就是在物理硬件上进行操作。
OpenAI 为何现在要进军机器人领域
Astra 在数字世界的强大能力，正好为 OpenAI 的机器人计划提供了技术底座。Astra 所使用的符号世界模型本质上是一种在虚拟空间中理解因果与物理规律的能力。将其迁移到真实世界只能是时间问题。Altman 直言，人类社会的环境是围绕人体设计的——门把手的高度、电脑的使用方式、设备的操作习惯，都是以人形为基准的。因此，人形机器人是最为自然的路径。
事实上，OpenAI 并不是第一次尝试机器人研发。2016‑2019 年，公司曾研发过 Dactyl，这是一只灵巧手机械臂，能够复原魔方。2020 年左右，机器人团队被解散，资源全部转向大语言模型。创始人扎·兰斯巴姆（Zachary Bacom）曾解释说，机器人需要大量的物理交互数据，而这些数据昂贵且难以获取；相对而言，互联网上的文本和图片资源丰富得多。把研发投入砸向语言模型能够获得的数据规模，是机器人所需数据规模的千倍万倍。那段决定的成功也让 OpenAI 成为全球最具影响力的 AI 公司之一。
回顾过去，这一策略是对的。ChatGPT 把 OpenAI 推上了 AI 行业的巅峰，但公司并未彻底离开机器人赛道，只是改变了玩法——通过基金对外投资 1X Technologies、Figure AI 等企业，间接布局具身智能。
转折点：2025 年的自研决定
转折发生在 2025 年。Figure AI 的创始人阿德考克（Adar Cochran）单方面宣布终止与 OpenAI 的合作，决定自行打造端到端的机器人 AI 模型。其理由直白：“要大规模实现具身智能，就必须垂直整合，AI 不能外包，硬件也不能外包”。随后，OpenAI 在六年后重新启动了人形机器人项目，认为时机成熟。
换言之，仅仅通过投资他人造身体、自家只装大脑的模式行不通。大语言模型处理的是符号，而机器人必须理解物理世界。语言可以描述世界，却无法替代直接的感知。如果要让 AI 真正领会物理规律，必须亲自动手。
于是，2025 年底，OpenAI 在旧金山悄然设立了一个人形机器人实验室。起初实验室大约有 100 名数据采集员，到 2026 年已经扩张至原来的四倍以上。世界模拟研究项目也逐步演化为 OpenAI Robotics，由 DALL·E 与 Sora 的核心开发者 Aditya Ramesh 负责。到 9 月时，旧金山地区关于机器人的招聘岗位已经发布 19 个，涵盖电机设计、传动系统、传感器、热管理、可制造性评估等全链条职位。
OpenAI 的路线图十分清晰：短期聚焦于辅助性技术工人，用于基础设施建设——如数据中心、电网、工厂；长期目标是让每个人都拥有一台个人机器人。
大脑快、身体慢的现实挑战
Astra 虽强，却仍有一个根本性难题——物理世界的数据严重不足。机器人需要触觉、力觉、关节轨迹、物体力学等交互数据。截至 2026 年初，全球可用的真实物理交互数据仅约 50 万小时，而实现通用自主能力所需的数据量至少在千万小时量级。因此，现有数据缺口超过 99%。
即使拥有高效的符号模型，Astra 在虚拟沙盘中可以无限推演，但在真实硬件执行时仍会受限。执行器的误差、传感器噪声、供应链良率等都是物理层面的问题，单靠算法无法解决。这就是行业常说的"Sim-to-Real"鸿沟：虚拟环境中的完美推演，一旦落地到真实世界，往往因为微小的物理偏差而失效。
OpenAI 对此心知肚明。Altman 在播客中明确承认，家用机器人并非“当务之急”，基础设施和制造业才是优先方向。他还特别强调，硬件研发周期远长于大模型迭代速度。这意味着，即使 Astra 的大脑能瞬间完成复杂推理，其搭载的“身体”可能还需要数年才能跟上节奏。
市场冷静的信号
市场反应比 OpenAI 的表态更为直接。Polymarket 预测数据显示，特斯拉 Optimus 在 2026 年底前完成商业发布的概率已降至 5%。一个月前，这一数字还是 33%。短短三十天内蒸发 28 个百分点，这并非情绪波动，而是市场重新评估了“量产”二字的真实难度。
Polymarket 的规则非常严格：判定“是”的唯一标准，是特斯拉必须在 2026 年 12 月 31 日之前向公众开放直接购买、预购或定金支付。内部测试、工厂部署、员工专属使用均不算数。然而，弗里蒙特的产线至今仍在安装调试中。马斯克本人也承认，人形机器人量产是“特斯拉史上最难的制造爬坡”。摩根大通等机构也暗示，量产时间表可能进一步推迟。
Altman 强调硬件周期长，而 OpenAI 自己的机器人项目至今连发布时间表都未公布。特斯拉已深耕多年，市场对其 2026 年商用的信心已降至冰点。这给所有参与者泼了一盆冷水：别神话世界模型。虚拟沙盘里跑得再顺，真实世界的物理约束不会因为模型聪明就消失。执行器的精度、传感器的噪声、供应链的良率——这些都是硬骨头，算法解决不了。
通往 AGI 的最后一道坎
OpenAI 从纯软件走向物理世界，逻辑上顺理成章。GPT‑6 Astra 在数字世界证明了理解因果的能力，下一步就是在物理世界兑现。但现实是：大脑跑得快，不代表身体也能跑得快。世界模型可以在虚拟环境里无限推演，真实世界的执行器、供应链、制造工艺——这些都是以年为单位计的物理时间。
Astra 能在软件里独立完成金融建模，让它拧一颗螺丝——那完全是另一回事。机器人的“大脑”迭代速度已经很快了，但“身体”还没跟上。这可能是通往 AGI 的路上最难跨的一道坎。OpenAI 的硬件团队，目前刚招满 19 个人。从 10 万块 GPU 的算力爆发，到 19 人的硬件初创团队，OpenAI 正试图跨越那道最深的鸿沟。