新智元报道
从OpenAI离职的前首席研究官Bob McGrew，并没有继续投身于更智能的大模型竞赛，而是选择了制造业工厂这一全新领域。
2024年的硅谷经历了一波前所未有的高管离职潮，尤其在OpenAI内部尤为明显。
回顾当年的人事变动，不难发现这标志着硅谷顶尖人工智能人才开始流向不同的方向：
部分人选择继续深耕「大模型」领域。例如，前CTO Mira Murati、联合创始人John Schulman以及曾任研究副总裁的Barret Zoph共同创立了Thinking Machines Lab，致力于开发多模态通用AI系统；不过，Barret Zoph已于年初重新加入OpenAI。
另一些人则专注于「更安全的超级智能」。比如前首席科学家Ilya Sutskever与合作伙伴创建了Safe Superintelligence。
而Bob McGrew作为前首席研究官，则选择了一条较为冷门的道路。
他联合创办了Arda，将AI技术带入制造业工厂，并未继续投身于大模型竞赛中。
Bob McGrew希望借助大模型的实际应用来连接物理世界，实现从虚拟到现实的转变。
硅谷最强大脑
去真实工厂「拧螺丝」
Arda的这一创新模式受到了资本市场的热烈追捧。
目前Arda以7亿美元估值筹集到了7000万美元的资金。
本轮融资由Founders Fund和Accel领投，并吸引了Khosla Ventures及XYZ Venture Capital等机构的关注。
Arda这个名字颇具浪漫色彩，源自《指环王》中的虚构大陆“阿达”，寓意公司将AI技术融入现实世界。
对于Bob McGrew来说，他对制造业的兴趣并非一时兴起。
在OpenAI工作期间，他曾参与过机器人相关的物理任务训练，并且在Palantir早期就已成为其中的一员。
Arda的联合创始人还包括Augustus Odena和Jakob Frick等来自Adept AI及Palantir的老兵。
Augustus Odena是前Adept AI的联合创始人，他发明了链式思考提示技术。
为钢铁工厂安装「视觉中枢」与「大脑」
Arda正在开发一种特有的视频模型，将其整合进公司的AI和软件平台中，以实现制造过程自动化。
将监控摄像头转变为AI的眼睛
要使机器人在现实世界中无缝运行，Arda的核心技术是其先进的视频模型系统。
视频模型
该视频模型能够分析工厂车间的实时或录播视频，并据此训练机器人自主学习和执行制造任务。
视频模型是Arda端到端软件的关键部分，通过集成AI驱动的分析与机器人控制系统来简化自动化流程。
这有助于优化涉及机器操作员在内的所有环节，减少错误并提高生产线效率。
然而，这并不是Arda愿景的全部内容。
McGrew并不打算将Arda定位为单纯的「机器人公司」，而是希望它能够整合整个制造流程中的各个环节。
「人+机器」的自动化
从产品设计到最终成品下线，Arda软件旨在打通制造业的所有阶段，并实现人机协同作业。
McGrew在OpenAI的研究经历
在OpenAI工作期间，McGrew曾参与机器人技术的研发项目，后晋升为首席研究官。
OpenAI的代表性项目包括Dactyl和「机器人手解魔方」等，通过强化学习、大规模模拟训练以及域随机化方法，在虚拟环境中训练机器人灵巧操控能力，并将其应用到现实世界中。
这些研究表明：复杂的物理任务并不一定需要为每一步手工编写规则，而是可以通过数据驱动的方式获得更强的泛化能力。
为什么资本会青睐Arda？
Arda的出现让投资者看到了制造业可能发生的变革，并担心这将对Rockwell Automation、Emerson等传统制造硬件巨头造成冲击。
资本关注的核心在于，Arda试图定义制造业的操作系统（OS），实现从单点工具到全栈大脑的重大转变。
Arda的独特之处在于它不仅仅提供单一功能，而是将摄像头、机器人、工序以及人员协作整合在一个平台上。
在资本看来，Arda的潜力在于「软件定义制造」：通过物理世界的模型，可以降低专用硬件的成本，并在庞大的传统工业市场中重塑一套具备指数级增长潜能的新架构。
现实中的制造业往往比代码世界复杂得多。
一项来自MIT的研究指出，在制造业引入AI并不是一蹴而就的事情，初期可能会经历生产率下滑的情况。
当前大多数工厂所谓的「智能赋能」仅限于增加预测性维护模型或计算机视觉质检等单一功能，并未涉及业务流程的全面重构。
熬过死亡「J型曲线」
这更像是在旧机器上贴了个智能标签，并没有触及到实际问题的核心所在。
制造业是一个庞大且复杂的工业系统，它要求精确的时间安排、供应商协同以及传统控制系统的一致性。
如果不先重塑底层业务流程就盲目引入AI技术，结果可能会导致生产率大幅下滑甚至出现更严重的后果。
多伦多大学教授及MIT数字研究员Kristina McElheran强调，AI必须与组织结构、统一数据架构以及人员培训相结合才能真正发挥作用。
这是一项复杂的系统工程，对于制造业而言，企业需要咬紧牙关度过前期因系统磨合导致的生产率下滑期。
只有过了这个难关，才有可能迎来后期的快速上升阶段。
Bob McGrew和他的Arda同样面临着类似的挑战。
要让AI在制造业中发挥决策作用，必须先经历与企业组织、业务流程以及人员之间的长期磨合过程。
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/