Jonathan Hurst（Agility Robotics 联创兼 Chief Robot Officer）

• 身份: Agility Robotics 联合创始人兼 Chief Robot Officer；机器人学教授（仍在带研究生项目）；产品为人形机器人 Digit
• 国别/视角: 美国（Salem, Oregon 起家；Fremont, CA；Pittsburgh）
• 本库收录: All-In @ Machina Paris，2026-07-29（[00:46:30]–[01:07:43]）

从业 20 余年（2008 年拿到机器人学博士）。本页是本库"渐进主义 / 反奇点"物理 AI 立场最系统的一份记录，且它反驳的对象就在同一集里（1X 的 Bernt Børnich）。

一、感知已解决，但控制没有互联网

• 为什么这次不一样（[00:48:31]）：

  "造一个看起来像人的机器人非常容易——所以我们才见了一百年的人形。造一个能在人的空间里做有用的事的机器人非常难。 而这件事今天开始出现了，这就是区别。"

• 感知已基本解决（[00:49:33]）："感知曾经极其困难，而感知在今天已经基本被解决，这是一个非常非常大的拐点。"——机器人看桌子就知道哪个是手机、纸、茶、水；三四年前"你得用非常狭窄的方式把它编进去"。因此"人们现在能看见通用性的未来了"。
• ⚠️ 但语言模型这股浪潮抬不起控制这条船（本库对该问题最干净的一次表述，[00:50:34]）：

  "语言模型正在变成一种商品，像互联网一样，是一股了不起的上涨的潮水。但这些语言模型是在互联网的全部数据上训练的，而那些数据对于机器人控制并不存在。 给定所有传感器输入，你的机器人每一个电机的每一条力矩指令的例子在哪？根本没有这样一个训练集。 所以你必须以某种方式把它生成、造出来。"

• "AI 不是黑箱，是一顶大帐篷"（[00:51:36]）："把 AI 想成一顶装着许多非常不同的有用计算工具的大帐篷。"可用的路子有从演示中学习、遥操作、动画输入、动作捕捉——
• 但都有硬上限："一个人在控制机器人，并没有触及机器人在最优情况下能做到什么。机器人需要练习。"（→ 世界模型与 sim-to-real）
• 世界模型是解法的一部分，不是银弹（[00:52:37]）："跟所有这类事情一样，没有银弹。" sim-to-real gap 的具体清单：水的晃动、玻璃杯上的凝结水、机器人自身动力学建模不准——"这需要在真实生活里、用真实机器人做真实的练习。"

二、反奇点：雪球，不是奇点

• 本库对"递归自我改进"最直白的一次拒绝（[00:53:37]）：

  "我不相信存在这个奇点。 我确实相信事情会越来越好。把它想成一个滚下山坡、越滚越快的雪球。" "而它之所以在这样滚起来，是因为人们在往里投钱、投资源、投工程时间和工程努力。"

• 机器人的学习效率仍然很差，但有一个人没有的优势（[00:54:37]）：

  "人类只要极少的数据就能学会一件事。机器人还不太会学习——需要多得多的数据、多得多的例子。我们还在搞清楚怎么教机器人学习。" "但机器人长远有一个好处：它们有 Wi-Fi。……一台机器人学会拉小提琴，所有同型号的机器人都会拉小提琴"（换硬件型号时需小改）。

三、Digit：形态的正当性与"走出工作单元"

• 今天在做的：搬箱子/料箱这类边界清楚的多用途工作流。形态论证（[00:54:37]–[00:55:37]）：两只手臂才能搬大件、全身控制才能灵巧移动它们、平衡才能在窄空间举到高货架顶——"这一个用例就足以支撑这个形态。但人形真正有用的地方是它的多用途性。"
• ⚠️ 最可证伪的一条预测（[00:55:37]）：

  "Digit V5 今年（2026）晚些时候推出，这将是第一次，一台人形机器人——一台靠平衡站立的机器人——能走出工作单元（work cell），不再需要在机器人和人之间设物理隔栏。 Digit V5 出来的时候，那就是我们的规模化时刻。"

• 安全为什么难（来自 Amazon 部署的一手教训）（[00:56:37]）：机器人干成了活、研发目标全达到，对方说"不行，它不满足我们的安全要求"。"好，那怎么满足？结果发现这超级难。"→ "这是对这台机器自底向上的整体重新设计，机器人的每一个系统都被动过，就为了让它安全。" 过去两三年"非常刻意的一个过程"。
• ⚠️ 这指向一个本库此前没有的瓶颈：安全认证是产品架构的约束，不是部署阶段的手续。
• 为什么不做四条、六条手臂（[01:05:42]）："一只手臂只能拿小东西；两只就能拿大东西。加第三只，很难看出有足够的效用值得把它塞进去；到四五只，协调和复杂度都很多。这得由真实的需求来驱动。"——"最简可用形态"第一性原理的干净例子。
• 安全架构强调监督电路 + 每台机器人都有急停的工业安全流程（[01:06:43]）。

四、单位经济学：$1/小时的算术，与他自己对它的否认

• 拒绝谈 BOM（"我们不讨论物料清单"），只说成本在下降，"我们将会以汽车成本量级的价格卖机器人"（[00:57:37]）。
• 他给的工时：Digit V5 24 小时能干 20 小时（快充），约 7,000–8,000 小时/年，5 年约 40,000 小时（[00:57:37]–[00:58:37]）。
• "1 美元/小时"是主持人的算术：Jason 说"人们以为这些会卖 2–4 万美元"→ Hurst："总有一天会。但要先经过规模化、要有 10 万台机器人在外面跑，那才会成真。"→ Jason 算出 4 万 ÷ 4 万小时 = $1/小时，对比工厂工人 20–40 美元/小时得出 90% 成本压缩（[00:58:37]）。Hurst 没有确认任何价格。
• ⚠️ 而他紧接着说的话否认了成本压缩会传导成价格压缩（本页最重要的一条，[00:59:38]）：

  "随着机器人越做越好，它们的价值在上升，与此同时造机器人的成本在下降。而这些机器人的价值，实际上是由人类劳动力、由雇人做这些活要花多少钱来设定的。所以在很长一段时间里，这是一个非常缺乏弹性的价格。"

• 即：成本趋近 $1/小时，价格锚定在人工的 20–40 美元/小时——差额是 Agility 的毛利，不是客户的节省。
• ⚠️ 未言明的前提是竞争不充分。若中国厂商以大幅折扣进入同一批客户，"非弹性价格"守不住。可证伪，值得跟踪。
• 商业模式：capex 与 robot-as-a-service 都做（RaaS "门槛更低、风险更低"）；每小时价格拒绝披露（[00:58:37]）。

五、就业：一个"已经发生"的版本，外加给人形泼的冷水

• "在很多这类应用里，多数'工人'已经是机器人了"——AMR、传送带、工业机械臂，"这只是又一种新形式的自动化，跟其它所有自动化一样"（[00:59:38]–[01:00:39]）。对"一百万降到五十万"的回答："我认为我们已经做过这件事了。"（[01:01:39]）
• ⚠️ 熄灯工厂里专用自动化优于人形（与非人形派意外同调）（[01:01:39]）：

  "总有一天会有自动驾驶卡车开进来、一个完全熄灯的自动分拣厂、然后一辆自动驾驶卡车再开走。而到那个时候，做这些事的大概率是专用自动化——它就是 24/7 干这一件事。人形在那里不合理。人形有用的地方，是走进人的环境、执行人的工作流。"

• 因此人形的真正战场是：零售、杂货店、医院、工地，以及送包裹到你家门口——"那是一个永远属于人的环境"。
• 一手历史：送货上门是他们最早探索的用例之一，合作方是 Ford，约 7 年前就有第一代 Digit 下车、上台阶、把包裹放到门廊的视频。"但我不认为那是最好的第一个市场，它在路线图上。"（[01:02:39]）
• 规范性表述（[01:03:41]）：

  "我真心希望我们的孩子回头看今天人们在做的一些工作——那些我真心认为是机器人该干的活——就像我们回头看 1900 年代的煤矿工人那样，说'难以相信人们做过那种工作'。"

• 蓝领侧的新岗位（[01:03:41]–[01:04:42]）：机器人操作员、组装和制造机器人（"机器人还没法自己把自己全组装出来"）、运维与部署、维护。对学生的判断：变革期对新人有利——"所有那些有 20、30 年积累、知道过去怎么做事的人，也一样得重新学现在怎么做事"。

与本库其它观点的关系

• ⚠️ 与同一集的 Bernt Børnich（1X） 正面对撞（本库最直接的一组机器人路线分歧，双方都在造真机器人）：

	1X	Agility
通用视频数据	唯一出路，需要多好几个数量级	对控制不存在，必须自己生成
人形的理由	为了吃下人类视频数据（"跨本体是人"）	为了走进人的环境执行人的工作流
通往通用的形状	硬起飞，赌 3 年	雪球，没有奇点
遥操作	已跟不上硬件	有硬上限，人操作 ≠ 机器人最优

两人在"遥操作有硬上限"上一致，下一步相反：1X 往人类视频走，Agility 往仿真里练习走。 - 与 Fei-Fei Li / Yunzhu Li 的人形降温论意外同调——但理由不同：Fei-Fei 的理由是进化论（人体被优化的是非结构化环境，未必是最优解），Yunzhu 的是环境三段式（先攻半结构化）；Hurst 的是任务效率（熄灯厂里专用自动化更高效）。三条独立路径落到同一结论，而 Hurst 本人就在造人形——这使得这条论证格外值得记。 - 与 Travis Kalanick 的非人形工业自动化、DoorDash 的单一用例定形 同向：都主张形态应由用例倒推。Hurst 的"人形有用的地方是人的环境"给这条光谱补上了人形派自己划的边界。 - 与 Applied Intuition 的"已经明确在工程阶段了，就是往下磨每英里成本"是同一种渐进主义——都拒绝"需要大突破"的叙事。 - sim-to-real 的具体困难清单（水的晃动、玻璃上的凝结水）给 Yunzhu Li 的"保真度不必完美、抓住本质结构再随机化" 提供了一组反向困难样本；两者不冲突但张力真实。 - Amazon 安全教训与 DoorDash 的"做自动化的生意需要的远不止自动化"、沈宇军的自由度 gap 同族，但指向的是安全认证这一层。 - "非弹性价格"与 Chamath 的商品化论 对照：Chamath 论证模型层因无差别可替代而被商品化、终值给不出去；Hurst 论证机器人层因价格锚定劳动力而长期不被商品化。⚠️ 同集 ANYbotics 的 Péter Fankhauser 提供了这条论证的支撑（"硬件不是竞争的层次"），但也提供了它的风险点。

可跟踪的预测

内容	时间	验证方式
Digit V5 走出工作单元、无需物理隔栏与人共处	2026 年晚些时候	产品发布 + 客户现场，本页最可证伪的一条
售价降到 2–4 万美元	需先有 10 万台在运行	长期
机器人价格长期"非常缺乏弹性"	长期	与中国厂商价格竞争的实际结果
送货上门是路线图但不是第一个市场	未给期限	—