Péter Fankhauser, Bernt Børnich, Amanda McMaster: 每小时1美元的劳动力：四位机器人公司CEO谈家用人形机器人、中国威胁与危险工作的终结
The $1/Hour Worker: Four Robotics CEOs on Humanoids at Home, China's Threat, and the End of Dangerous Jobs
嘉宾：Péter Fankhauser、Bernt Børnich、Amanda McMaster、Jonathan Hurst
§01文字稿 1
大家好，我是你们的 J-Cal。我现在在法国巴黎，参加一个名为 Machina 的大会，主题基本上就是现实世界中的 AI。请原谅我的机器人。感谢收听，我们开始吧。AppLovin 起步时只有一个 8 美元的域名，没有任何风险投资，却成长为全球最大的广告平台之一。如今，同一套引擎驱动着面向电商的 AppLovin 广告。
你的广告会在手机游戏中投放，触达超过十亿人，获得全屏、无干扰的注意力。平台会帮你找到买家，并以利润为目标进行优化。你设定目标，剩下的交给它。一个炊具品牌从 400 万美元增长到 1600 万美元，实现了盈利，今年有望达到 8000 万美元。访问 applovin.com/all-in，今天就启动你的第一个广告活动。好了，各位，今天我们继续采访机器人领域的头部公司。
继续在巴黎这里。非常高兴请到 P 博士，Péter Fankhauser 来到节目。你是 ANYbotics 的联合创始人兼 CEO。你们做的产品叫 ANYmal，懂了吧，你们还玩双关。不过你在这个领域已经干了将近 20 年。公司成立也有 10 年了。
头五年基本上算是一个研究实验室。最近五年，你们做的是……这些叫什么来着，狗形机器人？这是一个巡检解决方案，对吧？它关乎数据采集与理解，以及关键基础设施。但它的外形是……四条腿的机器人，四足机器人，或者说一只狗。我们喜欢叫它“机器狗”。
但为什么这种狗的形态成了标准？做这个的不只你们一家，现在有很多人在做。为什么它成为第一个达到相对规模、实现一线部署的形态？是的。在自然界中，很多动物都有四条腿。这是有原因的。所以它肯定有很强的机动性。
它可以爬楼梯，可以去任何人能去的地方。所以是灵巧性和平衡？是机动性，对吧？是平衡，也是稳定性。四条腿，如果支撑面宽，就有很多落脚点可以抓牢，因为我们工作的环境很恶劣。
湿滑的地面，还有，你知道，下雨、下雪、长草。明白了。所以四条腿是非常好的形态。那么，这个问题有点傻，但我们为什么不把人形版本做成半人马呢？现在大家在做 Optimus、Neo、波士顿动力的 Atlas，这些两条腿站立的机器人，人们担心的是它们总会摔倒。
它们在演示中老是摔倒。如果摔倒了，可能会砸断别人的脚踝。为什么不给它们装四条腿？当然可以。这真的取决于使用场景。如果你需要在，我也说不好，比如咖啡店里工作，把东西端给你。那里空间狭窄，对吧？你希望在与人眼平齐的高度工作。
那也许人形机器人更合适。在我们工作的设施里，需要四足的稳定性，而且有足够的空间绕行。是的。这是完美的形态。我不信。我觉得所有咖啡馆都应该配……希腊神话里那个是叫半人马吧？对，是半人马。
下面四条腿，上面是人的身体。我觉得这应该成为新标准。你们找到了一个非常有效的首个应用场景，就是巡检非常重要的基础设施。现在你们已经有了数千台，数百台，数百台一线部署。过去五年部署了数百台。这些很贵。
买一台要十几万到二三十万美元。是的。还有运营成本。我猜每年服务合同要几万美元。所以它们不是家用的。它们是工业用的，上面装了大量传感器。比如说你要巡检一条输送天然气的管道，这些机器在任何天气下都能出去，并且能感知到管道上
人类感知不到的东西，对吗？对，没错。对我们来说，这不是为了替代劳动力，对吧？而是我们能在哪些方面做得更好？能做到哪些超越人类的事？巡检就是一个很好的例子。我们的眼睛和耳朵感知不到所有信号。微量燃气泄漏、设备温度过热，
借助机器人上的摄像头、热成像摄像头、声学麦克风、气体浓度检测等等。我们给它装满传感器和 AI，就能远远超越人类的能力。所以经济上的收益在于避免停机。这些资产一旦停运，每小时会损失数十万美元的收入。
所以我们每帮他们节省一分钟、一小时，基本上就能收回机器人的成本。这也是为什么我们能在机器人上搭载非常昂贵的传感器和非常昂贵的 GPU。是的，这些机器人上的算力确实非常强。对。那它们肯定也需要相当大的电池容量。所以它们一次任务能执行多久，一两个小时？
两个小时。两个小时。两个小时。然后有一个充电坞，它们回来充电，然后一遍又一遍地执行。我们有些客户每天执行这些任务 40 次。14 次？14。是 40，四零。
因为他们关注的是电弧炉升温时的某个特定时间点。他们想知道那一分钟里发生了什么。派人进去太危险了。热成像摄像头……会烧伤。他们恰恰在那个时刻需要一台机器人。明白了。而且它们必须充电，而不是热插拔换电池。不，你需要的是无需人手介入的自主性。甚至不该有人因为这里有台机器人而被打扰。是的。他们不在乎机器人。实际上，他们甚至不想要机器人。他们要的是数据，是洞察。机器人只是精确采集数据的一种手段。
什么时候能把那些非常耗电的计算上传到云端？我们也这么做。总是分两部分。一部分需要在机器人上实时运行，因为你无法保证网络连接，还有避障、数据质量，要确保一次就拍对。如果你把一张模糊的图像传到云端，那就太晚了。是的。但在云端，当然你可以做情境分析、历史停机分析等等。人们是否已经要求它们能连续运行 24 小时或者 12 小时？没有，肯定没有。最长大概在八小时范围内，这样有足够时间充电。需要超过这个时长的情况很少。更高频率地执行，回报会递减。
但你得做好管理。他们现在人工巡检可能一天一两次，而现在能做到八次、15 次、20 次，对吧？所以频率已经大幅提升。是的。而且不用让人身处险境，质量还高得多。你们目前最令人着迷、最像科幻的部署是什么？是的，我是说，真正令人兴奋的是任何海上的场景，对吧？
人们要坐直升机飞过去。每次直升机飞行都要花费数万美元。但在海上，情况非常棘手，对吧？明白了。它必须可靠运行。周围几乎没有人。它必须持续运转。这些是石油钻井平台。还有海上的石油和风能设施。
啊。等一下。这些机器不能在水里工作。那它们怎么在海上风电场作业？周围有数百台风机。它们汇集到一个变电站。啊。在传输之前把交流电转换为直流电。
那通常是有人值守的设施。明白了。巨大的换流大厅。机器人就在这里作业。明白了。它们能在像北极这样的严酷条件下工作吗？你们已经在那里部署过了吗？嗯，
在挪威肯定有。那里是零下 20 度，沙漠里则是 40、50、60 度，对吧？这恰恰是你想派机器人进去的地方。温度、粉尘、湿度。最重要的是，我们现在有一款可以进入爆炸性环境的机器人。我们就在，你知道，石油天然气和化工领域，空气中有甲烷。你不能产生火花。所以我们制造了一款保证不会产生火花的特殊机器人。
这种地方你不想让人去，但对机器来说，这是完美的场景，对吧？危险环境。我们就是把机器人派到这些地方。太有意思了。所以如果你在二叠纪盆地，有东西在泄漏，这些石油钻井平台和燃气泄漏是最危险的情况之一。这是真的会死人的地方。而且你也不想等到它发生时才知道，
或者你不想制造问题，所以这是完美的场景。我要继续往科幻方向说，但到某个时候把这些机器投放到海底似乎是显而易见的事。嗯，有潜水器，对吧？我们现在不做这个，但我同意，对吧？机器人应该在人不该去的环境中工作。危险的、偏远的，对吧？
枯燥重复的任务。这就是我们……那目前是另一种形态，但有人在做水面上、水下、略低于水面的机器人，基本上不是做巡检，而是做监测系统。显然是为军方做的。
好，如果你在外面巡检，发现燃气泄漏，派人出去又很危险，那你们什么时候给它装上一些设备，让它在现场就把该死的泄漏修好？那肯定是圣杯吧，不是吗？是的，一旦你能检测出问题，客户必然会问：你能解决吗？你能修好吗？你能……？
今天还不行。好吧。你知道，在演示中可以。但在现实中，要在爆炸性环境中达到 99.9% 的可靠性。是的。这仍在研发中。第一步是扳动操作杆、打开柜门。最终，你希望实现双手操作，也许用三四条手臂来修理机器，对吧？
这仍然……你知道，AI 会帮助我们。我们前面还有很多工作要做。你看到的很多人形机器人叠衣服的演示，都是在高度受控的环境中。一旦到了户外，下着冰雹，对吧，气温冰冷。对感知来说也完全不同。但我们最终预见到未来这会被解决。你们的机器人有多少比例的零部件来自中国？
零。百分之零。这是因为在欧盟和挪威被禁止，还是你们自己的选择？这只是历史上形成的，我们一直在本地采购，芯片则来自美国等地。对我们的一些客户来说，这很重要。而且我们自己做了很多，对吧？因为我们 10 年前就开始了。
所以很多架构都是自研的。如今，你可以在全球各地买到更便宜的零部件。所以关键在于聪明地选择从哪里采购零部件，哪些是有源器件，哪些只是金属件。所以这确实是一个很难驾驭的局面。但利用某些硬件的商品化，对我们来说在成本上是合理的。现在中国以外谁在专门做这些？
是越南、印度，还是台湾？在哪里能采购到执行器以及其他很多……嗯，简而言之，中国是推进最猛的第一名。欧洲也有不错的公司，对吧？美国也有，所以肯定是这三个地区。如果只是劳动力组装，你也可以去别的地方。但你要获得核心专业能力，就得找真正制造那个部件的人。明白了。
那你现在怎么看中国？他们一直在窃取知识产权。我猜他们已经偷了你们的。而且其他人的知识产权在中国肯定也正被大规模窃取。他们正在制造便宜 80% 的机器人，并且会试图卖给同样的客户群，我很确定。你怎么看待中国机器人带来的威胁？
如果你看今天来自中国的机器人，那台设备是一个会走路的硬件。很漂亮，工程做得很棒。我很喜欢，还能做后空翻。是的。但它们并没有解决问题。我们的客户不会拿一个平台去和我们提供的完整解决方案作比较。
明白了。你需要自主性、巡检、智能、工作流集成，还有更多，对吧？这只是硬件上的差别。所以围绕它的那层框架、外壳、配套服务，他们目前还没有提供。还有对数据的信任，对吧？我们说的是非常敏感的数据。
我们拥有网络安全方面的 ISO 认证，所有这些方面，对吧？这就是我们的竞争方式。所以你的意思是，你可能不想把核电站的最新数据发给中国共产党？你不会想在你的关键基础设施里装 15 个由别人控制的摄像头。是的，我有点开玩笑，但……现在是怎么发生的？但确实存在数据泄露。
跟我谈谈军事应用。好的。北约不得不武装自己。我代表美国为我们对北约的立场道歉。但你们确实得掏钱，承担你们应承担的份额。你们已经同意这么做了。但我觉得欧洲有一种看法，如果我说错了你可以纠正我，北约内部也认为，你们可能不得不在没有美国的情况下自己干。
你们可能需要打造自己的军事产品和服务。你们难道不需要进入军事领域，把同样的应用拿来开发军事用途吗？你们已经在这么做了吗？是的。所以我认为欧洲有责任打造技术，以便能够实现独立。
你个人这么认为。是的。不过，对 ANYbotics 来说，我们已经选定一条路走下去，那边的需求非常大。所以今天我们不做军事，也没有打算做，对吧？而且到那个阶段它可能也是另一种产品了，对吧？听起来很简单，拿四条腿去做军事就行了。但你需要再走好几步，
具体来说，你要做不同的通信、不同的自主性。所以我们不做，但我是说，我认为其他人有责任去做。对你来说是“永远不要说永远”吗？还是你已经下定决心，你有你的使命，不会做军事产品？对我们来说，今天的使命很明确。我们从非军事领域起步，这就是我们要走的方向。明白了。
但如果欧盟来找你，而且你们……我是说，我们确实会收到，你知道的。哦，你们确实会收到请求。但这也是实话：我们真的在解决问题吗？光是把一台机器人交付给军方，还解决不了问题。你真的需要深入下去。所以你需要另一支团队来做这件事。我们的团队。真的吗，你需要另一支团队？
嗯，看起来你们可以用同一支团队来开发军事应用。不，自主性非常不同，对吧？比如我们做的自主性，你有时间去设置机器人，然后它去做巡检之类的。是的。而在军事上，讲究的是毫秒级的响应，对吧？远程控制、人在回路中、不同的通信、不同的自主性。然后上面的所有东西，应用软件，都非常不同。是的，你可以把它用在比如让机器人进入一栋房子。是的，也就这些了，对吧？其余的都不一样。
你怎么看待武装机器人？很明显，中国已经展示过同类的、身上装着枪的四足机器人。显然有了 AI，这些“终结者”场景已经来了。中国已经在制造它们了。我们在乌克兰战场上看到了无人机。挪威离俄罗斯不远。不算很近，但也不算很远。你怎么看待共产主义国家正在制造装有武器的机器人这一事实？
我个人不喜欢。我很讨厌这样。你很担忧。对。我是说，作为工程师，你应该为打造向善的技术而自豪，对吧？防御是一回事，主动攻击、在上面装枪，这太冒险了。这些技术正在成熟，但还没有成熟到你可以让别人身处险境的程度。是的，确实如此。我们将要面对的敌人会这么做，我们需要对此进行监控。业内对此有什么议论？当你和业内其他人在一起时，
关于那些威权国家在机器人和军事方面的动向，你知道哪些我们不知道的事？我认为这些都是非常早期的测试。我看那些视频，都是演示。我没见过这类机器人。无人机是有的，乌克兰那是出于必要。那是一个已经成熟并被投入使用的品类。
在机器人领域，实际上，就我交谈过的人而言……我是说，四年前，我们和我们的朋友波士顿动力以及其他公司一起写了一封信，对吧，谴责机器人武器化，正是出于这个原因：作为工程师，我们不想看到它被这样使用。我们认为这很危险、冒险、愚蠢。是的。好，祝你们继续成功。好了，各位，非常高兴请到 Bernt Børnich。他是 1X 的创始人兼 CEO。如果你了解 1X，他们做的是 Neo。Neo 是一款家用机器人。你们卖出了大量预订单，而且你向大家保证这款产品会做成，并在 2026 年送进他们家里。
它多少钱？你们能赶上自己定下的截止日期吗？你得信守承诺。好的。我们会在 2026 年发货。好。不过这里要管理一下预期，一开始会比较慢。我们想把它做好。
是的。但会有少数客户在 2026 年拿到他们的 Neo，我非常兴奋，已经迫不及待了。Neo 的价格是多少？这个问题挺有意思，因为要看情况。我是说，我们开放预订时有两种不同的付款模式。一种是早期用户那种预先全额付款，另一种是订阅费。
当然，产品还在大量开发中。所以订阅模式会是什么样子，这些东西都还在演变。明白了。我们也希望一开始和客户一起把这件事弄清楚。但现在另一件大事是，我们还没有正式宣布，不过我已经透露了一点，就是我们将允许很多人在 Neo 上进行开发。所以我们也会把 Neo 作为一个平台推出。是的，就在接下来几周。它会像一个应用商店之类的，或者说技能商店。
所以如果我家里有一台，我想做沙拉，你作为一个开发者可以做一个沙拉技能，我可以购买并订阅你的沙拉技能，对吧？这会是其中一部分。但对我来说，Neo 和 1X 的意义远不止消费级市场，对吧？是的。消费级是一个极其重要的市场，但 1X 一直关注的是如何通过这些人形机器人在整个社会创造充裕的劳动力。
我真心相信，我们现在拥有一个能力非常独特、定位非常好的平台，允许人们在上面开发，将打开 Neo 在整个社会中的用途，而不只是在家庭中。对。但这也会让消费者受益，因为这意味着会有更多基于 Neo 开发的东西。其中一部分将是面向消费者的应用商店，我们对此非常兴奋。
但总体而言，这也关乎如何打造一个更大的生态系统，从而加速自主性的发展，加快实现家中真正拥有完全自主智能体的进程。预订是多少？2 万左右？我在努力回想。我们还没有公布官方数字，但相当可观。
头 1 万台在头几天就卖光了。哦，所以人们为此付了定金。他们将能够全额……所以有点像特斯拉的 500 美元定金，或者每月 500 美元、1000 美元，在这个范围内？是的，每月 500 美元。每月 500 美元。所以如果拿 Google Glass 或 Vision Pro 来类比，这是给高端人群、先锋人群，也就是最早的那批早期用户准备的，对吧？
百分之百。我是说，我们一直努力对此非常透明。在 2026 年拿到一台家用人形机器人，体验会比较粗糙。对。它们会摔倒。它们会摔倒。但我很高兴地说，我认为我们实际上能够交付一款
非常接近完全自主的产品，这一点我们在发布时不想承诺，因为当时太早了。我现在也还不会完全承诺。但按照现在的趋势，看起来我们将能够交付一种完全自主、而且仍然相当有用的体验。不过，如果你希望第一天开箱一切就能正常运转，那就会涉及一些远程操作或对系统的指导。但这些天真正让我兴奋的是，我们现在看到了实际
交付这样一款产品的路径：如果你想要，它可以是完全自主的体验。而且它已经变得相当不错了。远程操作这件事让我很着迷。不知道你有没有看到，在纽约有一家鸡肉三明治店，招不到收银员。于是他们雇了一个在菲律宾马尼拉的人，时薪大概 3 美元，这对菲律宾的收银员来说是很高的工资，他们让她通过 Zoom 视频通话工作。他们就打开了 Zoom，就这么办了。
你可以点单，如果遇到客服问题，直接跟她说就行。她会说：嘿，我就在这儿。从某种意义上说，这就是你用机器人能做到的事。你会有一个在菲律宾的人，你可以随时调用，他可以把机器人启动起来。当你说“嘿，给我倒杯橙汁”，那个人就能远程完成这个任务。我设想的这个场景对还是不对？
我认为这些都会发生。回到平台是怎么运作的。让我先退一步，花两分钟讲讲这个。如果你把 Neo 看作一个平台，比如你想围绕它开一家橙汁店，好，你买一批 Neo，你得到 Neo，还得到机器人操作系统，包括机队管理等等。
你还会得到数据采集设备，也就是配有与 Neo 相同触觉传感器的手套、相同的视觉系统，你可以在你的店里采集数据，在我们的系统里微调我们的模型，我们会帮你对数据做所有的密集标注，这些我们都会做。你微调你的模型，部署它，让它运转起来，现在你就有了一家完全自动化的店，你很满意。这是一条路径。也许那样不太行得通。那你就说，我会让人有时通过远程操作介入，然后你的数据会变得更好。这是一种做法，对吧？采集数据的方法有很多。
或者你也许会说，你知道吗，这太复杂了，我就想完全远程操作。那也可以。取决于你想怎么应用。这个平台覆盖的范围，从只想把自己的工作流程自动化的开发者，一直到想部署自己模型的基础模型实验室。所以也存在这样一种情况：你可以在 Neo 上运行别人的模型。我们会允许这么做。所以你们将是一个开放平台。在某种程度上，你们对其内部的智能是“无头”的，如果 OpenAI 有一个世界模型，或者 Claude，或者其他一些独立的世界模型，都能接入进来，对吧？
百分之百。当然，我真心相信我们的模型会是最好的。当然。我也相信竞争。所以如果我们这个从制造一直到产品全部自己掌控的公司都做不出最好的模型，那我们就算是失败了。是的。但我们会不会允许其他人在上面开发？百分之百会。一个重要原因是，目前如果你看这个领域的现状，还没有一个通用模型能解决机器人领域的所有问题。还没到那一步。对。
如果接下来几年我们被困在客户的“后院”里，帮他们对接 ERP 解决方案和其他各种东西，我们就到不了那一步。我们想做的是攻克通用问题。我们如何解决具身智能，从而真正创造充裕的劳动力？这要求我们专注于通用问题，同时让其他人也帮忙把现有的东西应用起来，帮助构建生态系统，对吧？
如果我们形成了庞大的机器人生态系统，我们都会从中受益。是的，我能想到一些应用，比如一个远程操作员，假设这是一家便利店的机器人，只是帮你把东西搬到车上。这可能每小时才发生一次。你可以有一个远程操作员，或者也许有 10 个人监控 3000 台……30、40 台 Neo，远程控制它们，帮人们把杂货搬到车上。
是吧？就我个人而言，我可能真有一个远程操作 Neo 的用例：我有一部分时间在挪威，现在大部分时间在旧金山湾区，但还有一部分时间在挪威。我也会参加像这样的大会，对吧？当我出差在外时，我希望能通过 Neo 到场、管理我的公司。是的。给 Neo 戴上帽子，我就是 Neo。
这其实挺神奇的。我可以四处走动，可以拿起零件，查看零件，可以和人交谈，可以参加会议，对吧？所以这是远程操作的一种应用，我认为它实际上永远不会消失。无论你的自主能力有多强，它都还会存在。
是的，你在深圳工厂里的化身。百分之百。是的。你知道，还有其他类似的应用，比如偏远的电站，开车一小时范围内都没有人，你在储物间里放一台机器人，出了问题时，
你就出去扳一下那些老开关，处理一下。当然。比如，你很可能不会把这个自动化，因为这是那种每几个月才发生一次的偶发事件，对吧？对。所以……但在森林中间、靠近那些输电线或电力换流设备的地方放一台机器人是值得的。它们能在几分钟内出动……是的，基本上就像过去所说的“专家驻场”，
就是这样一个概念：你可以把世界上最好的专家远程传送到世界任何地方去帮忙解决问题。就像外科医生。是的。是的。这非常有用。不过我确实认为，我们过去一年的体会是，首先，Neo 已经变得非常强大，尤其是有了新的手之后，远程操作已无法充分发挥硬件的能力。
也就是说，你无法让远程操作好到足以充分利用硬件。所以手的精细度超出了远程操作员能够利用的程度。是的，对吧？比如，远程操作员感受不到机器人所感受到的东西。那你就需要构建完整的触觉反馈系统，而那会拖慢你，又慢又笨重。所以我们越来越多地看到，让人类直接佩戴机器人的传感器来采集数据，
而且尽可能做到无感，这样它们就不会干扰你正在做的事，对吧？这是解决机器人基础灵巧性最有用的数据。但更重要的是，我们下的那个大赌注，也就是 1X 长达十年的赌注：如果你能让机器人与人足够相似，那你就可以用外面所有现成的人类视频数据来训练它。是的。
我们开始看到一些非常有力的证据，表明这实际上效果非常好。这就是我们成立 1X 世界模型实验室的原因，因为我们现在终于有了这方面的扩展定律，而且我们看到这个……带我们走进实验室看看。你们是不是让工厂里的人戴上眼镜、戴上你们的“手”，一遍又一遍地做他们的任务？你们是否和 Micro1 这类公司合作，去做现实世界的事情，外包采集一些独特的专有数据，是
其他公司没有的？世界模型是如何大规模构建起来的？嗯，是的，我们确实这么做。但那不是重点。我认为归根结底很简单，对吧？模型的好坏取决于数据。是的。如果你想象一个数据金字塔，塔尖是远程操作数据，质量非常高、规模小的微调数据集，我们的做法实际上是让操作员尽量又好又快地完成任务，他们经常会失败，然后再试一次。然后我们挑出那些他们像人类一样出色完成任务的好样本，对吧？是的。我们不需要很多这类数据，它只是用来对齐模型的。
然后是你说的那种数据，我们把传感器戴在人身上，让人去采集数据。是的。这类数据更多，而且非常接近机器人。但它不是机器人。远程操作数据就是机器人本身。这个不是机器人，但很接近。然后是第一人称视角视频，也就是从人类视角拍摄的视频。
这离机器人更远一些，但仍然相当接近，因为机器人的手和人的手一样，看起来也一样，所以相当接近。然后是通用视频数据。是的。关于整个世界的。关于整个世界以及人的，对吧？
而且因为 Neo 和人非常相似，我们实际上可以利用所有这些数据。金字塔的最底层，也就是这些视频数据、通用视频数据，与其他任何数据相比都庞大得离谱。那是 YouTube，是一切。所以如果你看实现真正的智能需要什么，你需要的数据要比
未来两年内任何人通过第一人称数据或这种传感器数据所能采集到的多出好几个数量级。明白了。而据我所知，AI 领域我们见到的所有重大突破，都是因为有人想出了如何利用一个以前无法利用的巨大新数据源。你解锁了一批新的数据，然后模型能力就大幅提升。嗯，现在有很多人在外面想方设法找数据。
比如说，那就是，有多少岗位？所以这有点像第二十二条军规。所以我们的大赌注是，你必须能够利用外面的通用视频数据。是的。而唯一的办法是，你必须在意机器人的每一个微小细节，让它尽可能接近人类。比如，你知道，血肉、组织和皮肤是高度非线性的。
比如，要多大的力才会变形？摩擦力是多少？碰到桌子时的冲击能量是多少？而且人的手大小各不相同。我是说，在 NBA 里真的有“臂展”这个概念，臂展宽、手臂比普通人长的球员，就因为多出那两三英寸的臂展，薪水要高出 20%。
仔细想想还挺有意思的。这个说法真好。臂展。我们一直管它叫“大猩猩系数”。对。长手臂。对，对。不过总之，我的意思是，是的，这些事我们都在做，但最终让 1X 区别于所有其他机器人公司的，
是我们全力投入，用互联网上的视频数据预训练我们自己的模型。对。而且我们跨具身（cross-embodiment）的对象不是另一种机器人，我们跨具身的对象是人。没错。我们希望尽可能接近人，因为这能解决那个“第二十二条军规”式的困境。最终，所有数据都会是机器人数据，因为机器人数据包含动作、触觉和力，它更好。
但要获得所有这些数据，唯一的办法是打造一个足够好的基础模型，让你能把这些机器人部署到整个社会中，让它们做人们愿意付费的有用的事，同时收集数据。机器人什么时候会变得具有递归性，开始自己教自己、自己制造自己？就像我们现在在大语言模型上看到的那样，人们在创建智能体，不再给它提示和指令，
我们现在开始说：好，这是目标，这是一个循环。你是为企业识别潜在客户的那个智能体。好，你是负责客户成功的智能体，具体是这样的。你是负责，比如说，给产品定价的智能体。
然后这些智能体就开始运作，我们已经开始在知识工作中看到这种情况。这什么时候会出现在机器人领域，让你不必真的操心如何让机器人变得更好？它们有足够的“感知力”——用这个词也许不准确——但它们知道自己的使命是什么。你给了它们目标：嘿，你在一家米其林星级餐厅工作，你的目标是以这种水准的精确和完美做出最令人愉悦的食物，这些是预期结果。然后它会说，好，我得把水波蛋做得更好，才能真正做好这件事。
这有点科幻。不，不，这不是科幻。这其实是我们经常思考的事情。但这也极难回答，因为，你知道，现在的发展是这样陡峭上升的，而你就站在这条曲线上。一年前你问我的时候，我对 AI 到今天能走多远、要多久要悲观得多。而每次我去检验一下，事情的进展都比我想的快。所以很容易就会过于兴奋，对吧？
但如果我尝试宽泛地回答，我非常确定我们距离“硬起飞”不到十年。我说的硬起飞，是指机器人制造机器人、建数据中心、建芯片厂、开采和精炼矿产，真正实现劳动力的充裕，一个能够自我维持、不断扩展的系统。不到 10 年。不到 10 年。我目前的押注是三年。
明白。但就算需要 10 年，放在人类历史中，也只是一瞬间。其实无关紧要。所以这又回到了 1X 是什么，对吧？你们管这个叫行业术语“硬发射”还是？硬起飞。硬接管。起飞，不是接管。我们会把它做对的。会是硬起飞。硬接管。是的。但你知道，这就是那个术语，对吧？这是个行业术语，硬起飞。而没有物理部分，你是实现不了这个的，对吧？数字智能永远无法创造它自己的基底。你需要物理部分。对。而且我认为这也是一个……
……会对人类产生巨大影响的事，比如在推动科学进步方面，对吧？我们现在在平台上看到的很多需求，来自想要把实验室工作自动化的人。是的。因为如果你的 AI 模型无法真正搭建并执行实验、观察结果，它们怎么推动科学进步呢？所以随着 AI 走向物理世界，所有这些都会在未来几年发生，确切时间表有点难说，但这是以年计，而不是以十年计。是的。我是说，如果你相信是三年——我知道你是个乐观主义者，做你在做的事就必须是乐观主义者，绝对是个疯狂的乐观主义者——而你认为最晚的估计是 10 年，那么五年、六年或七年我们也能接受。
伯恩特，你得去赶飞机了。这太精彩了。祝你继续成功。如果有人想订一台 Neo，每月付你 500 美元，参与你们正在做的这件绝对疯狂的事，他们该怎么做？怎么加入？嗯，你去我们的网站订一台 Neo 就行了。就这样。就是这么简单。就是这么简单。现在是 2026 年了，本来就应该这么简单。
确实应该这样，对吧？如果你能在网上订一辆特斯拉，你就能在网上订一台 Neo。价格透明。我喜欢。是的。伯恩特，祝继续成功。在你的世界里，确切的措辞很重要。尽职调查电话里的数字。董事会上的承诺。Plaud 能记录对话，并把它转化为可搜索的信息，你几秒钟就能调出来。
向 Plaud 提个问题，就能得到答案和依据。别再翻录音或依赖记忆了。记录对话，留住关键信息，这就是 Plaud。在 plaud.ai 了解更多。好了，各位，我们非常幸运，请到了阿曼达·麦克马斯特（Amanda McMaster）。不是 McMasters，是 McMaster。
就是 McMaster。不，是 McMaster 女士。不，McMaster。你是波士顿动力的临时 CEO，这家元老级、最早的机器人公司，几十年来我们看到它的机器人后空翻、打功夫、被踢被打后又站起来。我们一直记不清现在这家公司归谁所有，因为它原来是一家获得风险投资的独立公司。
后来谢尔盖和拉里买下了它，它成了谷歌的一部分。然后我想它被卖掉了。孙正义曾经一度拥有它。但我相信现在是现代汽车拥有它。没错。我说的这整段历史都对吗？对。
你说得完全正确。好。看来我读了太多行业新闻。但现在由你来掌舵。它几经易手，而你们从人形机器人领域基本上独一无二的存在，变成了众多公司之一。我们现在在巴黎的 Machina 峰会上，你能看到很多同行。那么波士顿动力现在在做什么？它仍然是一个研究项目，还是你们正在走向现实世界、应用这些机器人？
因为我觉得你们起步早，但现在不得不面对激烈的竞争，对吧？对，我们非常重视部署机器人。所以它不再是一个 AI 实验室了。它不是实验室，也不再是一家研发公司。我们现在专注于现实世界的部署。我们从 Spot 机器人开始，很多人都知道它，就是我们用于工业领域的移动四足机器人。在《黑镜》里追人的那个很出名，不是你们的。你可以拥有它，对吧？总会有反乌托邦版本和乌托邦版本。你们显然在追求乌托邦版本。但那确实是一款非常酷的机器人，已经被部署了。是的。它已经部署在真实的客户现场。它
正在提供真正的客户价值。目前我们有超过 500 家客户，遍布超过 46 个国家。哇。它是目前全球使用量最大的移动自主机器人。哇。所以它是部署最多、使用最多的。是的。真实的客户。为什么？为什么？它的头号用途是什么，是安保吗？是巡检吗？人们用这种狗的形态做什么？是的。或者说小马？你们喜欢怎么称呼它？马狗？我们喜欢把它当成狗。我是说，我很喜欢它。我觉得它动起来就像狗。不过你知道，我们在用它……客户发现它在工业巡检中很有价值。他们用它做声学检测、仪表读数、振动检测。也就是说，他们的设施里有昂贵的资产，他们想要
监测这些资产，Spot 让他们能做到这一点。现在，它白天可以直接做这些，晚上还可以做周界安保工作。所以答案是肯定的，这些我们都做。真正的转折点是客户的投资回报率。我们希望客户从中发现价值，让它做真正有用的工作。不只是“是的，它很可爱，还会跳舞”，到现在早已不只是跳舞了。它现在在做真正的工作。而客户需要在两年内看到投资回报。
而那些巡检，如果真的有人在做的话，也是由人来做的。是的。我们都知道，人身为人，是会犯错的。而现在这些机器人就像小狗一样在水处理厂、桥梁或者任何地方、基础设施管道周围跑来跑去，它能记录许多不同的传感器数据，显然有视频、振动，我猜还有雷达，还有你提到的各种声学数据。是的。这些机器人多少钱？硬件成本的范围是多少？
然后你们的商业模式是什么？人们买下机器人，再租用“大脑”，按小时租用。作为 CEO，你认为商业模式会是什么？这些部署了数百台机器人的数百家或几十家客户，采用的是什么商业模式？是的，Spot 一开始我们采用的是资本支出（CAPEX）模式。Atlas 我们可能会采用机器人即服务模式。
我们理解人形机器人这种形态，客户可能想在不同时间扩容，也需要能缩减规模。Spot 采用资本支出模式效果相当好，这符合这些工业客户看待工业工具的方式。所以他们通常希望以资本支出的形式购买。价格取决于配置。你知道，从基础款机器人的 10 万美元，到包含服务、集成和部署的全配版 30 万美元不等。所以根据配置不同，价格从一辆特斯拉到一辆法拉利不等。但人们需要明白的是，我想它们的寿命超过五年。
比如，你们以工业应用著称。所以如果它能运行，我猜加上充电，你们每天能运行 20 小时、22 小时。是的，我们用平均干预间隔时间来衡量，目前已超过 3000 小时。哦，好的。一年只有几次需要人介入，
而且它有充电站。电池续航约 90 分钟。通常我们会配两台，一台回来坐下充电，另一台就可以接班。它会自动更换电池吗？它只是坐到充电座上。完美。是的。
§02文字稿 2
不过 Atlas 的电池是可更换的。是的。但热插拔要由人来做吧？不，Atlas 自己做。哦，它自己做。Atlas 有两块电池，所以它会把躯干转过来，换下一块，换上另一块。它始终有一块备用。
完美。所以电池续航也……所以人形机器人显然能自己换电池，机器狗则是充电。所以实际上，它们可以在现场工作接近 24 小时，也许 18、20 小时。这样运营成本就是每小时几美元。成本的大幅降低，是否改变了人们看待使用场景的方式？
因为我猜做管道巡检的工会工人，算上福利、养老金之类的，每小时工资要 40、50、60 美元，相当昂贵。对于 Spot，我们并没有特别着眼于替代劳动力。虽然这是一个你可能会看的指标，但我们考虑的是，如何把 Spot 引入其中来配合人类劳动。第一，即使分配了任务，人们其实也没在做这些任务。
他们实际上没在做。第二，我们只是想找办法让人们去做更多知识型工作，而不是去做巡检。所以是的，客户看投资回报率的指标之一是劳动力替代。但我们更侧重于为你节省了多少。比如你在设施里发现了一处漏气，那本来每天会造成 300 万美元损失。是的，结果很重要。是的。所以我们提供的价值是……但在这个时间点，在行业里谈论劳动力替代是否仍然敏感，所以你必须非常谨慎？说实话，我是说，作为一个指标，这里面肯定会有劳动力替代的成分，因为它简单。
你知道，世界上有多少人，相对于这个数字你能设想出多大的总可服务市场？我只是认为这不应该是我唯一要谈的话题，对吧？只是其中一部分。而且希望我们正在消除那些危险的工作，以及那些人们可能觉得压抑的工作。是的。枯燥、肮脏、危险。枯燥、肮脏、危险。是的，我们不想做那些
伤害自己身体的事。是的，我们只有一副身体。是的。关于 Atlas，你怎么看待机载计算和远程计算？在放置“大脑”的时候——我的理解是你们把大脑放在机器人身上。是的。这意味着极大的电池消耗。你怎么看另一种选择，就是把大脑放在云端，
如果它们所在的区域有极高速的 Wi-Fi 等等，就能让机器人更轻量。你们现在提供这种方案了吗，还是全部都是“嘿，你得有一台大脑在本机上的机器人，因为客户想要这样”？这似乎是正在发生的一种范式转变。是的。那你怎么理解这个问题？或者我们应该怎么看待它？
我们考虑的是两个大脑，对吧？这是我讲这个故事的简化版本。有两个大脑。一个大脑控制机器人的身体机能，这一块非常重要，也正是波士顿动力著称的地方。你知道，动态运动、可靠性、它在世界中操控物体的方式，这些都在机器人本体上运行。
让它对环境产生语义理解的推理层，可以放在云端。这部分我们可能会与 Google DeepMind 合作，也可能与其他 AI 合作伙伴合作，或者自己构建其中一部分。然后包裹在这一切之外的，是特定客户围绕其自身工作流程所需的非常具体的信息，你知道，
他们如何看待自己的作业流程、他们设施里有哪些工具，以及这台机器人将如何与之交互，这部分会放在某个能满足速度要求的地方。所以如果需要，可以放在机器人上，也可以放在云端。我们会把这个外层搞定。如今机器人有多大比例是在美国制造的，
或者说在中国和台湾以外制造的？100% 的机器人。100%。所以在美国，机器人的主权方面没有问题。我们看到很多廉价机器人来自中国。是的。以你作为这家公司 CEO 和一个美国人的个人观点，在任何情况下，我们应该允许
来自中国的人形机器人进入美国吗？不。不。为什么？不安全，对吧？我们已经听说过一些泄露事件，你在美国看到的一些四足机器人会通过秘密渠道把数据传回中国。听着，我们已经看到了在半导体领域让中国赢会发生什么。你知道，我们在机器人领域不能这样。对。所以我们需要协同努力来保护我们的知识产权，确保我们把这个生态系统的制造带到美国、带到我们的盟友国家。这意味着我们需要推行我们的国家机器人战略。
我们很幸运，能在其中一些讨论中占有一席之地。我希望更多美国公司加入我们，承担起这一使命。是的，我们必须非常认真地对待这件事。这是一个关乎存亡的问题，因为我们不仅要赢，还要确保世界其他地方
使用我们的平台，而不是中国的。你怎么看待它的军事应用？显然，无人机已经改变了军事领域，其方式和速度——无意双关——我想没人预料到，这是因为乌克兰发生的事，现在我们在中东与伊朗的战争中也看到了。你怎么看待 Atlas 和 Spot 在战场上的应用，它们在军事部署方面进展如何？是的，我们一直公开表明我们持反武器化立场。
但为什么？我认为，就我们目前在工业应用场景中想做的事情而言，这对我们的业务是一种分心。所以是为了专注。是为了专注，而不是出于哲学理念。我是说，这取决于你问的是谁。作为 CFO……CEO，我看待这件事会说，我现在一切以专注为重。我们需要专注于我们认为自己会赢的市场。
当然，我们和政府关系很好。我们乐意与他们开展任何非武器化的合作，而且我们今天确实在这样做。好的。所以你们会把机器人、或者说已经把机器人部署在现场，比如如果它需要去救回一名士兵或送一个医疗包，你们可以接受。拆除炸弹，你们也能接受。EOD，也就是爆炸物处理，是机器人的一个很好的应用场景。
你们目前在做这个吗？我们目前在做。所以我们能接受这个。我们不做的是终结者机器人，对吧？对。对市场不好。但中国在造。所以如果中国在造而我们不造，
如果你是波士顿动力，你某种程度上就有义务去造。所以如果中国把这些投入战场，你们会为了保护美国而造它们吗？我觉得这是个棘手的问题。我想等时候到了，我们必须回答它，希望那一天永远不会到来。那一天会到来的。我可以向你保证，而且我可以向你保证你的回答会是什么：
当特朗普总统打电话来时，你会说“是，长官”，否则你的公司就会被收归国有。我是说，这就是现实。我是在跟你开点玩笑，但他们会部署这些，他们会部署它们，而且他们已经展示过了，你也看到他们在这些机器人上装 AK-47。不是在我们的机器人上。不是你们的。
是的，听着，这很可怕。很可怕。我认为，听着，我知道我们拥有世界上最好、能力最强的机器人。如果那一天真的到来，我们必须做出艰难的决定，我们会做出正确的决定。但今天我们不必做这个决定。所以我会让大家专注于对我们赚钱很有意义的应用领域。我要告诉你一个秘密。别告诉任何人。
中央情报局、联邦调查局和战争部目前有很多你们的机器人，上面装着很多武器。别告诉任何人。好了，听着，我知道你得走了。祝继续成功。这是一家非常重要的美国公司。我希望你接下这份工作，成为正式 CEO。我知道你现在是临时的。祝你好运。
如果有人想来波士顿动力工作，你们的总部在哪里？我们在沃尔瑟姆，就在波士顿郊外。不过我们接受一些远程工作，也在考虑去西海岸。我正想说，我知道公司名字里有“波士顿”，但我猜随着大量人才聚集在湾区，
你们会需要在那边开设一个办公点，对吧？是的，我们在考虑。好了，听着，祝继续成功。非常感谢。好了，各位，我们的下一位嘉宾是乔纳森·赫斯特教授。他是 Agility Robotics 的联合创始人兼首席机器人官。你在 2008 年获得了机器人学博士学位。所以你在这行已经超过 20 年了，远远超过 20 年。过去 36 个月里，事情似乎变得火热起来。也许你可以
为观众，在我们谈你们的产品线之前，先概述一下你在过去 20 年里看到的情况，以及过去两年与之前 20 年相比如何。我是说，20 年前我们做这个的时候，它在产业界真的是个未知数，对吧？机器人技术更多是关于自动化系统。而在研究界，我们在做人形机器人、自主移动机器人之类的东西，真正在努力构建智能，然后打造能让它发挥能力的硬件。
现在这真正开始突破到现实世界，在作为研究课题之外产生直接影响。然后大学也看到了这种需求和增长，人们热爱机器人。很多学生想做这个，需求很大。所以项目数量增长了，而且是呈指数级增长。非常、非常令人兴奋。在你专攻的人形机器人领域，我们经历过很多次虚假的开端。还有 AI。
还有 AI。他们称之为“AI 寒冬”，你知道吧？是的，有好几次。这一次显然是真的。向观众解释一下，为什么这次不一样，为什么你相信这一次我们会看到机器人、特别是人形机器人大规模部署——我想我们都同意，也许在未来 20、30 年里，规模会达到地球上与人类一比一？影响非常深远。是的。为什么？为什么这次不一样？是的。嗯，我想说，总的来说，做一个看起来像人的机器人是非常容易的。
好的。这就是为什么我们已经看到人形机器人 100 年了。而做一个能在人类空间里做有用事情的机器人非常难。我们今天开始看到这一点了。这就是区别。所以即使它看起来不完全像人，也许只是有点人形，但它在做有用的工作，这才是影响所在。而且因为大语言模型，很多东西现在都变成免费的了。
当这些机器人看着这里的桌子，你问“桌上有什么”，它知道那是手机，知道这是纸、茶、水，它可能还知道每杯有多少盎司。是的。如果我们三四年前坐在这里，它其实不会知道世界上有什么。你得用非常狭窄的方式给它编程，对吧？是的，感知曾经极其困难。而感知在这个阶段已经全部解决，这是一个非常、非常巨大的
转折点。我是说，你知道，我说了，是的，机器人在做有用的事情，但人们现在也能看到通用性的未来。AI 正在为这些机器人带来更广泛的情境感知能力，所以人们能看到它很快会在通用意义上有用，能做许多有用的事。所以有感知。机器人必须理解世界。是的。但让机器人摆脱非常受限、狭窄的任务，比如在工厂里，似乎总存在这样一个障碍。我的看法是，障碍在于沟通和训练层面。也许我们可以稍微展开一下，因为我的理解是，以前，你知道，
如果你要让机器人做一杯咖啡，基本上得硬编码。我投资过一家公司叫 CafeX，它是一个机械臂，每次都能完美地做一杯咖啡，能打生啤，诸如此类。但它必须手动编程。现在，因为有了感知，因为语言模型在互联网上的每一个视频、每一份咖啡配方上训练过，指令集似乎也是免费得来的。我说错了吗？还没到那一步。
实际上情况很不一样。语言模型，你可以把它想成现在正变成一种像互联网一样的普通商品，人人都能用。这是一股惊人的水涨船高之势。但这些语言模型是用互联网上的全部数据训练的，而机器人控制并没有这样的数据。你知道，对于你的机器人来说，在给定所有传感器输入的情况下，发给每个电机的所有扭矩、所有扭矩指令，样例在哪里？根本没有训练数据集。
所以你必须以某种方式生成和创造这些数据。人们有很多不同的方法和途径来做这件事。而这些 AI 工具中的一些——再说一次，不要把 AI 看作一个黑箱，而要把它看作一个大帐篷，里面装着许多非常不同的有用计算工具。对。为了控制机器人，你可以通过示范学习来做这些事。你可以远程操控机器人，然后用这些数据开始训练。你可以给它动画输入或动作捕捉输入，或者任何其他不同的东西。
但这也有一个真正的硬性限制。因为人控制机器人，并不能真正发挥出机器人在最优状态下能做到的事，以及它的行为可以如何运作。机器人需要自己练习，你知道吗？这就涉及世界模型、仿真到现实迁移（sim-to-real transfer）之类的东西。世界模型是下一个前沿。人们真的在给人戴上手套，
让他们远程控制机器人，真的去切菜做沙拉、倒水。今天很多不同的公司都在这样做。确实。世界模型会解决这个问题吗，还是？它们是解决方案的一部分。所有这些事情都一样，没有万灵药。对。所以据我理解，世界模型是，你知道，你能否对整个
仓库及其中所有物体的所有物理特性进行建模，让这些机器人的仿真可以在世界模型里练习，而不会在现实世界中弄坏东西，而且时间被压缩，借助计算之类的，你可以在几天内完成，你知道，一百万次迭代。但仿真和现实之间总存在巨大差距。事物无法被完美仿真。然后，你知道，当你在现实世界中拿起某样东西时，会有液体晃动的动力学，玻璃上会有冷凝水，机器人本身的动力学也没有被完美建模。所有这些事情仍然非常、非常困难。
这需要机器人在现实生活中真正练习。是的，那么会不会有一个奇点或者交汇时刻，实现递归学习——就是把机器人放进厨房，让它自己犯错，然后说做下一次测试、做下一次测试，这就是我们教它下国际象棋或围棋取胜的方式。我们没有告诉它，比如，这是王车易位的方法，
我们只是用蛮力，说尝试每一种计算。它就能自己弄明白。现在有了这些递归循环，什么能让我们更快到达那里？是有人建一个世界模型，说“去递归吧”，把机器人放进厨房，然后，你知道，打碎很多瓷器？还是这些世界模型公司非常精细地让人和机器人在一家米其林星级厨房里并肩工作，来做那道舒芙蕾？
我是说，这也许不是一个很令人满意的答案，但所有工具都会用上，全部，对吧？这里根本没有万灵药。我不相信会有这种奇点。我确实相信事情会变得越来越好。更像是一个雪球滚下山，越滚越快。明白。但它之所以这样像滚雪球一样发展，是因为人们在投入资金和资源，
投入工程时间和工程精力，去探索一切，并开始把这些东西都弄明白。好的，那么。但比如人类，我们进化出了学习能力。我们非常擅长学习，只需要很少的数据就能学会怎么做一件事。然后我们反复练习来迭代。机器人还不太擅长学习。机器人需要比人多得多的数据和多得多的示例。
我们仍在研究如何教机器人学会学习。但从长远看，机器人有一个优势是它们有 Wi-Fi。你知道，当你学会拉小提琴时，你不能直接把它上传给别人，让他们基于你的学习成果学会拉小提琴。机器人将能做到这一点。一个机器人学会拉小提琴，所有机器人都会拉小提琴。或者说，所有同类型的机器人都会拉小提琴，对吧？
然后对于下一种类型和下一款硬件做一些小的调整。所以你们实际上正在部署你们的产品，叫 Digit。我想 Digit 现在是 4.0 版，你们将发布 5.0 版。比方说，你们在现实世界中有几十台在不同的应用场景里。
给我们讲讲今天的部署是什么样子，以及你认为一两年后会是什么样子。今天，它在做一些多用途的工作流程，但范围仍然划定得相当清楚，比如搬起料箱和周转箱，拿着它们到处走。我们这样做的原因是，你需要两只手臂才能搬起大件物品。你需要全身控制，才能灵巧地操控和移动这些东西。你需要保持平衡，才能在狭窄空间里把它们举到高货架的顶层。所以对于这一个用例来说，这种形态是说得通的。但人形机器人真正有用的地方在于它的多功能性。
所以当我们做拆零拣选、装满料箱再搬到某处，以及码垛和拆垛，并扩展到越来越多的用例时，它就真正开始加速了。而今年晚些时候推出的 Digit V5，将是人形机器人——一种需要保持平衡的机器人——首次能够走出工作单元，在这个仓库里不需要机器人与人之间的物理屏障来保障安全。
所以当 Digit V5 投入使用时，这对我们来说算是一个规模化的时刻。是的，这是一个人们可能没有充分认识到的关键时刻。对。但如果你去过埃隆的工厂或者丰田的工厂，那里有线，有一条线。如果你越过那条线，一切都会停下来。
一切都会停下来。我跟埃隆一起参观过很多次特斯拉工厂，他们会说，拜托千万别越过那条线，因为你一越线就要损失一百万美元。因为产线在全速运转。我们开始有足够的信心，相信这些机器人不会摔倒
砸断别人的脚踝。嗯，过去两三年里，这是一个非常、非常刻意推进的过程。对。你知道，这就是我们和亚马逊合作的经历：我们部署了机器人，机器人在执行任务，他们说，很好，你知道，这实现了我们所有的研发目标；我们说，太好了，那就去部署吧；结果他们说，哦不，我们没法部署，因为，你知道，它们不符合我们的安全要求。我们就想，好吧，那我们要怎么
达到这个要求？结果发现这超级难。所以这台机器是自下而上设计的，整体性地贯穿始终，机器人的每一个系统都被改动过，就是为了弄清楚如何让它变得安全。看像你们这样的工业级机器人，物料清单，每台几万美元，对吧？我是说，我们不讨论物料清单。我们知道成本会随着时间不断下降、下降、再下降。我们卖机器人的价格会接近汽车之类东西的成本。真正应该问的问题是，它们能产生多少价值。
当你有一台每天工作24小时、寿命五年的机器人，你知道，它的价值是多少？相当可观。对，如果我们从第一性原理来思考，它们可以合理地每天运行20、22小时，然后就得充电，就是……所以我们按每天20小时、一年365天来算。顺便说一句，这完全正确。
我们的Digit V5机器人在24小时里能工作20小时，因为采用了非常快速的新一代充电方式。所以我们有每天20小时、一年365天。那就是每年七八千小时。按8000小时算，5年就是4万小时的工作量。积少成多。对，人们往往以为这些东西会花费
2万、3万、4万美元。到某个阶段确实会是这样。对。在那真正实现之前，还需要经历规模化，要有10万台机器人投入使用。所以那就是每小时一美元。目前工厂里的工人时薪是40美元。也许在其他一些国家是每小时10美元。
但我们按每小时20美元算。等这些机器人上市后，到某个时候成本会压缩90%，这就给了你们充足的空间向亚马逊、丰田或其他合作伙伴按小时收费。目前的计划是按使用小时收费吗？还是由客户买下机器人？我们两种都做。
对于偏好资本支出（CAPEX）模式的客户，我们就采用这种方式。对于偏好机器人即服务的客户，我们也提供这种模式。这对他们来说确实门槛更低、风险也更低。如今机器人每小时的价格是多少？我们目前不谈这个。
这个也不谈。但我想说，显然，随着机器人做事越来越好、越来越好，它们的价值也会越来越高。与此同时，制造机器人的成本在下降。这些机器人的价值实际上是由人工劳动决定的，也就是
雇人做这些工作要花多少钱？所以在很长一段时间里，价格会非常缺乏弹性。所以一边是几万美元的物料清单，另一边是在西半球的现代世界里，目前工厂工人的时薪是20、30或40美元。这是一个相当大的市场。对，相当大的市场。你们有充足的空间帮他们省钱，同时自己也能赚到足够的利润。建立一个真正的企业，对吧？建立一个真正的企业，没错。那我们把话题转到，
你认为时间框架是怎样的——如果我问你亚马逊的工厂，或者我们把亚马逊排除在外，因为他们是合作伙伴，不想给你惹麻烦，就说一家像亚马逊或塔吉特这样的公司，到什么时候工厂里大部分工人会是机器人？什么时候会翻转到51%，
以你所了解的情况来看，约翰？我是说，在很多这类应用中，大部分工人已经是机器人了。当然。对吧？有很多自主移动机器人（AMR）。有很多传送带。有很多工业机械臂。这一点不会改变，而且还在继续增长。当然。而这只是一种新的自动化形式，和其他所有自动化一样，在帮助美国实现增长。那么，至少在美国，我们要怎么提升GDP？人口并没有在增长。没有。靠的是提升效率和能力。而我们实现这一点的唯一方式就是越来越多的自动化。尤其是在我们国家目前，甚至是整个
西半球都弥漫着反移民情绪的情况下。我换个方式问。如果有一百万人在工厂里分拣包裹，什么时候会降到50万？是三年、四年还是五年？我觉得我们已经做到了。对，但我是说往后看。但有了这些新的……
这会一直持续下去。你知道，总有一天，会有一辆自动驾驶卡车开过来，有一座完全无人化（熄灯）的自动包裹分拣工厂，然后，你知道，再有一辆自动驾驶卡车开走。到那时，做这些事的可能是专用自动化设备，因为它就是全天候24小时运转。人形机器人在那里没有意义。对于那项特定任务来说，它不是最高效的。人形机器人的用处在于走进人类环境、执行人类的工作流程。所以等到这一座工厂完全自动化的时候，还会有一大堆其他工厂仍然是传统工厂，仍然，你知道，
需要在原本由人工作的地方实现自动化。而且我们现在也在零售店、杂货店、医院、建筑工地开展工作，还有把包裹送到你家门口，那将永远是人类环境，对吧？对。诸如此类的事情。那会很有意思。对。因为任何人只要看过最新一代
人形机器人，就会相当清楚，工厂正在走向无人化。目前大多数人还无法想象：一辆Waymo自动驾驶出租车或Uber自动驾驶汽车开过来，一个机器人下车，把包裹送到你家门口。这会发生的。绝对会。你们在和别人合作做这件事吗？不用说是谁。你知道吗？
那是我们和福特一起探索的最早的用例之一。网上有一段很不错的视频，我们的第一台Digit机器人从车里下来，走到某人家的前廊，把包裹放下，上台阶等等全都包括在内。所以我们能做到。那大约是七年前的事了。但我不认为这是最好的首个用例或最好的首个市场。所以它肯定在我们的路线图上。但我们目前所做事情的部署市场如此之大，我们会先从那里开始。
当你审视各种应用时——我们知道有些应用对我们这些非业内人士来说显而易见，但以你二三十年积累的认识，你认为有哪一两个用例并不显而易见，却会对世界产生巨大的积极影响？我不知道该说什么是不显而易见的。我是说，仅仅是把东西拿起来放到别的地方，就是一个巨大的用例，能把人们从机器人学经典的“3D”中解放出来，也就是那些枯燥（dull）、肮脏（dirty）、危险（dangerous）的工作。枯燥、肮脏、危险。
机器人学的3D。对。我真心希望，你知道，我们的孩子回顾现在时，会看看人们今天在做的一些工作——我真的认为那些是机器人该做的工作。对。就像我们回顾20世纪初的煤矿工人时会说，
真不敢相信人们曾经干那种活。而如今人们所担任的角色和所做的事情要好太多了。生活质量也好太多了。人们今天从事的、在1900年根本无法想象的工作，往往都要好得多。我认为我们的未来也会是这样。
你现在仍然是机器人学教授。是的。你们这个研究生项目有几百人，或者说一百多人。是的，没错。对于正在收听、更加担心自己未来和职业的年轻人来说，这似乎是一条非常棒的职业道路。
这是一个巨大的机会。我们生活在一个变革的时代。每当出现这样的变革时期，刚毕业的学生都有优势，因为那些有着二三十年职业经历、熟悉过去做事方式的人，也必须去学习，你知道，现在新兴的做事方式。对。所以学生有优势。而且很难准确预测人们的所有事情，你知道，十年后职业会是什么样子。但只要学生掌握一些工程方面的核心技能，就会派上用场。所以有博士、硕士版本的机器人学道路。有没有另一种版本，比如说，更偏向“工具腰带一代”、更蓝领一些的，
相当于做电工、做暖通空调、当木匠或承包商的那种？有，绝对有。那是什么？未来会是什么样？机器人操作员，组装和制造机器人。机器人还不能完全自己组装自己，你知道吧？所以有大量制造工作。还有，你知道，机器人的运营和部署，有很多工作。维护。
当然。“铁皮罐头”（Clanker）维护。绝对是。Clanker是贬义词吗？我不知道。它是迪士尼的，你知道，商标用词。哦，真的吗？大概是吧。
大概吧。最后一个问题。我想我们都是X一代。你知道《星球大战》里的格里弗斯将军吧。知道。他由杜库伯爵传授绝地黑暗技艺，能同时挥舞三四把、六把光剑。认真问一个问题，
为什么不做四条或六条朝向各个方向的手臂？好问题。我会说，你知道，当我们从第一性原理思考如何打造能完成任务的最简单的机器人时，对吧？一条手臂不太够用来拿起大件物品，只能拿起小东西。有了两条手臂，就能拿起大东西了。
加第三条手臂的话，很难看出它有足够的用处值得把它装上去，装上去之后再到四条、五条。需要协调的东西很多，额外的复杂性也很多，但它还能让你做什么呢？我不知道。也许我们会看到，但那必须由真实需求来驱动。
好，科幻史上你最喜欢的机器人是哪个？大概是瓦力（WALL-E）。还有伊娃。我很喜欢那种对机器人的设想：它们只是不断地尝试建造、创造，去做它们被设计来做的事。对。我也很喜欢大白（Baymax）。
大白真的很棒。等等，等等，大白是谁？大白是谁？来自那个……旧京山（San Fransokyo）的……哦，对，当然。我知道你说的是谁。这个机器人很明显就是为了帮助人而存在的。我很喜欢他们展现出它会做被编程去做的事情。
我是说，有一次他们删掉了它所有的记忆，它变成红色，然后就变得危险了。嗯，这是非常现实的。你知道，你的身体是柔软的。你必须要有安全保障措施。这些机器上必须装有急停按钮。所以你会想到最高指令。对，基本上是这样。对。
你们如何确保这些机器经过工业安全流程，以确保……天哪，有监控电路，每台机器人上都有急停按钮，所有这些让机器人……它们在这里真的永远不会伤害你。乔纳森，我知道你们在招人，公司是Agility Robotics。如果大家在找工作，那是个工作起来很有意思的地方。Agility很棒。我们在俄勒冈州塞勒姆有办公地点，那是我们起步的地方，也是我所在的地方。我们正在加州弗里蒙特开设一个新设施，那是个非常漂亮的地方。
我们在那里做大量的机器人行为开发。所以那里会有机器人整天工作。你可以过来参与相关工作。我们在匹兹堡也有一个办公地点。哦，对，没错。就在卡内基梅隆大学旁边。太棒了，对，三个很棒的中心。所以如果你是年轻人，或者你在机器人领域，
这是一个很棒的工作地点。如果你对自己的未来有点担心，就去读一个机器人学的博士或硕士吧。朋友们，要滑向冰球将要去的地方。很高兴认识你，谢谢你分享你的全部知识。谢谢。我要继续了。