跳转至

Bernt Børnich（1X 创始人兼 CEO）

  • 身份: 1X 创始人兼 CEO；家用人形机器人 Neo；1X World Model Lab
  • 国别/视角: 挪威 / 美国（部分时间在挪威，主要在旧金山湾区）
  • 本库收录: All-In @ Machina Paris，2026-07-29（[00:14:12]–[00:32:23]）

⚠️ 姓名校正：该期自动字幕将其转写为 "Bert Borick"，本库按公开信息校正。

相关：Eric Jang 是前 1X（VP of AI），本库此前的 1X 视角来自他的研究侧访谈；Børnich 提供的是创始人/产品/数据战略侧。

核心主张：人形的理由是数据，不是形态

这是本库人形之争里一条全新的轴。此前记录的人形理由是"世界是按人建的"（何小鹏），反方是进化论（进化把人体优化的是非结构化环境）与环境三段式（先攻半结构化）。Børnich 的理由既不是"世界按人建"、也不主张人体形态最优，而是纯粹的数据可用性。

  • 数据金字塔（四层）（[00:25:18]–[00:27:20]）：
  • 遥操作数据——量小质高，只用于对齐模型。做法是让操作员尽量又快又好地做，"他们经常失败，然后再试，我们挑出那些跟人做得一样好的样本"。"这种数据你不需要很多。"
  • 人戴机器人传感器采的数据——"很接近机器人，但不是机器人"。
  • 人的第一人称视频——"仍然相当近，因为机器人的手和人手是一样的"。
  • 通用视频数据——"YouTube，一切"。"比其它任何东西都大到荒谬（ludicrously immense）。"
  • 核心断言（[00:27:20]）：

    "要真正达成智能，你需要的数据比任何人在未来几年靠第一人称数据或传感器数据能收集到的多好几个数量级。" "据我所知，AI 里所有重大突破，都是因为有人搞清楚了如何使用一个此前无法使用的巨大新数据源。"

  • catch-22 与解法（[00:27:20]–[00:28:21]）：唯一出路是用上通用视频数据；而要用得上，就必须让机器人在每一个微小细节上尽可能接近人——皮肉组织高度非线性（多大力会形变、摩擦系数、碰桌面时的冲击能量）。（内部管 wingspan 叫 "gorilla coefficient"。）
  • 最凝练的一句（[00:28:21]）：

    "1X 区别于所有其它机器人公司的地方，是我们全力押注在互联网视频数据上做自己的预训练。我们的跨本体（cross embodiment）不是另一台机器人——我们的跨本体是人。"

  • 终局与过渡的关系："最后所有数据都会是机器人数据（有动作、触觉、力，它更好）。但拿到那些数据的唯一办法，是先造出一个足够好的基座模型，让机器人铺到社会各处去做人们愿意付钱的有用的事，顺便把数据采回来。"（[00:28:21]）
  • 1X World Model Lab 的成立依据：他们"终于拿到了这条路上的 scaling laws"（[00:25:18]）。

遥操作的位置变了

  • ⚠️ 遥操作已跟不上硬件（[00:24:18]）——本库此前默认"遥操作 = 高质量数据来源"：

    "遥操作没有充分利用硬件——尤其是有了新的手之后……遥操作者感觉不到机器人感觉到的东西。"

  • 补齐需要完整力反馈系统，"而它们会拖慢你、又慢又笨重"。
  • 结论：让人直接戴着机器人的传感器、以尽可能无感的方式采数据（"不应该干扰你正在做的事"）。
  • 但"在场"这个用途永远不会消失（[00:22:17]–[00:23:17]）：他本人出差时通过 Neo 远程经营公司——"把帽子戴到 Neo 上，我就是 Neo"。推广形态是 "expert in place"（把最好的专家瞬移到任何地方，如外科医生），以及无人值守的远端电站（"几个月才发生一次的一次性事情，你大概不会去自动化它"）。

硬起飞：3 年（本库目前最激进的时间表）

  • 定义给得很具体（[00:30:22]）：

    "我极其确信我们离硬起飞不到十年。我说的硬起飞是指：机器人造机器人、造数据中心、造芯片厂、做采矿和精炼——真正的劳动力充裕，一个自给自足的系统。"

  • "十年以内。我现在的赌注是 3 年。"（[00:31:23]）
  • 校准依据是自己一直在低估："一年前你问我，我对我们今天能走多远要悲观得多……每次我采样，事情都比我以为的走得快。"
  • 自我软化："就算要花十年，在人类历史上也只是一瞬。"
  • 配套论证："数字智能永远造不出自己的基底（substrate），你需要物理的那部分。"（[00:31:23]）——与本库"价值从 bit 回落到 atom"那条线（Friedberg 的分子经济、Travis Kalanick）直接接上。
  • 需求侧信号：平台上很多需求来自想自动化实验室工作的人——"如果你的 AI 模型不能真的搭建并执行实验、观察结果，它要怎么推进科学？"（[00:31:23]–[00:32:23]）呼应 Lila Sciences 的"实验室即 verifier"。

产品与商业

  • 2026 年内一定发货，但"开头会很慢"——只有一小撮客户拿到（[00:15:12]）。预售头 10K 在几天内售罄，订阅约 500 美元/月（[00:17:14]）。
  • 期望管理很直白："2026 年拿到一台家用人形，会是毛毛糙糙的"——会摔（[00:17:14]）。
  • 自主度措辞的时间线值得跟踪（[00:18:14]）：发布预售时不敢承诺自主；现在"看起来我们能交付一个如果你要、它就可以是完全自主的体验"，但"我还不完全承诺"。
  • Neo 作为平台（本场自称"还没正式宣布"的新消息）（[00:16:13]–[00:21:16]）：消费侧的技能/应用商店；企业侧是车队管理 OS + 与 Neo 同款触觉/视觉传感器的数据采集手套 + 在 1X 系统内微调（稠密字幕标注他们全包）+ 部署；并允许在 Neo 上跑第三方模型。
  • 开放的真实理由（最有信息量的一条）：

    "目前这个领域根本不存在一个解决机器人所有问题的通用模型。而如果我们接下来几年被困在客户的后院里帮他们对接 ERP，我们就到不了那里。我们想做的是通用问题。"

与本库其它观点的关系

  • ⚠️ 与同一集的 Jonathan Hurst（Agility） 正面对撞——两人都在造真机器人，结论相反：Hurst 说"互联网数据对机器人控制并不存在，每个电机的每条力矩指令没有训练集"，Børnich 说通用视频是唯一出路。两人在"遥操作有硬上限"上完全一致，但下一步相反：1X 往人类视频走，Agility 往仿真里练习走。硬起飞 3 年 vs "没有奇点，只有雪球"。见视频页。
  • 与 沈宇军（灵波）：同一个数量级诊断，相反的应对。沈的诊断是"具身真机数据与互联网数据相差约两个数量级"，结论是去采真机数据（并主张这是中国的"数据空窗期"优势）；Børnich 的结论是别采了，去把互联网视频用起来。这是中美具身路线一处新的、干净的分岔。
  • 与 Kay Ke（PI） 的"真机数据信仰派"直接相反——PI 押构型无关的通用大脑、明确不做人形；1X 押人形本体 + 人类视频预训练。
  • 与 Robin Rombach"生成式视频模型收敛到 world-action model"同向（都相信视频预训练给出对物理的隐式理解），但 Børnich 强调的不是生成能力而是本体与数据分布的对齐。⚠️ Yunzhu Li 的反例（机器人推一个物体、物体却凭空消失）是对这条路线一致性的具体质疑。
  • 与 Eric Jang（前 1X）：Jang 的 self-play / RL 样本效率视角与 Børnich 的"绕过样本效率、直接扩数据源"是同一问题的两种解法。

可跟踪的承诺与预测

内容 时间 验证方式
Neo 向一小撮客户发货 2026 年内 公开交付记录
交付"可选完全自主"的体验（未完全承诺） 2026 年内 首批用户反馈
Neo 开放为平台、允许第三方模型 未给期限 产品公告
硬起飞（机器人造机器人/数据中心/芯片厂/采矿精炼） 赌 3 年（2029），上限 10 年 本库最激进的时间表，长期跟踪