文 | 具身商业前哨
美国的机器人行业正在发生一次深刻的角色转换。
过去几年，这个行业绝对的主角是 Figure、1X、PI 和波士顿动力。但最近半年，下场做机器人的，已经远远不只是传统的机器人公司了。
日前，OpenAI 首席执行官山姆 · 奥特曼公开为新团队 "OpenAI Robotics" 大规模招揽人才，岗位从仿真环境、数据采集再到电气工程与执行器设计。OpenAI 试图通过大脑与硬件的协同设计，去定义未来物理 AI 的标准。
而特斯拉则在继续稳步推进 Optimus 的量产。为此，马斯克按计划关停了加州弗里蒙特工厂的 Model S 和 Model X 生产线，将腾出来的车间彻底改造成 Optimus 人形机器人的量产基地。
如果把这三家做的事情放在同一张产业图里，会发现美国正在物理 AI 领域祭出三套截然不同的基础设施范式：英伟达在打造通用的虚拟训练场与芯片底座，OpenAI 在尝试软硬件协同的全栈 AI 进化，而特斯拉则在用汽车级的供应链确立工业制造的终端标准。
这才是海外机器人加速最值得警惕的地方。美国不是只多了几家机器人公司，而是开始试图建立一套属于自己的物理 AI 规则。
英伟达要打造机器人版的 CUDA
随着 AI 战火逐渐从数字世界走向物理世界，英伟达在具身智能领域的战略已经彻底浮出水面：构建全栈基础设施，垄断物理 AI 时代的 " 铲子 " 市场。
过去几年，英伟达的 Jetson AGX Orin 几乎成为了智能机器人的标配大脑。但黄仁勋显然不再满足于只提供单一的芯片。
在 PC 和服务器时代，英伟达最大的成功不是单纯卖 GPU，而是通过 CUDA 建立了难以逾越的开发生态。OpenAI、Meta、谷歌可以买不同的芯片，也可以训练不同的模型，但它们很难绕开英伟达制定的规则体系。
芯片是硬件，CUDA 是规则。建立一套难以逾越的规则，比打造一个成功的硬件产品更可怕。
到了机器人时代，英伟达正在复制同样的路径。Isaac 负责机器人开发和仿真，Omniverse 负责数字孪生，Cosmos 负责世界模型，GR00T 则面向人形机器人的基础模型和数据管线。
这才是英伟达最擅长的平台生意。未来不管是 Figure、1X，还是国内的宇树、智元，只要机器人需要训练、仿真和推理，英伟达就有机会站在底层 " 收税 "。大模型消耗的是数据中心算力，而机器人消耗的则是从云端生成、虚拟仿真到边缘实时控制的完整算力体系。机器人越多，训练越复杂，英伟达的底座就越稳固。
OpenAI 要把机器人的大脑和身体绑在一起
ChatGPT 的成功让 OpenAI 拥有了世界上最强大脑之一，但这个大脑此前始终被困在屏幕里。所以对于 OpenAI 来说，机器人是让 AI 拥有了身体，可以把它的能力和价值向真实世界迁移。
早在 2018 年，OpenAI 就成立过机器人团队，并推出过 Dactyl 机器人手，完成了单手复原魔方的操作。但受限于当时物理数据的极度匮乏，最终团队在 2021 年解散，将全部精力投入到大语言模型的研发中。
事实证明那个战略后撤是正确的。语言模型可以吃下整个互联网的公开数据，但机器人不行。机器人要从物理世界里学习抓取、移动、避障和协作，每一步都要付出场地、设备损耗等真实的物理成本。
但是过去几年，OpenAI 也没有完全离开机器人。它领投 1X，与 Figure AI 相爱相杀，又投资明星公司 PI。这些动作构成了一个清晰信号：OpenAI 一直在观察机器人产业，只是在等待一个更合适的时间点。
如今这个时间点终于来了。GPT 系列模型让 OpenAI 拥有了强大的语言和推理能力，多模态模型让 AI 开始理解图像、视频和空间关系，世界模型和视频生成模型则进一步让 AI 具备了模拟物理世界变化的能力。
山姆 · 奥特曼称，" 短期，我们专注于机器人来支持熟练工人构建我们未来的基础设施；长期，我们设想每个人都拥有一个个人机器人，为他们完成任何所需的事情。"
特斯拉正在批量制造标准化的机器人
作为最早把人形机器人放到公众视野中的玩家，Optimus 过去长期被质疑是马斯克的又一次宏大叙事。但随着行业发展，特斯拉的特殊性反而越来越清楚——它是全球极少数同时拥有顶级 AI 算法、自研芯片、自动驾驶供应链和超大规模汽车制造体系的工业巨头。
从某种意义上说，Optimus 是特斯拉制造体系的延伸。如果说 OpenAI 解决的是机器人会不会思考的问题，英伟达解决的是机器人如何学习的问题，那么特斯拉就是在证明机器人能像汽车一样被工业化制造。
马斯克对 Optimus 的想象一直不是小批量的实验室展示，而是年产 100 万台的大规模生产。只要这条路径跑通，人形机器人就会第一次真正变成标准工业品。
相比模型和训练平台，制造能力更慢，也更难速成。新能源汽车已经证明过这一点，真正改变产业格局的，是规模化制造和由海量真实使用反哺出来的数据飞轮。
今天的人形机器人很像十年前的电动车，而特斯拉最可怕的地方就在于，它太熟悉这条降本重构的路了。
中美机器人发展路线的分野
把 OpenAI、英伟达和特斯拉放在一起看后，才发现在这场基础设施和规则制定的竞争中，中国与美国在人形机器人上的发展路径，正在形成两条截然不同的分野。
中国路线是一场极其务实的场景阵地战。依托强大的供应链制造优势和极为丰富的产业场景，中国公司更强调 " 先动起来，先干活，能养家 "。
例如宇树通过 G1 这样低至 9.9 万元人民币的产品强行冲量，拉低门槛；优必选、星动纪元则选择直接挺进汽车工厂和仓储物流一线，让机器人在拧螺丝、分拣包裹的具体任务里去打工。
大家最兴奋的指标是 " 量产规模是否过万 " 以及 " 单机成本能否压到 10 万元以内 "。这是一种典型的从 " 工业终端向规模制造沉淀数据 " 的逆向路径。
相比之下，美国路线更强调先在虚拟世界里建立一套规则。
英伟达、OpenAI 以及 Physical Intelligence 更加强调大脑的发展。基于技术范式的选择和高昂的人力成本，它们选择在云端虚拟出成千上万个混乱、未知的极限环境，让机器人的智能在虚拟世界里完成了闭门演练。
同时，北美创投圈给出的高估值和对颠覆性技术的容错度，也让他们更有底气去赌这种从规则向物理延伸的顺向路径。
这正是中美机器人战争最深层的分野：中国公司在拿真金白银的硬件和场景去换数据，每一步都要面临硬件损坏、场景非标的现实痛点；而美国巨头则试图用无尽的算力在云端合成数据，在虚拟世界里先把规则制定好。
因此，中国公司真正需要警惕的，不是某一家海外机器人公司跑得多快，而是当 OpenAI 开始寻找身体、英伟达开始出售训练场、特斯拉开始建设机器人工厂时，我们面对的竞争对手，可能已经不再是单打独斗的某家初创企业，而是一个由美国科技巨头高度绑定的物理 AI 生态系统。
机器人行业最大的变化，已经不是谁能造出更漂亮的机械结构，而是谁能定义机器人产业未来的规则。这场战争争夺的不是机器人本体，而是机器人时代的标准和话语权。
