OpenAI با جذب گسترده نیرو، تحقیق و توسعه رباتیک را شتاب می‌بخشد
OpenAI با عبور از رویکرد «استفاده از مدل‌های بزرگ به عنوان مغز ربات» و ورود مستقیم به حوزه‌های سخت‌افزار، سیستم‌های کنترلی و فرآیندهای تولید، سرمایه‌گذاری خود را در بخش تحقیق و توسعه رباتیک افزایش می‌دهد. تا تاریخ ۱۹ اکتبر، OpenAI در وب‌سایت رسمی خود ۱۹ موقعیت شغلی مرتبط با حوزه «Robotics» منتشر کرده است که بخش‌های گوناگونی چون سیستم‌های کنترل ربات، مهندسی برق، محرک‌ها (Actuators)، طراحی موتور، خطوط تولید و سیستم‌های داده را در بر می‌گیرد. OpenAI در وب‌سایت رسمی خود اعلام کرده است که تیم رباتیک این مجموعه قصد دارد ربات‌های چندمنظوره‌ای با توانایی فعالیت در محیط‌های واقعی و پویا توسعه دهد و فرم‌های ساختاری متفاوتی را برای آن‌ها بیازماید. این شرکت در حال حاضر توسعه نرم‌افزار و سخت‌افزار رباتیک را به موازات هم پیش می‌برد و سامانه‌ای اختصاصی برای جمع‌آوری داده‌ها و آموزش ربات‌ها در محیط‌های واقعی ایجاد کرده است. بر اساس اطلاعات درج‌شده در آگهی استخدام مهندسان میدانی این شرکت، در حال حاضر چندین ایستگاه کاری رباتیک در محیط جمع‌آوری داده‌های OpenAI فعال هستند. Sam Altman، مدیرعامل OpenAI، در گفت‌وگو با یک پادکست. منبع: اسکرین‌شات ماه گذشته، Sam Altman، مدیرعامل OpenAI، در یک برنامه پادکست به روشنی اظهار داشت که این شرکت در کنار کاوش برای ساخت اشکال دیگر محصولات رباتیک، به حوزه ساخت ربات‌های انسان‌نما نیز وارد خواهد شد. Altman درباره جدول زمانی این طرح اعلام کرد که OpenAI امیدوار است تا سال ۲۰۲۷ یک نمایش فنی جالب‌توجه از ربات خود ارائه دهد، اما ورود واقعی و گسترده این تجهیزات به زندگی روزمره مستلزم زمان بیشتری خواهد بود. در واقع، ورود مجدد OpenAI به عرصه رباتیک از مدتی پیش کلید خورده بود. در ژانویه ۲۰۲۵، مدیر وقت بخش سخت‌افزار OpenAI رسماً از آغاز جذب نیرو برای نخستین جایگاه‌های شغلی سخت‌افزار رباتیک در این شرکت خبر داد. اکنون پس از گذشت بیش از یک سال، دامنه جذب نیرو در OpenAI به ساخت بدنه اصلی و فرآیندهای تولید کشیده شده است. موقعیت‌های شغلی اعلام‌شده شامل مهندسی سیستم‌های کنترل برای اجرای حرکات بی‌درنگ و هدایت یکپارچه دستگاه، مهندسی مکانیک و تولید برای ساخت موتورها و محرک‌های سفارشی، و همچنین عناوین شغلی مرتبط با تدارکات و مدیریت زنجیره تأمین ربات است. OpenAI در حال ورود به بازاری است که همین حالا نیز صحنه رقابت فشرده‌ای به شمار می‌رود. Tesla سال‌هاست که توسعه ربات انسان‌نمای Optimus را به پیش می‌برد و از کارخانه‌های خودروسازی، فناوری باتری، زنجیره موتور و تخصص تولید انبوه بهره می‌برد. شرکت‌های چین نیز روند صنعتی‌سازی و تولید گسترده ربات‌های انسان‌نما را پیگیری می‌کنند. در سپتامبر ۲۰۲۶، خط تولید خودکار ربات‌های XPENG فعالیت خود را آغاز کرد و نخستین ربات انسان‌نمای IRON پس از تکمیل مراحل مونتاژ، به‌طور خودکار از خط خارج شد؛ XPENG در صدد توسعه بیش از پیش تولید انبوه این محصول است. در قیاس با شرکت‌های فعال در صنایع خودرو و رباتیک که از ساختارهای تثبیت‌شده مهندسی و تولیدی برخوردارند، برتری اصلی OpenAI در شرایط کنونی کماکان به حوزه مدل‌های هوش مصنوعی محدود می‌شود. اخیراً بازدهی چشمگیر مدل GPT-6 Astra در اجرای وظایف هوش تجسم‌یافته (Embodied AI)، پیش‌بینی فعالان حوزه را نسبت به فرارسیدن نقطه عطف فناوری در این صنعت تقویت کرده است. در ۱۲ اکتبر، Wang Xingxing، بنیان‌گذار Unitree Robotics، اعلام کرد که این مجموعه مدل GPT-6 را برای انجام آزمون‌های متعدد به ربات‌های گوناگون متصل کرده و «بازخوردها بسیار امیدوارکننده بوده است». او تأکید کرد که نقطه عطف هوش تجسم‌یافته ممکن است طی یک یا دو سال آینده محقق شود و حتی پیش‌بینی کرد که انتشار GPT-7 در سال آینده بتواند چالش‌های بنیادین این حوزه را حل کند. Xu Huazhe، بنیان‌گذار 破壳机器人 نیز پیش‌تر ارزیابی کرده بود که GPT-6 Astra در عملکردهای مرتبط با درک معنایی و انطباق محیطی، ارتقای محسوسی یافته و قادر است اشیای روی سطوح را شناسایی کند، مکان آن‌ها را تشخیص دهد و فرآیندهایی نظیر گرفتن، چرخاندن و جابه‌جایی را انجام دهد؛ با این وجود، این مدل در وظایفی که درگیر تماس فیزیکی پیچیده و کنترل دقیق هستند—مانند استفاده از چوب غذاخوری، چیدن جعبه‌ها روی یکدیگر یا تا کردن لباس—همچنان ضعف‌های بنیادینی نشان می‌دهد. از دیدگاه او، مدیریت رفتارهای فیزیکی پیچیده قابلیتی به حساب می‌آید که مدل‌های زبانی بزرگ عمومی در حال حاضر نمی‌توانند جایگزین مدل‌های تخصصی هوش تجسم‌یافته شوند. با این همه، ربات‌های انسان‌نما صرفاً چالشی نرم‌افزاری نیستند. کارایی محرک‌ها، موتورها، قابلیت اطمینان کل سیستم، دوام باتری، بهینه‌سازی هزینه‌ها و امکان‌پذیری تولید در مقیاس بالا، موانع گریزناپذیری در فرآیند تجاری‌سازی هستند؛ حوزه‌هایی که OpenAI پیش از این تجربه چندانی در آن‌ها نداشته است.
