新智元报道

编辑：元宇

从OpenAI出走的前首席研究官Bob McGrew，没有去卷更聪明的大模型，而是杀进制造业工厂，要用AI为流水线机器装上「眼睛+大脑」。

2024年的硅谷，经历了OpenAI史无前例的高管离职潮。

现在回头看当年的人事巨震，你会发现这是一次硅谷顶尖AI人才的分流：

有人继续在「大模型」领域创业。比如OpenAI前CTO Mira Murati、联合创始人John Schulman，以及曾任OpenAI研究副总裁的Barret Zoph，他们共同创立Thinking Machines Lab，要打造多模态的通用AI系统；不过，Barret Zoph已于年初又回到OpenAI。

有人则押注「更安全的超级智能」，比如前首席科学家Ilya Sutskever，与伙伴创办了Safe Superintelligence。

而曾任OpenAI首席研究官的Bob McGrew，则做出了一个相对冷门的选择。

他联合创办了Arda，将AI带入制造业工厂，而不是继续投身大模型竞赛。

OpenAI前首席研究官、Arda联合创始人Bob McGrew

硅谷最强大脑

去真实工厂「拧螺丝」

McGrew的选择是想让大模型「脱虚向实」，把AI链接到物理世界，或者说打造一个全新的物理世界。

资本市场也对McGrew的选择展现出了前所未有的狂热。

Arda目前正以7亿美元的估值，融资7000万美元。

这轮融资由Founders Fund和Accel领投，Khosla Ventures和XYZ Venture Capital强势入局。

Arda这个名字带着一点极客式的浪漫。

它取自《指环王》中意为「世界」的虚构大陆，这一命名呼应了公司的目标：要把AI连接到物理世界。

当然，McGrew的「工厂情结」，并非临时起意。

他在OpenAI任职期间做过与机器人相关的物理任务训练。更早之前，他还是Palantir最早的一批员工之一。

Arda的联合创始人还有Adept AI前联合创始人Augustus Odena，此外还有Palantir早期老兵Jakob Frick与Alex Mark参与。

Arda的联合创始人、前Adept AI联合创始人、链式思考提示的发明者Augustus Odena

为钢铁巨兽装上「视觉中枢」与「大脑」

Arda正在开发一种专属的视频模型，作为Arda的AI和软件平台的一部分，将制造过程自动化起来。

视频模型

把监控探头变成AI眼睛

要让机器人在物理世界跑通闭环，Arda拿出的核心武器是它的视频模型。

这个视频模型，能够分析工厂车间的实时或录制视频，并据此训练机器人，使其能够在无需大量手动编码或预定义指令的情况下，自主学习和复制制造活动。

视频模型是Arda端到端软件的关键组成部分，通过将AI驱动分析与机器人控制系统集成，来简化自动化。

它有助于优化涉及机器和人类的流程，减少错误并提高生产线效率。

「人+机器」的自动化

但这还不是Arda的终极形态。

McGrew并没有把Arda定位成「机器人公司」，而是要统筹整个生产线上的「人与机器」。

Arda软件要做的，是把传统制造业割裂的环节彻底打通，完成端到端的彻底重构，让人类员工和拥有了大脑的机器，能够在同一条流水线上协同作业。

从最初的产品设计阶段AI就开始介入，验证这个设计到底是否具备「可制造性」，然后一路贯穿到最终的成品下线。

McGrew在OpenAI的研究

McGrew在OpenAI早期曾参与机器人方向研究，后升任首席研究官。

OpenAI机器人研究的代表项目包括Dactyl和「机器人手解魔方」，其核心是通过强化学习、大规模模拟训练以及域随机化等方法，让机器人在模拟环境中学习灵巧操控，并将能力迁移到真实世界。

这些研究展示了：复杂的物理操控任务并不一定需要为每一步手工编写规则，而可以通过数据驱动的训练方式获得更强的泛化能力。

资本为什么喜欢Arda的故事

Arda的横空出世，让华尔街的投资者们看到：这绝不仅仅是一场软件领域的革命，它很可能会直接冲击Rockwell Automation、Emerson等传统制造硬件巨头的饭碗。

资本青睐Arda的核心逻辑，在于其试图定义制造业的「操作系统（OS）」，从而实现从「单点工具」到「全栈大脑」的范式跃迁。

Arda的吸引力在于它不是卖一个点状功能（比如只做质检、只做预测性维护），而是把摄像头、机器人、工序、人员协作这些「现场事实」统一到一个平台里。

在资本眼中，Arda的潜力在于「软件定义制造」：它正利用物理世界的基础模型，将昂贵的专用硬件降维为通用的执行载体，从而在万亿级的传统工业版图中，重塑一套具备指数级增长潜力的底层架构。

熬过死亡「J型曲线」

现实的物理世界，往往比代码世界要复杂得多。

制造业引入AI的最大幻觉是：装上模型，生产率就会立刻上升。

MIT的一项研究认为，制造业引入AI的现实往往更像一条J型曲线：前期先下滑，熬过去才可能上扬。

https://mitsloan.mit.edu/ideas-made-to-matter/productivity-paradox-ai-adoption-manufacturing-firms?utm_source=chatgpt.com

该研究直言当前将AI引入制造业所面临的尴尬处境：大家口中的AI赋能，目前大多只是「叠加式」的，根本算不上「颠覆式」。

比如很多工厂，仅仅只是增加一个预测性维护模型、一个计算机视觉质检，或者一套需求预测算法。

这就像是在一台旧机器上贴了个智能标签，并没有涉及业务流程的重塑。

而制造业是一个庞大而复杂的工业系统，它有着严苛到分钟级的排程、错综复杂的供应商协同，以及那些牵一发而动全身的传统工业控制系统。

在这样的环境中，如果还没有重塑底层业务流程就盲目上AI，结果很可能会是一场灾难。

多伦多大学教授、MIT数字研究员Kristina McElheran认为，AI必须与组织重塑绑定在一起，这意味着决策权的下放、统一数据架构的搭建以及人员培训。

这是一个系统工程，留给制造业的挑战是，企业必须咬紧牙关，挺过前期因为系统磨合而导致的生产率下滑低谷。

只有熬过这段至暗时刻，才能真正迎来J型曲线后期的快速上扬。

而Bob McGrew和他的Arda，同样也要面对J型曲线带来的挑战。

如果想让AI接管一部分制造业的决策，必须先让它经受与企业组织、业务流程、人员的长期磨合过程，这也是每一个试图用AI来改变制造业的人都必须面对的挑战。

参考资料：

https://www.wsj.com/tech/ai/openais-former-research-chief-aims-to-automate-manufacturing-with-ai-8871f265?mod=e2tw%20

https://x.com/rohanpaul_ai/status/2029299554169033079%20

https://www.pymnts.com/artificial-intelligence-2/2026/ex-openai-research-chief-aims-to-bring-ai-to-manufacturing/