Как сообщает Fortune, OpenAI заранее забронировала выставочный стенд на конференции Conference on Robot Learning (CoRL) в Остине, который в итоге остался пустым. Это визуальное отсутствие отразило экстренную внутреннюю реструктуризацию: OpenAI снова расформировывает свое подразделение робототехники, отказавшись от логики, которой руководствовалась при уходе с этого направления в 2020 году. Вместо полного отказа от физических машин организация рассчитывает ускорить разработку робототехники за счет слияния профильных специалистов с более широкими инженерными группами. Исследователи робототехники переводятся в команду фундаментальных исследований под руководством главного научного сотрудника Марка Чена (Mark Chen), а подразделения прикладной робототехники и аппаратного обеспечения входят в организацию Applied под началом Грега Брокмана (Greg Brockman).
Как ранее объяснял сооснователь OpenAI Войцех Заремба (Wojciech Zaremba), компания закрыла свой первый дивизион робототехники в 2020 году из-за дефицита необходимых обучающих данных и уверенности в том, что большие языковые модели представляют собой более быстрый путь к общему искусственному интеллекту. В 2024 году подразделение собрали заново, однако сейчас компания находится под жестким финансовым давлением: необходимо сконцентрировать ресурсы на базовом софтверном бизнесе, где позиции стартапа заметно потеснил конкурент Anthropic. Руководство OpenAI исходит из гипотезы, что унифицированные универсальные модели, такие как GPT-6 Astra, способны управлять физическими механизмами напрямую, что нивелирует коммерческую целесообразность содержания отдельных специализированных ИИ-команд.
В исследовании Nvidia агент на базе Astra продемонстрировал 74,8% успешных выполнений задач в симуляции робототехники против 51% у лучших специализированных моделей.
Этот бенчмарк указывает на то, что мультимодальные базовые модели способны координировать сложные механические действия без изолированного управляющего софта. Для инженерного менеджмента это меняет логику аллокации капитала: средства перенаправляются от узкопрофильных систем автоматизации в обучение универсальных фундаментальных моделей.
Сравнение производительности с узкоспециализированными системами
Фактические данные, на которые опирается эта структурная перестройка, получены преимущественно в недавних тестовых средах. Хотя агент под управлением Astra показал результативность в 74,8% в тестах Nvidia против 51% у ведущих узких систем, бенчмаркинг проводился на виртуальном роботе DROID, а не на реальном железе. Другие комплексные тесты демонстрируют как текущие возможности, так и сохраняющиеся эксплуатационные ограничения передовых моделей. В бенчмарке StationeryBench исследователи сопоставили GPT-6 Astra с моделью MolmoAct2 от Ai2 в пяти задачах манипулирования офисными предметами с помощью двуручного робота YAM. Из 200 попыток Astra полностью завершила лишь 7 из 100 задач, тогда как MolmoAct2 не справилась ни с одной. Средний балл прогресса у Astra составил 46 пунктов против 12 у MolmoAct2.
Демонстрации выходят за рамки манипуляций на столе: в другом испытании Astra, развернутая на гуманоидном роботе, ориентировалась и проводила уборку на кухне. Йоав Арци (Yoav Artzi), исследователь в области ИИ из Корнеллского университета и Google DeepMind, охарактеризовал Astra как качественный скачок в пространственном восприятии. В неопубликованном тесте REMAP модель GPT-6 Astra достигает точности, сопоставимой с человеческой, утверждает Арци, предполагая, что OpenAI обучала архитектуру на гигантских массивах трехмерных данных, включая сцены Blender. Точный объем робототехнических данных, использованных OpenAI и конкурирующими лабораториями на этапе предобучения, остается неизвестным, хотя универсальные архитектуры соперников из Anthropic и Google также показывают документированный прогресс в механических операциях.
Эксплуатационные ограничения генерализованных моделей
Стратегический маневр опирается на расчет: общие модели возьмут на себя моторный контроль с меньшими совокупными затратами на разработку, чем содержание обособленных хардверных команд. Однако специализированные робототехнические модели по-прежнему сохраняют операционные преимущества по стоимости развертывания, скорости отклика, системной надежности и энергопотреблению, пусть даже их способность к контекстной генерализации ограничена.
Специализированные модели для робототехники все еще могут превосходить универсальные по себестоимости, надежности, скорости работы и энергопотреблению, несмотря на худшую генерализацию.
Бюджеты промышленной автоматизации жестко завязаны на предсказуемую задержку, лимиты энергопотребления на периферийных устройствах (edge power constraints) и субмиллиметровую точность. В этих сценариях передовые модели, требующие массивных облачных вычислений для инференса, сталкиваются с непреодолимыми экономическими ограничениями.
Генеральный директор OpenAI Сэм Альтман (Sam Altman) наметил первую публичную демонстрацию робота на 2027 год, сохраняя долгосрочную цель наладить выпуск собственных потребительских роботов. Интеграция хардверных специалистов в централизованные исследовательские подразделения под началом Марка Чена и Грега Брокмана сокращает накладные расходы компании, вынужденной защищать долю рынка софта от Anthropic. Слияние управления моторикой с монолитными мультимодальными пайплайнами снижает текущие R&D-затраты. Однако корпоративное внедрение неизбежно забуксует, если колоссальные энергетические аппетиты инференса и незавершенные циклы операций перевесят архитектурную элегантность управления производством из единого облачного ядра.
Что за этим стоит
Ставка на всеядный софт снова откладывает появление надежных физических роботов ради гонки за базовыми моделями. Финансовый прессинг и давление со стороны Anthropic вынудили OpenAI свернуть обособленную группу ради GPT-6 Astra, повторив кадровые перестановки в попытке решить задачу силами команд фундаментальных исследований Марка Чена и прикладной инженерии Грега Брокмана. В виртуальном мире симуляций Nvidia модель показывает высокий результат, но в реальности физическое железо сразу срезает эту эффективность: в тестах со стационарным роботом система довела до конца лишь единичные манипуляции. Размен узких инженеров на общую модель экономит бюджет в борьбе за софтверный рынок, но оставляет разрыв между красивыми бенчмарками в симуляциях и работой в реальном мире.
Наши материалы: OpenAI: Кадровые перестановки и их влияние на AI-разработки (7 апреля).