OpenAI、英偉達和特斯拉同時加碼人形機器人，一個新的Physical AI生態正在形成。未來行業最大的競爭是誰定義了機器人時代的規則。

美國的機器人行業正在發生一次深刻的角色轉換。

過去幾年，這個行業絕對的主角是Figure、1X、PI和波士頓動力。但最近半年，下場做機器人的，已經遠遠不只是傳統的機器人公司了。

日前，OpenAI首席執行官山姆·奧特曼公開為新團隊“OpenAI Robotics”大規模招攬人才，崗位從仿真環境、數據采集再到電氣工程與執行器設計。OpenAI試圖通過大腦與硬件的協同設計，去定義未來物理AI的標準。

與此同時，英偉達也亮出了機器人領域的全家桶，推出Isaac GR00T人形機器人參考平臺，還將專為人形機器人打造的計算平臺Jetson Thor、世界基礎模型平臺Cosmos，以及實時3D物理仿真與數字孿生平臺Omniverse串聯在了一起。

而特斯拉則在繼續穩步推進Optimus的量產。為此，馬斯克按計劃關停了加州弗里蒙特工廠的Model S和Model X生產線，將騰出來的車間徹底改造成Optimus人形機器人的量產基地。

如果把這三家做的事情放在同一張產業圖里，會發現美國正在物理AI領域祭出三套截然不同的基礎設施范式：英偉達在打造通用的虛擬訓練場與芯片底座，OpenAI在嘗試軟硬件協同的全棧AI進化，而特斯拉則在用汽車級的供應鏈確立工業制造的終端標準。

這才是海外機器人加速最值得警惕的地方。美國不是只多了幾家機器人公司，而是開始試圖建立一套屬于自己的物理AI規則。

英偉達要打造機器人版的CUDA

隨著AI戰火逐漸從數字世界走向物理世界，英偉達在具身智能領域的戰略已經徹底浮出水面：構建全棧基礎設施，壟斷物理AI時代的“鏟子”市場。

過去幾年，英偉達的Jetson AGX Orin幾乎成為了智能機器人的標配大腦。但黃仁勛顯然不再滿足于只提供單一的芯片。

在PC和服務器時代，英偉達最大的成功不是單純賣GPU，而是通過CUDA建立了難以逾越的開發生態。OpenAI、Meta、谷歌可以買不同的芯片，也可以訓練不同的模型，但它們很難繞開英偉達制定的規則體系。

芯片是硬件，CUDA是規則。建立一套難以逾越的規則，比打造一個成功的硬件產品更可怕。

到了機器人時代，英偉達正在復制同樣的路徑。Isaac負責機器人開發和仿真，Omniverse負責數字孿生，Cosmos負責世界模型，GR00T則面向人形機器人的基礎模型和數據管線。

英偉達的目的很純粹：讓機器人公司在自家的平臺上完成仿真、訓練、測試、部署和迭代。對于科研團隊和開發者來說，這套全棧式的工具鏈極大地降低了開發門檻，但也預示著機器人領域的CUDA正在加速來臨。

這才是英偉達最擅長的平臺生意。未來不管是Figure、1X，還是國內的宇樹、智元，只要機器人需要訓練、仿真和推理，英偉達就有機會站在底層“收稅”。大模型消耗的是數據中心算力，而機器人消耗的則是從云端生成、虛擬仿真到邊緣實時控制的完整算力體系。機器人越多，訓練越復雜，英偉達的底座就越穩固。

OpenAI要把機器人的大腦和身體綁在一起

ChatGPT的成功讓OpenAI擁有了世界上最強大腦之一，但這個大腦此前始終被困在屏幕里。所以對于OpenAI來說，機器人是讓AI擁有了身體，可以把它的能力和價值向真實世界遷移。

早在2018年，OpenAI就成立過機器人團隊，并推出過Dactyl機器人手，完成了單手復原魔方的操作。但受限于當時物理數據的極度匱乏，最終團隊在2021年解散，將全部精力投入到大語言模型的研發中。

事實證明那個戰略后撤是正確的。語言模型可以吃下整個互聯網的公開數據，但機器人不行。機器人要從物理世界里學習抓取、移動、避障和協作，每一步都要付出場地、設備損耗等真實的物理成本。

但是過去幾年，OpenAI也沒有完全離開機器人。它領投1X，與Figure AI相愛相殺，又投資明星公司PI。這些動作構成了一個清晰信號：OpenAI一直在觀察機器人產業，只是在等待一個更合適的時間點。

如今這個時間點終于來了。GPT系列模型讓OpenAI擁有了強大的語言和推理能力，多模態模型讓AI開始理解圖像、視頻和空間關系，世界模型和視頻生成模型則進一步讓AI具備了模擬物理世界變化的能力。

OpenAI的機器人團隊由DALL·E的核心創造者Aditya Ramesh帶隊。從放出的崗位來看，執行器設計工程師、電氣工程師、控制系統軟件工程師等硬件核心崗位的出現，證明了他們要走的是一條硬件與AI研究“協同設計”的全棧路線。為了搶奪這批人才，OpenAI直接開出了45萬美元級別的頂配基礎年薪。

山姆·奧特曼稱，“短期，我們專注于機器人來支持熟練工人構建我們未來的基礎設施；長期，我們設想每個人都擁有一個個人機器人，為他們完成任何所需的事情。”

特斯拉正在批量制造標準化的機器人

作為最早把人形機器人放到公眾視野中的玩家，Optimus過去長期被質疑是馬斯克的又一次宏大敘事。但隨著行業發展，特斯拉的特殊性反而越來越清楚——它是全球極少數同時擁有頂級AI算法、自研芯片、自動駕駛供應鏈和超大規模汽車制造體系的工業巨頭。

從某種意義上說，Optimus是特斯拉制造體系的延伸。如果說OpenAI解決的是機器人會不會思考的問題，英偉達解決的是機器人如何學習的問題，那么特斯拉就是在證明機器人能像汽車一樣被工業化制造。

馬斯克對Optimus的想象一直不是小批量的實驗室展示，而是年產100萬臺的大規模生產。只要這條路徑跑通，人形機器人就會第一次真正變成標準工業品。

相比模型和訓練平臺，制造能力更慢，也更難速成。新能源汽車已經證明過這一點，真正改變產業格局的，是規模化制造和由海量真實使用反哺出來的數據飛輪。

今天的人形機器人很像十年前的電動車，而特斯拉最可怕的地方就在于，它太熟悉這條降本重構的路了。

中美機器人發展路線的分野

把OpenAI、英偉達和特斯拉放在一起看后，才發現在這場基礎設施和規則制定的競爭中，中國與美國在人形機器人上的發展路徑，正在形成兩條截然不同的分野。

中國路線是一場極其務實的場景陣地戰。依托強大的供應鏈制造優勢和極為豐富的產業場景，中國公司更強調“先動起來，先干活，能養家”。

例如宇樹通過G1這樣低至9.9萬元人民幣的產品強行沖量，拉低門檻；優必選、星動紀元則選擇直接挺進汽車工廠和倉儲物流一線，讓機器人在擰螺絲、分揀包裹的具體任務里去打工。

大家最興奮的指標是“量產規模是否過萬”以及“單機成本能否壓到10萬元以內”。這是一種典型的從“工業終端向規模制造沉淀數據”的逆向路徑。

相比之下，美國路線更強調先在虛擬世界里建立一套規則。

英偉達、OpenAI以及Physical Intelligence更加強調大腦的發展。基于技術范式的選擇和高昂的人力成本，它們選擇在云端虛擬出成千上萬個混亂、未知的極限環境，讓機器人的智能在虛擬世界里完成了閉門演練。

同時，北美創投圈給出的高估值和對顛覆性技術的容錯度，也讓他們更有底氣去賭這種從規則向物理延伸的順向路徑。

這正是中美機器人戰爭最深層的分野：中國公司在拿真金白銀的硬件和場景去換數據，每一步都要面臨硬件損壞、場景非標的現實痛點；而美國巨頭則試圖用無盡的算力在云端合成數據，在虛擬世界里先把規則制定好。

因此，中國公司真正需要警惕的，不是某一家海外機器人公司跑得多快，而是當OpenAI開始尋找身體、英偉達開始出售訓練場、特斯拉開始建設機器人工廠時，我們面對的競爭對手，可能已經不再是單打獨斗的某家初創企業，而是一個由美國科技巨頭高度綁定的物理AI生態系統。

機器人行業最大的變化，已經不是誰能造出更漂亮的機械結構，而是誰能定義機器人產業未來的規則。這場戰爭爭奪的不是機器人本體，而是機器人時代的標準和話語權。