▶ 原文链接

1美元/小时的机器人即将到来：四位行业领袖解读未来趋势

来源： YouTube (All-In Podcast) | Dr. Peter Funkhouser, Bernt Børnich, Amanda McMaster, Prof. Jonathan Hurst | 无明确发布日期 分类： 其他 原文发表： 未知 纪要生成： 2026-08-05

---

嘉宾/话题简介

本集节目在巴黎的Machina峰会上录制，主持人主持了一场围绕物理世界中AI应用的圆桌讨论。嘉宾包括：四足巡检机器人公司Anyotics的联合创始人兼CEO Dr. Peter Funkhouser，其公司已在极端工业环境中部署了数百台机器人；人形机器人公司1X的创始人兼CEO Bernt Børnich，该公司制造面向家庭的Neo机器人，并承诺于2026年开始发货；传奇机器人公司波士顿动力的临时CEO Amanda McMaster，该公司拥有Spot和Atlas两条产品线；以及双足人形机器人公司Agility Robotics的联合创始人兼首席机器人官Prof. Jonathan Hurst，其产品Digit正部署于亚马逊等物流仓储场景。话题聚焦于机器人产业的最新进展、商业模式、AI融合路径及地缘政治影响。

---

分节详述

[00:00] 开场与四足机器人的商业逻辑

本节重点

• 四足机器人凭借优越的移动性和稳定性，成为工业巡检的标准形态。
• Anyotics 的机器人核心价值在于“超人感官”的数据采集，而非简单的劳动力替代。
• 其商业闭环在于通过高频次、高质量的巡检避免客户因停机造成的巨额损失。
• 机器人必须实现完全无人工干预的自主任务循环，客户需要的不是机器人本身，而是数据和洞察。

详细精要

• 四足形态的“自然选择”逻辑：自然界中四足动物普遍存在有其原因。在这种形态下，机器人拥有极佳的移动性、爬楼梯能力，能去到任何人类能去的地方。
• 平衡能力是一方面，但更重要的是稳定性。四条腿通过更宽的足迹提供更多支撑点，非常适合恶劣环境。

• 这些环境包括泥泞、湿滑的地面，雨雪、杂草等复杂地形，这正是Anyotics 机器人ENM的主要工作场所。

• 为何不采用“半人马”形态：面对为何不直接给双足人形机器人安四条腿的提问，Peter Funkhouser认为这完全取决于应用场景。

• 人形机器人在狭窄空间或有视线高度操作需求的场景（如咖啡馆）更具优势。

• 在Anyotics服务的工业设施中，空间足够宽敞，四足机器人在稳定性上的巨大优势使其成为无可争议的最佳形态。

• “超人”数据采集的商业闭环：Anyotics 的机器人并非旨在替代人类劳动力，而是追求超越人类的能力。

• 人类感官无法感知的信号，如微量气体泄露、设备过热等，都可以通过机器人搭载的传感器阵列捕获，这些传感器包括热成像相机、声学麦克风、气体浓度探测器等。
• 所有巡检数据由AI进行整合分析，提供远超人工巡检的价值。其金钱效益在于避免因设备故障导致的停机，这些工业资产一旦停工，每小时损失可达数十万美元。

• 因此，机器人节省的每一分钟停机时间都为其高昂成本提供了充足的理由，这使得在机器人上搭载昂贵的传感器和顶级GPU等强大计算单元在经济上是完全可行的。

• 长续航与完全自主的作业模式：机器人搭载了强大的算力，同时也有可观的电池续航。

• 单次任务可持续约两小时，之后会自主返回充电坞充电，整个循环完全无人操作。
• 部分客户每天重复此任务多达40次，聚焦于特定关键时段（如电弧炉启动时）的数据抓取，这些任务极度危险，热辐射会烧毁普通相机，必须由机器人执行。
• Anyotics的产品设计哲学是完全无人工干预，连电池都不支持热插拔，因为客户根本不关心机器人本身，他们只想要数据，机器人只是获取精确数据的手段。

💬 精华片段（中文）

“他们不关心机器人。实际上，他们甚至不想要机器人。他们想要的是数据，是洞察。机器人只是为了精确收集数据而采取的一种手段。”

"They don't care about the robot. Actually, they don't even want the robot. They want the data. They want the insights. The robot is a means to an end to collect the data precisely."

[03:38] 极端环境应用与未来展望

本节重点

• 机器人已在海上平台、极寒沙漠等极端环境实现部署，最新进展是进入防爆区域，替代人类从事最危险的工作。
• 从巡检到维修是必然的下一步，但真正的现场维修在恶劣条件下的可靠性仍是巨大挑战。
• Anyotics机器人100%从中国以外采购零部件，源于历史选择和客户对数据安全的考量。

详细精要

• 海上平台的苛刻应用场景：Anyotics 的机器人已部署在海上油气平台和风电场等场景。这是一项非常棘手的任务，因为平台上人员稀少，机器人必须完全自主飞行作业。
• 通常人员需要乘坐直升机往返，单次飞行成本就高达数万美元，用机器人替代巡检测极大地削减了这部分开销。

• 在海上风电场，数百个风力涡轮机的电力会汇集到一个变电站进行交直流转换，那是一个通常有人值守的大型设施，Anyotics的机器人目前就在这样的站点进行操作。

• 从“感知”到“行动”的技术飞跃：一旦机器人能检测到问题，客户的下一步需求自然就是“能否解决问题”。这被认为是这一领域的“圣杯”。

• 从演示到现实的鸿沟巨大，要在爆炸性气体环境中实现99.9%的可靠性谈何容易。
• 发展路径是循序渐进的：首先是关闭阀门、打开机柜，最终目标是让机器人拥有双臂或更多手臂进行复杂的维修操作。

• 当前在可控环境下展示的叠衣服等精细操作，一旦放到户外冰雹、严寒等不可预测的环境中则会完全不同。尽管挑战巨大，AI的发展仍被认为是解决这一问题的最终希望。

• 供应链地缘选择与数据主权：Anyotics的机器人制造0%来自中国。

• 这并非由于欧盟或挪威的禁令，而是“历史性”的选择。他们倾向于本地采购，并从美国等地获取芯片，且部分客户对此有严格要求。
• 尽管中国在执行器和硬件方面是头号供应方，但欧洲和美国也有优秀的供应商。然而对于机器人采集的敏感数据，客户非常重视其信任度和网络安全。他们通过了ISO网络安全认证，而客户绝不愿意让自己的15个摄像头被其他势力所控制。

💬 精华片段（中文）

“你不想在你的关键基础设施里放15个由别人控制的摄像头。这种情况今天正在发生。”

"You don't want to have 15 cameras in your critical infrastructure that somebody else controls. ...it's happening today."

[11:21] 军事应用与机器人的武器化

本节重点

• Anyotics目前坚持以工业巡检为使命，认为军用产品在技术上需要完全不同的研发路径。
• 对于中国等国正在将四足机器人武器化的现象，包括Anyotics和波士顿动力的行业领袖都曾联名公开信表示谴责。
• 主持人尖锐指出，在面对装备了武器的敌方机器人时，西方公司的“反武器化”立场将面临国防义务与国家安全层面的严峻考验。

详细精要

• 非军事化的企业定位与挑战：Peter Funkhouser认为，欧洲有责任发展自己的技术，但其公司Anyotics目前并未从事军事领域的工作，也不打算这样做。
• 他认为军用机器人需脱胎换骨，不只是把四条腿的硬件直接交付，后续的通讯协议、自主性等方面完全不同。民用自主性允许设置时间，而军事应用则关乎毫秒级的反应和人在回路中的遥控操作。

• 尽管欧盟有提出要求，他坦诚仅仅把机器人送到军队并不能解决实际问题，这需要组建一个完全不同的团队来深入研究。

• 对武器化趋势的深切忧虑：Peter Funkhouser明确表示他个人“讨厌” 且“痛恨”看到机器狗上安枪。

• 作为一名工程师，他认为应该有将技术用于“善”的信念。防御是一回事，而主动装上枪械进行攻击，在技术尚未完全成熟时就将他人置于危险之中，是极其危险和愚蠢的。
• 大约四年前，Anyotics曾与波士顿动力等业内同行共同签署公开信，谴责将机器人武器化，因为他们认为这种行为非常危险。但对于中国已经展示的武装机器人，他认为目前都还处于非常早期的演示阶段，真正的实战部署还不成熟。

💬 精华片段（中文）

“我们签了一封联名信，和我们在波士顿动力的朋友们以及其他谴责机器人武器化的人一起……因为我们作工程师，不想看到它被这样使用，我们认为这危险、冒险而且愚蠢。”

"...we wrote a letter together with our friends at Boston Dynamics and others right who condemn the weaponization of robots for exactly that reason that as engineers we don't want to see it being used and we think it's just dangerous and risky and stupid."

[14:59] 家庭机器人Neo及其平台化战略

本节重点

• 1X确认其家用机器人Neo将于2026年开始向首批客户发货，初期体验可能会比较粗糙。
• 定价采用订阅制，首批10,000个名额在数日内售罄，月费约500美元。
• 公司将推出Neo作为平台，允许第三方开发者创建技能，甚至运行其他公司的AI模型。
• 1X的终极目标是创造“劳动力过剩”，通过开放平台加速实现完全自主智能体的进程。

详细精要

• Neo的交付承诺与预期管理：Bernt Børnich坚定承诺Neo将在2026年发货，开局会很慢但会做对。
• 他坦率地管理预期，拿到家的人形机器人在初期一定会“棱角分明”，会摔倒。但他高兴地表示，按目前的趋势看，他们有信心交付一个非常接近完全自主的体验。

• 1X提供两种付费模式：一种是早期尝鲜者的一次性全额付款；另一种是订阅费，目前月费定为500美元。由于产品仍在深度开发中，具体的订阅模式将与首批客户共同探讨。

• 从产品到平台的宏大愿景：1X正在将Neo定位为平台而非单一产品，就像拥有“App Store”或“技能商店”一样。

• 这意味着如果一个用户想用Neo做沙拉，作为开发者的“黑客”可以开发一个“沙拉技能”，其他用户则可以购买或订阅这项技能。

• Bernt Børnich认为，这一战略远不止于消费者市场。1X的使命一直是通过人形机器人在全社会创造“劳动力过剩”。允许人们在平台上构建应用，才能更好地释放Neo跨领域的潜力，从家庭到全社会。

• 开放的生态系统与垂类模型：1X计划使其平台足够开放，允许其他基础模型实验室（如OpenAI或Claude）的世界模型在Neo上运行。

• 1X坚信自己的模型会是最好的，因为只有他们掌控了从制造到产品的全链路。但允许竞争是因为目前不存在一个能解决机器人所有问题的通用模型。
• 如果1X被困在为每家客户做ERP系统集成的具体业务中，就无法专注于解决“具身通用人工智能”这一通用问题。因此，他们选择聚焦于核心通用难题，让生态伙伴去解决今天能用的具体应用。

💬 精华片段（中文）

“我们的交叉实体化不是另一个机器人，我们的交叉实体化是人类。我们要尽可能接近人类，因为这解决了‘先有鸡还是先有蛋’的难题。”

"Our cross embodiment is not another robot. Our cross embodiment is the human. And we want to be as close to that as possible because that solves the catch 22."

[24:25] 1X的世界模型与数据金字塔

本节重点

• Neo的手部硬件拟真度已经超过了人类遥操作员能够利用的程度。
• 1X的核心赌注是，制造一个足够像人的机器人，从而利用互联网上所有现存的人类视频数据进行训练。
• 数据分为金字塔层级：遥操数据（最高质但最少）、穿戴传感数据、第一人称视频、最后是开放的互联网视频（巨量）。

详细精要

• 硬件性能超越人类操作员：随着Neo及其全新双手的进化，一个有趣的现象出现了：遥操作（teleoperation）已经不能完全发挥硬件的性能。
• 这意味着手的保真程度大于遥操作员能够控制的范围。例如，遥操作员无法像机器人那样感受到力反馈，除非背上笨重的触觉反馈系统，而这会拖慢操作速度。

• 因此，最有效的做法是，让人类穿着机器人的传感器，尽可能透明地去执行任务，以收集关于基本灵巧性的最佳数据。

• 利用互联网视频数据的“奇技淫巧”：1X的十年赌注在于，如果机器人足够像人，那就可以基于所有互联网上的人类视频数据进行训练。

• 他们已经看到了该路径正在“非常有效”地运作的初步证据。因此，他们成立了1X世界模型实验室，因为这种训练方式的规模法则终于开始应验。
• 从数据金字塔看，最顶层是遥操作数据，用于对齐模型，质高量少。下一层是穿传感器的人类执行任务的数据，它不是机器人的数据但很接近。
• 再往下是人类第一视角的视频，虽然进一步远离了机器人，但由于Neo的手看起来和人类一样，因此足够接近。

• 金字塔的基石是互联网上的通用视频数据，其规模之巨，与其他层级的数据量相比，是“荒谬地巨大”。所有重大的AI突破都源于解锁了一个前所未用的巨大新数据源，这就是1X的赌注。

• “猩猩系数”与形态的极端逼近：为了能够利用通用视频数据，机器人必须在每一个物理细节上都模仿人类。

• 这涉及到人类肉、组织和皮肤的非线性属性，比如需要用多大力量导致形变、摩擦系数是多少、触碰桌面的冲击能量。
• Bernt Børnich将这种手臂比例称为“猩猩系数”，并以NBA中臂展更长的球星能获得更高薪资为例，说明物理参数对性能的影响。只有极端逼近人类形态，才能跨越从海量人类视频数据中学习的鸿沟。

💬 精华片段（中文）

“我们正越来越多地看到，通过让人类尽可能透明地穿戴机器人的传感器来收集数据——也就是确保数据采集过程不打扰人类的自然动作——是解决机器人基础灵巧性问题最有用的数据。”

"...we're increasingly seeing that gathering data with humans just wearing the sensors of the robot in as transparent a manner as possible. So like they should not disturb what you are doing right that's the most useful data to solve kind of baseline dexterity on the robot."

[30:10] 机器人递归进化与“硬起飞”

本节重点

• 机器人将像今天的LLM智能体一样，进行自我递归学习，执行高层次目标。
• Bernt Børnich预测我们将进入一个“硬起飞（hard takeoff）”的临界点，届时机器人将能够建造机器人、数据中心乃至芯片工厂。
• 他给出的时间框架是3年内，最晚不超过10年，这是一个“物理智能”必须参与的过程。

详细精要

• 机器人的递归进化与“硬起飞”：当主持人问及机器人何时才能像当前基于大语言模型的智能体一样进行递归的自我学习和进化时，Bernt Børnich认为这并非科幻。
• 所谓“硬起飞”，意味着一个自给自足的循环开始：由机器人来制造机器人、建造数据中心和芯片厂、进行采矿和提炼，最终实现真正的“劳动力过剩”。

• 他对这个时间线的预测是：3年，但最晚不超过10年。放在人类历史的长河中，即使是10年也只是一瞬间。他强调这是整个业界的术语。

• 物理世界是通往“硬起飞”的必经之路：1X的核心理念在于，仅靠数字世界的智能无法自行构建其物理基础，你必须拥有物理实体（embodiment），这也是“硬起飞”无法缺少机器人的原因。

• 这种能力对人类的巨大影响之一是加速科学进步。例如，1X的平台正收到大量来自希望自动化其实验室工作的客户需求。
• 逻辑很简单：如果一个AI模型无法亲身去执行实验并观察结果，它又如何能推动科学进步？因此，随着AI获得物理的躯壳，所有这些都将在未来几年内发生，时间线是“以年计，而非以十年计”。

💬 精华片段（中文）

“我极度确信我们距离‘硬起飞’不到十年时间。我说的‘硬起飞’是指机器人建造机器人，建造数据中心，建造芯片厂，进行采矿和炼矿。一个真正意义上的劳动力过剩的、自给自足系统。”

"I am extremely sure that we're less than a decade away from hard takeoff. And when I say hard takeoff, I mean robots building the robots, the data centers, the chip fabs, doing the mining and refining. actually a true abundance of labor, a self-sufficient system."

[34:34] 波士顿动力的商业化转身

本节重点

• 波士顿动力已从研究型公司转型为专注于真实部署的公司，不再只是“实验室里的AI实验”。
• Spot机器人已在46个国家拥有超过500家客户，是目前全球部署和使用量最多的移动自主机器人。
• 波士顿动力为Spot提供CAPEX（资本支出）销售模式，符合工业客户采购习惯，并计划为人形机器人Atlas提供RaaS（机器人即服务）模式。

详细精要

• 从概念验证到商业爆发的Spot：新任临时CEO Amanda McMaster明确表示，波士顿动力已不再是研究实验室，而是专注于真实世界部署的机器人的公司。
• 其代表性产品Spot已在超过46个国家的超过500个客户的现场创造真实的客户价值，是地球上使用次数最多的移动自主机器人。
• 尽管曾在《黑镜》中被描绘成末日杀手，但现实中的Spot主要被客户用于工业巡检。它可以在日间进行声学、仪表读取、振动检测等高价值资产监控，夜间则转而执行安全周边巡逻任务。

• 最重要的拐点是客户投资回报率（ROI），这意味着Spot的表现早已超越了“会跳舞”的新奇阶段，客户需要它实现两年内回本。相比容易出错的人类巡检员，Spot可以不知疲倦地在水处理厂、桥梁、管道等设施里执行任务。

• 商业模式创新：从CAPEX到RaaS：波士顿动力为Spot采用的是CAPEX（资本支出）模式，这是工业客户购买工具的传统方式。

• Spot的定价根据配置不同而异，基础版约10万美元，而包含全套服务、集成和部署的“全副武装版”可能高达30万美元。它的设计寿命超过5年，其“平均干预时间”已超过3000小时，意味着每年仅需数次人工干预。
• Spot的运作方式是两个机器人协同，一个在工作（单次续航90分钟），另一个在充电坞充电，无缝交接。与Spot不同，Atlas支持电池热插拔，它可以自行旋转躯干更换两块电池，确保工作不中断。
• 对于Atlas，他们更倾向于采用RaaS（机器人即服务）模式，以适应客户在不同时间段对机器人产能的弹性需求。

💬 精华片段（中文）

“我们把机器人视为有两颗大脑。一颗控制机器人物理运动的大脑，那是波士顿动力学所著称的，它必须运行在机器人体内。而赋予其对环境进行语义理解的推理层，则完全可以放在云端。”

"We think about two brains... There's the brain that controls the physicality of the robot, which is what Boston Dynamics is known for. ...it lives on the robot. The reasoning layer that gives you the semantic understanding of its environment that can be in the cloud."

[42:46] 中国机器人带来的威胁与防务难题

本节重点

• 波士顿动力100%在美国或盟国制造，Amanda McMaster坚决反对让中国人形机器人进入美国市场，理由是安全隐患和数据泄露。
• 她呼吁美国采取国家级机器人战略，将制造和IP留在国内或盟国。
• 波士顿动力坚持反武器化的立场，但在面对中国已开发出武装机器人的现实压力下，未来可能需要做出艰难抉择。

详细精要

• 主权、安全与供应链的反击：Amanda McMaster确认，波士顿动力的机器人100%在美国本土制造，不依赖中国和台湾地区零部件。
• 她个人认为，在任何情况下都不应允许中国制造的人形机器人进入美国市场，因为“不安全”。已有消息表明，在美国运行的一些四足机器人存在向中国回传数据的数据泄露问题。

• 她呼吁从半导体行业的教训中吸取经验，美国必须协同一致地保护其知识产权，确保机器人生态系统的制造留在美国或其盟国境内。这需要一项国家级的机器人战略。

• “反武器化”理念与“国防义务”的博弈：波士顿动力在武器化问题上非常公开，他们坚持反武器化的立场。

• 然而，她自己承认，以CEO的商业视角来看，当务之急是聚焦于他们能赢得的民用/工业市场，而军事应用会分散其商业核心。
• 他们愿意为政府提供非武器化的工作，例如爆炸物处理（EOD），并已经在这么做了。但当主持人尖锐地指出“中国已经在建造终结者式机器人了，你难道不应该为保护美国而建造同样的武器吗？”，她表示这是一个艰难的抉择，只能“在需要的时候再回答，并希望永远不需要回答”。
• 主持人则毫不客气地预测，当那一天到来，总统下令时，公司的回答必然是“报告长官，遵命”，否则可能会被国有化。Amanda最终表示，他们拥有世界上最好的机器人，如果那一天的艰难抉择必然要到来，他们会做出正确的决定，但今天他们仍将保持战略定力。

💬 精华片段（中文）

“不行！……这不安全。我们已经听说了在美国的一些四足机器人出现数据泄露，数据被秘密传回中国。我们不能在机器人领域重蹈我们在半导体领域的覆辙。”

"No. ...It's not safe. ...we've already heard about leaks that are happening with some of the quadripeds... being back channelled back to China. ...we can't do that with robotics."

[47:26] 人形机器人的AI转折点

本节重点

• Agility Robotics的Jonathan Hurst教授认为，这一轮机器人浪潮之所以不同，根本在于AI，尤其是感知技术的近乎解决。
• 大语言模型让机器人获得了前所未有的常识和泛化能力，但目前还无法直接生成控制机器人的数据。
• 机器人的学习成本远高于人类，但一旦学会，其技能可通过“Wi-Fi”在机器之间瞬间共享，这是人类无法比拟的优势。

详细精要

• 感知解放与AI的“免费午餐”：拥有超过20年从业经验的Jonathan Hurst教授解释，过去的机器人需要手动硬编码，而现在最新的机器人看到一张桌子，能直接告诉你“桌上有一部手机、纸、茶和水”。

• 仅仅三四年前，这是不可能的。感知问题的近乎解决是一个极其巨大的拐点。大语言模型等多模态模型提供了免费且通用的上下文感知能力，让人们看到了通向通用机器人的未来。

• 控制数据的稀缺性与学习鸿沟：虽然感知因互联网数据而免费，但用于控制机器人的数据并不存在。

• 没有现成的数据集包含在所有传感器输入下施加到每个电机上的所有扭矩命令。这必须由各家公司自己产生，方法包括从演示中学习（遥操作）、动作捕捉等。
• 然而，这些方法有硬性限制，因为人类操作机器人并不能发挥其理论最优性能，机器人需要像人类一样，在仿真中的世界模型里进行大量“练习”和迭代。

• 但是，在虚拟世界中学到的技能转移到现实世界时（sim-to-real），总存在巨大鸿沟，因为现实中的冷凝水渍、玻璃反光、机器人的未建模动力学等问题都极难完美仿真。

• 机器的集体学习优势：与人类笨拙的低效学习不同，机器人虽有巨大的数据饥渴，但有其独特优势。

• 人类学习拉小提琴需要长年累月的练习，且无法将自己的技能直接“加载”给另一个人。而机器人拥有“Wi-Fi”，当一个机器人学会一项技能，该型号的所有机器人几乎可以瞬间掌握，只需进行少量的微调以适应下一代的硬件。

💬 精华片段（中文）

“机器人的优势在于它们有Wi-Fi。你学会了拉小提琴，但没法把你的技能直接加载给别人，让他们马上会拉。机器人可以——一个机器人学会了，所有该型号的机器人都会了。”

"One of the benefits that robots have in the long run is they've got Wi-Fi. When you learn how to play the violin, you can't just load that to somebody else. ...Robots will be — one robot learns to play violin. All robots know how to play violin."

[55:12] Digit的安全突破与“1美元/小时”经济账

本节重点

• Agility的Digit V5是首个能在无物理安全围栏下与人类协作的、基于平衡控制的人形机器人。
• Digit V5的快充技术使其能实现每天20小时、全年365天的运行。
• Jonathan Hurst指出，当机器人的全生命周期成本（5年，4万工时）折算下来，其潜在的每小时成本仅为1美元，而工厂工人时薪是40美元，这创造了巨大产业空间。
• 机器人并不会导致完全“黑灯工厂”，而是进入更多人类空间，如超市、医院、建筑工地和送货上门。

详细精要

• 安全：从“物理隔离”到“人机共融”：即将发布的Digit V5是一个重要的转折点，它是第一个能够走出安全工作单元、在没有任何物理屏障的情况下与人共存的、基于平衡控制的人形机器人。

• Jonathan Hurst表示，这是一个自底向上的整体性设计，他们花了两到三年时间，系统地重新设计了机器人的每一个部分才达成这个安全要求。这种苛刻的安全要求此前甚至成为与亚马逊合作部署的最大障碍。

• “1美元/小时”的经济学碾压：当计算Digit V5的经济账时，其颠覆性令人震惊。

• Digit V5拥有每天20小时的工作时间，每年365天，5年的寿命内总工时将达到约4万小时。
• 当它规模化后，硬件成本会降至汽车价格。将其摊销到全生命周期的4万小时，成本将低至1美元/小时。而目前世界工厂中的工人时薪是20至40美元。这意味着，相比人类劳动力，机器人提供了高达90%以上的成本压缩，而这其中还给机器人厂商留出了巨大的盈利空间。

• 这种成本结构使得机器人服务的价格是一个长时间内非弹性的价格，定价权很高。

• 从工厂到“永远的人类空间”：Hurst教授认为，未来的自动化不仅仅是“黑灯工厂”。

• 他指出，其实在许多应用场景中，大多数工人已经是机器人了（AMR自主移动机器人、传送带、机械臂等），而人形机器人只是众多自动化形式中最新的一种。
• 当某些工厂实现全自动化时，人形机器人的真正价值才刚开始，它们将进入零售店、杂货店、医院、建筑工地，甚至将包裹送到你的家门口。这些是“永远的人类环境”，需要适应为人类设计的工作流程。
• 他透露，他们的第一个应用案例就是和福特汽车一起探索的最后一公里配送，当时Digit能下车、走楼梯、把包裹放到门口。不过，虽然这个市场巨大，它并不是最佳的第一个市场，工业内部物流才是。

💬 精华片段（中文）

“人们倾向于认为这些东西花费2万、3万、4万美元。有一天会是的。但这需要经过规模化，需要10万台机器人部署出去之后才能实现。这单位小时成本算下来是……1美元一小时。而现在工厂里给工人的时薪是40美元一小时。”

"And people tend to think these things are going to cost 20, 30, $40,000. They will at some point... So that's a dollar an hour. These people are being paid in factories currently $40 an hour."

[01:04:01] 机器人时代的职业未来

本节重点

• 机器人将像当年将人类从煤矿中解放出来一样，让我们回头看今天的“机器人工作”时，难以相信人们曾经需要自己做这些事。
• 对年轻人来说，当前是一个充满机遇的变革时代，新入行者没有职业包袱，拥有后发优势。
• 机器人行业除了需要博士、硕士级别的顶尖研发人才，也将诞生大量相当于“电工”、“暖通技师”的蓝领类新职业。

详细精要

• 告别“3D”工作，如同告别煤矿：Hurst教授希望未来的孩子回望现在时，我们正从事的一些工作会像20世纪初的煤矿工人一样，让人难以置信。
• 他认为机器人将最终解决经典的3D工作（枯燥、肮脏、危险， Dull, Dirty, Dangerous）。

• 现在的人类工作比1900年要好太多，生活质量极高，当时的人根本无法想象现在白领的工作。机器人带来的未来也会是这样。

• 变革时代的后发优势：对于正在规划职业生涯的年轻人，Hurst教授认为这是一个巨大的机会窗口。

• 变革的时代会给新毕业生带来优势，因为所有有20、30年经验的从业者都必须重新学习新范式，而学生从零开始反而没有包袱。

• 他建议学生们专注于工程相关的核心技能。虽然无法预测10年后的具体职业，但这些基础能力会在各种新兴岗位中发挥作用。

• 机器人行业的“蓝领”新工种：除了博士学位的高精尖研发路线，机器人行业还将涌现大量类似于今日电工、暖通空调技师等“工具皮带”式的工作。

• 这些岗位包括机器人操作员、安装和制造机器人的技师。因为机器人暂时还没法完全自己组装自己，所以存在大量制造环节的人力需求。
• 另外还有大量的部署、维护和维修工作。Hurst教授对于“叮当侠”这一称呼是否是迪士尼的贬义词还半开玩笑地表达了好奇。

💬 精华片段（中文）

“我真心希望我们的孩子回顾现在时，能像我们今天回顾20世纪初煤矿工人那样，惊叹‘真不敢相信人们过去做那个工作’。今天的人们做着好得多的工作，生活质量高太多，1900年的人根本想象不到这些工作的存在。”

"I really hope that our children look back on now and look at some of the jobs that people are doing today... the same way we look back on like coal miners in the 1900s and say, 'I can't believe people did that work.'"

---

专业术语注释

术语	解释
ENM (Anyotics)	Anyotics公司生产的四足巡检机器人的具体型号，设计用于在各类工业恶劣环境中进行自主数据采集和巡检。
漫游者 (Spot)	波士顿动力公司开发的四足机器人，以其出色的动态平衡和移动能力闻名，被广泛用于工业巡检、安防等商业场景。
Atlas	波士顿动力公司开发的与人类体型相当的人形机器人，拥有高动态双足运动能力和灵巧的双手，旨在挑战极限机动性。
Neo	由 1X Technologies 开发的人形机器人，设计用于家庭环境，由肌腱式柔性驱动器驱动，主打安全与人机交互，被定位为家庭消费级产品。
Digit	由 Agility Robotics 开发的双足物流人形机器人，没有上半身复杂的双手，主要面向仓库的物料搬运和包裹分拣场景。
完全自主 (Full Autonomy)	指机器人在不需要任何人类干预或遥控的情况下，独立感知环境、做出决策并完成预定任务的能力。
遥操作 (Teleoperation)	人类操作员通过远程控制设备实时操控机器人的技术，常被用于处理机器人尚无法自主完成的复杂任务，也是采集训练数据的重要方式。
世界模型 (World Model)	一种人工智能系统，通过学习大量数据来构建对物理世界的内部表征，能预测物理交互的后果。机器人可在高保真世界模型中进行“精神练习”，以加速学习。
Sim-to-Real 技术	将在计算机仿真环境（Simulation）中训练好的机器人控制模型迁移并应用到现实世界（Real world）中的技术，主要挑战在于克服仿真与现实之间的物理差异。
CAPEX 模式	资本支出模式（Capital Expenditure），指客户一次性支付大笔资金购买机器人硬件和软件的商业模式，与之相对的是运营支出（OPEX）模式。
RaaS 模式	机器人即服务（Robot as a Service），一种按使用时长或任务量收费的订阅式商业模式，客户无需承担高昂的初期硬件投资。
感知 (Perception)	机器人通过摄像头、激光雷达、声纳等传感器收集环境数据，并利用AI算法理解周围场景中的物体、人物及其状态的能力。
硬起飞 (Hard Takeoff)	源自AI领域的一个假说，指智能系统进入一个极速自我改进的递归循环，能力在短时间内爆炸式增长。在机器人语境下，特指机器人能自主制造和维护机器人，形成自给自足的工业体系。
3D: Dull, Dirty, Dangerous	机器人行业的经典术语，指那些“枯燥、肮脏、危险”的工作，被认为是机器人最理想、最道德的替代目标。
平均干预时间	衡量工业机器人可靠性的关键指标，指机器人两次需要人类介入干预（如排除故障、补充耗材）之间的平均运行时长。
通用模型 (General Model)	相对于只能在特定任务上运行的“狭义模型”，通用模型指能够胜任多种不同领域、不同环境下的复杂任务的单一AI模型，是机器人领域的圣杯。

---

延伸思考

1. 当“硬起飞”与“1美元/小时”结合时：如果Bernt Børnich预测的机器人3年内开始进入“自复制”的雪崩式进化，与Jonathan Hurst计算的1美元/小时成本结构相叠加，人类社会的经济模式将在本十年末面临何种程度的根本性重塑？我们对“就业”和“价值创造”的定义是否需要完全重写？

2. 技术理想主义与地缘政治的终极冲突：Amanda McMaster所代表的“聚焦民用、反武器化”无疑是道德高地，但当主播尖锐指出“总统会下令”时，她的“战略性沉默”揭示了所有西方机器人公司共同的困境。在“武器化机器人竞赛”的囚徒困境中，私人企业的伦理标准是否具有任何实际上的自主性？

3. “数据主权”或成为新的产业壁垒：Peter Funkhouser提到的“客户绝不愿让15个摄像头被别国控制”和McMaster指出的中国机器人数据回传，都暗示着未来的竞争不只在硬件成本，更在“信任”。这将如何割裂全球机器人的部署市场？是否会形成像今天云服务一样的“数字铁幕”？

4. 通往通用机器人智能的路径分歧：1X专注于利用海量人类视频数据做预训练以实现“形态趋同”，而波士顿动力和Agility似乎更侧重真实世界交互和仿真训练。哪一条路是通往“通用模型”的正确选择？还是最终的解决方案必然是二者的某种融合？

原文发表：未知  ·  纪要生成：2026-08-05