1 美元/小时的机器人要来了：四家机器人公司的负责人（All-In @ Machina Paris，2026-07-29）¶
- 主持: Jason Calacanis（单人主持，在巴黎 Machina 大会现场连做四场，主题为"AI in the real world"）
- 来源: YouTube · 69 分钟（en-orig 自动字幕）
- 转录稿: sources/all-in/20260729-TqNiSTeNtb0
- 结构: 四场独立访谈串烧，无主播合议段。分段见下。
说话人映射（据补做分离的 speakers.md；转录稿本身无标签，此处认人属 wiki 层编辑判断）： 本页"说话人与姓名校正"一节原写"转录稿没有 SPEAKER 标签，归属按内容判断"——现已补做分离，按该节的时间段表逐段核对：
标签 占比 认定 依据：该段内的占比 SPEAKER_03 44.9% Jason Calacanis 四段中各占 31–49%，是唯一贯穿全场的标签 SPEAKER_04 10.6% Péter Fankhauser（ANYbotics） [00:01:00]–[00:14:12] 段内 51% SPEAKER_02 18.1% Bernt Børnich（1X） [00:14:12]–[00:32:23] 段内 66% SPEAKER_00 9.3% Amanda McMaster（Boston Dynamics） [00:33:23]–[00:46:30] 段内 46% SPEAKER_01 17.1% Jonathan Hurst（Agility） [00:46:30]–[01:07:43] 段内 53% 四段之间标签互不串场（每段非 Jason 的第二标签占比 ≤3%），印证该节"误配风险低"的判断。
说话人与姓名校正¶
转录稿只有 >> 换人标记，没有 SPEAKER 标签，归属按内容判断（四场之间边界清晰，每场只有 Jason + 一位嘉宾，误配风险低）。
⚠️ 自动字幕把四位嘉宾的姓名和公司名都拼错了，本页按公开信息校正，括号内为转录稿原拼法：
| 时间段 | 嘉宾（转录稿拼法） | 公司 / 产品 |
|---|---|---|
| [00:01:00]–[00:14:12] | Péter Fankhauser（"Peter Funkhouser"） | ANYbotics（"Anyotics"）联创兼 CEO，四足机器人 ANYmal（"ENM mo"/"ANM mo"） |
| [00:14:12]–[00:32:23] | Bernt Børnich（"Bert Borick"） | 1X 创始人兼 CEO，家用人形 Neo |
| [00:33:23]–[00:46:30] | Amanda McMaster | Boston Dynamics 临时 CEO（interim），Spot / Atlas（现属现代汽车集团） |
| [00:46:30]–[01:07:43] | Jonathan Hurst | Agility Robotics 联创兼 Chief Robot Officer、机器人学教授，Digit |
其它转录质量问题（引用时需注意）： - 数字被打碎：ANYbotics 的巡检频次转成"40 times a day. 14 five four"（[00:04:02]）；Agility 的年工时转成"78,000 hours a year"（[00:57:37]），由上下文（20 小时 × 365 天）可确定实为 7,000–8,000 小时/年。 - "1X World Model Lab" 被转成 "WX World Model Lab"（[00:25:18]）。 - ⚠️ 一处地理混淆：Jason 在追问军事话题时说"挪威离俄罗斯不远"（[00:13:11]），像是把 ANYbotics 当成了挪威公司。ANYbotics 是瑞士公司（ETH 苏黎世谱系）；挪威在这场访谈里是它的部署市场（离岸油气、-20°C 环境，[00:06:03]–[00:07:05]）。真正的挪威公司是下一场的 1X。
本期在本库中的位置：这是本库第一次拿到"已规模部署、已在收钱"的机器人公司的单位经济学。此前物理 AI 主题里的样本要么是研究/路线之争（PI、灵波、World Labs），要么是尚未量产的产业愿景（Applied Intuition、Atoms）。这里有价格区间、客户数、故障间隔、回本年限这些能被后续证伪的经营数字。
另外两层价值：① 同一集内出现了本库迄今关于"通往通用机器人的路"最直接的一组对立——1X 的"人形是为了吃下互联网视频数据"（3 年硬起飞）vs Agility 的"机器人控制根本不存在互联网级数据集"（雪球，无奇点）；② 标题的"1 美元/小时"其实是主持人算出来的，而当事人当场否认了它会变成价格。
一、Péter Fankhauser / ANYbotics：巡检机器人的"不是替人，是超人"¶
本库此前缺的一块：一家靠四足机器人真正赚到钱的公司，它赚的是什么钱。
- 形态选择：四足是因为自然界如此——机动性（能爬楼梯、人能去的地方都能去）+ 稳定性（宽足印、多着力点），而他们的作业环境是"湿滑地面、下雨、下雪、长草"这类恶劣场景（[00:02:00]）。对"为什么人形不做成四足"的回答是看用例：咖啡店那种窄空间、要在视线高度作业，人形更好；他们的设施里"空间足够绕行，四足是完美形态"（[00:02:00]–[00:03:01]）。
- ⚠️ 价值主张明确不是替人（本节最该被引用的一条）：
"对我们来说这不是关于替代劳动力，而是我们能做得更好什么、能做到什么超人的事。"（[00:04:02]）
- 机制：人的眼睛和耳朵感知不到那些信号——微量气体泄漏、设备过热。机器人上装热成像、声学麦克风、气体浓度传感器 + AI，"能远远超出人能做到的"。
- 付费逻辑是停机成本："这些资产一旦停下来，每小时损失数十万美元。我们每省下一分钟、一小时，本质上就付掉了机器人的钱。"——所以他们付得起在机器人上装很贵的传感器和很贵的 GPU（[00:04:02]）。
- "客户其实不想要机器人"（[00:05:02]）：
"不该有人被机器人打扰。他们不关心机器人。实际上他们根本不想要机器人——他们要的是数据、是洞察。机器人只是收集数据的手段。"
- 边缘 vs 云的分工（与本库已有的 onboard/offboard 讨论同构）：必须在机上实时跑的是避障与数据质量把关——"因为你也没法保证连通性","如果你把一张模糊的图传上云，那就已经太晚了"；云上做的是上下文分析、历史停机分析（[00:05:02]）。
- 频次才是真正的变化量：人工巡检每天做一两次，机器人做到每天 8/15/20 次，有客户跑到一天 40 次——因为他们要的是"电弧炉起弧的那一分钟在发生什么"（[00:04:02]–[00:06:03]）。续航约 2 小时，回坞充电，不热插拔电池："你要的是免手动的自主，最长在 8 小时量级，留出充电时间"（[00:05:02]）。
- 最"科幻"的部署是离岸：人要坐直升机去，"每次飞行成本数万美元"；海上风电场的落点不是水里的风机，而是把几百台风机汇聚起来的海上变流站（有人值守设施）（[00:06:03]）。温度覆盖挪威 -20°C 到沙漠 +40–60°C；并且做了一款进入爆炸性气氛（油气/化工，空气中有甲烷）的防爆机型，保证不产生火花（[00:07:05]）。
- ⚠️ 操作（manipulation）明确还没到（对"检测到泄漏能不能顺手修好"的回答，[00:08:06]）：
"今天不行。在 demo 里，可以。但现实里要在爆炸性气氛下做到 99.9% 的可靠性，那还在开发中。"
- 路线：第一步是合闸、开柜门，最终要双手操作、也许三四只手臂去修机器。
- 他主动点了本库常见的那个反例："你看到的很多人形叠衣服的 demo，那是高度受控的环境。一旦到了户外的冰雹天、冻结的温度，就完全不同了，感知也不同。"
中国竞争：本期三种不同答案里的第一种（也是最"不慌"的一种）¶
- 供应链：中国零部件占比 0%（[00:09:06]）。但他把这说成历史造成的而非政策选择——十年前起步时很多东西自研、就近采购、芯片来自美国，"对部分客户这一点很重要"。他同时承认现在应当"聪明地选择从哪里拿部件"，去吃硬件商品化的红利。执行部件的核心专长地在中国（第一）、欧洲、美国三地；纯组装劳动可以放别处。
- 对"中国机器人便宜 80% 会不会打垮你"的回答（[00:10:07]）：
"今天来自中国的机器人，那个设备是一块能漂亮行走的硬件。很棒的工程，我喜欢，能翻后空翻。但他们没有在解决问题。 我们的客户不会拿一个平台去比我们的完整解决方案——你需要自主、巡检、智能、工作流集成，还有太多东西。那只是硬件层面的差别。"
- 第二道护城河是数据可信度：他们做 ISO 网络安全认证。"你不会想让别人控制你关键基础设施里的 15 个摄像头。"（[00:11:10]）
武器化：本库首次记录的机器人行业自律行动¶
- 明确不做军事，且理由不是道德而是做不到（[00:12:10]）："听上去很容易——拿四条腿去做军事。但你要走好几步：不同的通信、不同的自主。我们做的自主是有时间把机器人布置好然后去巡检；军事是毫秒级、遥控、人在回路，上面的应用软件也完全不同。"他补了一句区分度很高的话："你可以用一台四足机器人进屋——也就仅此而已了，其余全都不一样。"
- 但他认为欧洲有责任去建这类技术（"我个人相信"），只是"需要另一支团队"（[00:11:10]–[00:12:10]）。
- 对武装机器人的立场（[00:13:11]）："我个人不喜欢，我讨厌它……作为工程师你应该有为善而造技术的骄傲。防御是一部分；主动攻击、往上装枪，那只是危险。这些技术在成熟，但还没成熟到你可以拿它去把别人置于危险之中。"
- 一手事实：四年前（约 2022）他们与 Boston Dynamics 等同行联署了一封公开信，谴责机器人武器化（[00:14:12]）。他对中国武装四足视频的判断是"都还是很早期的测试、是演示"，并把它与乌克兰的无人机对照——后者"是出于必要而成熟起来的品类"。
二、Bernt Børnich / 1X：人形的理由是数据，不是形态¶
这是本库迄今对"为什么非要做人形"最完整、也最工程化的一次论证——而且它给出的理由与本库已有的所有人形论证都不同。
产品与商业¶
- 2026 年内一定发货，但"开头会很慢，我们要做对"——2026 年只有一小撮客户拿到 Neo（[00:14:12]–[00:15:12]）。预售头 10K 在几天内售罄，订阅约 500 美元/月（另有早期采用者一次性付清的选项，具体订阅形态"仍在演进，想和早期客户一起摸索"）（[00:15:12]–[00:17:14]）。
- 他对期望管理相当直白："2026 年拿到一台家用人形，会是毛毛糙糙的（rough around the edges）"——会摔（[00:17:14]）。
- 自主度的措辞变化值得记时间线（[00:18:14]）：发布预售时不敢承诺自主，"现在按这个趋势，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，而且仍然相当有用"——但他明确说"我还不完全承诺"；想要开箱即用什么都行，则仍会涉及遥操作或人工引导。
- Neo 作为平台（本场的新消息，他自称"还没正式宣布"）（[00:16:13]）：
- 面向消费者是技能商店/应用商店（Jason 的例子：黑客写个"做沙拉"技能，用户订阅）。
- 面向企业则是一整套：买 Neo → 拿到含车队管理的机器人操作系统 → 拿到数据采集装备（与 Neo 同款触觉传感器 + 同款视觉系统的手套） → 在自己店里采数据 → 在 1X 系统内微调模型（"稠密字幕标注这些我们全包了"）→ 部署（[00:19:14]–[00:20:14]）。
- 允许在 Neo 上跑别家的模型（[00:20:14]–[00:21:16]）："我真心相信我们的模型会是最好的那个……如果我们这个从制造一路控制到产品的公司都做不出最好的模型，那我们算是失败了。但会不会允许别人在上面构建？百分之百会。"
- 开放的真实理由（这条最有信息量）： > "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。"
遥操作的位置变了¶
- 本库此前默认"遥操作 = 高质量数据来源"，1X 说它已经跟不上硬件了（[00:24:18]）：
"遥操作没有充分利用硬件——尤其是有了新的手之后，你没法把遥操作做到好得足以完全发挥硬件。遥操作者感觉不到机器人感觉到的东西。"
- 要补齐就得上完整力反馈系统，"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"）才是解基础灵巧性最有用的数据。
- 但遥操作有一个永远不会消失的用途——"在场"（[00:22:17]–[00:23:17]）：他本人的用例是出差时通过 Neo 远程经营公司，"把帽子戴到 Neo 上，我就是 Neo"，能走动、拿起零件、看零件、跟人说话、参加会议。推广形态是 "expert in place"：把世界上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——"一个几个月才发生一次的一次性事情，你大概不会去自动化它"。
数据金字塔与"我们的跨本体是人"¶
- 四层数据金字塔（[00:25:18]–[00:27:20]）：
- 遥操作数据——顶层，量小、质高，只用来对齐模型。做法是让操作员尽量又好又快地做任务，"他们经常失败，然后再试，我们挑出那些他们做得跟人一样好的样本"。"这种数据你不需要很多。"
- 人戴机器人传感器采的数据——量更大，"很接近机器人，但不是机器人"。
- 人的第一人称（egocentric）视频——更远一层，"但仍然相当近，因为机器人的手和人手是一样的，看起来也一样"。
- 通用视频数据——"YouTube，一切"。"金字塔最底层的通用视频数据，比其它任何东西都大到荒谬（ludicrously immense）。"
- 由此推出的核心断言（[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。" "而且据我所知，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]）：唯一出路是用得上通用视频数据；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——皮肉组织是高度非线性的（多大力会形变、摩擦系数多少、碰到桌面时的冲击能量）。（Jason 用 NBA 的 wingspan 类比；1X 内部管这叫 "gorilla coefficient"。）
- 最凝练的一句（本页最值得单独记的一条）（[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。"
- 他也给了终局与过渡的关系："最后所有数据都会是机器人数据，因为机器人数据有动作、有触觉、有力，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，让机器人能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 的成立理由：他们"终于拿到了这条路上的 scaling laws"（[00:25:18]）。
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（hard takeoff）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]）
- 他自己给出了这个数字的校准依据："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。"
- 也给了一个自我软化："就算要花十年，在人类历史上也只是一瞬，无所谓。"
- 配套论证（与本库"价值从 bit 回落到 atom"那条线直接接上）："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]）
- 一个被低估的需求侧信号：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]）
三、Amanda McMaster / Boston Dynamics：从研究室到 ROI 表¶
- 定位转变说得很干脆（[00:34:23]）："这不再是 AI 实验室的实验，也不再是一家研发公司了。 我们现在专注于真实世界的部署。"
- 规模数字（本页最硬的一组）（[00:35:25]）：Spot 超过 500 家客户、覆盖超过 46 个国家；她称 Spot 是"目前地球上被使用最多的移动自主机器人"。
- 用例：工业巡检（声学、仪表读数、振动检测）；白天巡检、夜里做安防巡逻（[00:35:25]–[00:36:25]）。
- ⚠️ 拐点被明确指认为"客户 ROI"而非能力（[00:36:25]）："真正的拐点是客户 ROI。……它可爱、它会跳舞，但早就过了跳舞那个阶段，现在是在干真活。而且客户需要看到两年以内回本。"
- 商业模式与价格（[00:37:25]）：
- Spot 走 capex（"工业客户就是这么看待工业工具的，他们一般愿意为此花资本开支"）；
- Atlas（人形）大概率走 robot-as-a-service，理由是"人形这个形态，客户可能想在不同时间扩容、也要能缩减"；
- 价格：基础款约 10 万美元，到含服务/集成/部署的全配约 30 万美元——"看你怎么配，从一辆 Tesla 到一辆 Ferrari 的价格。"
- 可靠性指标（本库首次出现的机器人运维指标）（[00:38:25]）：他们看平均干预间隔（mean time between intervention），目前超过 3,000 小时——"一年只有几次需要人介入。"电池约 90 分钟，通常配两块，自己坐回充电桩；Atlas 能自己换电池（转动躯干、把一块换成另一块，永远留一块备用）。
- ⚠️ 又一次否认"替代劳动力"框架（与 ANYbotics 独立得出同一结论）（[00:39:25]）：
"我们并不特别从替代劳动力的角度看 Spot……第一，那些活人本来就没在干——就算派了任务，他们实际上也没在做。第二，我们是在想办法让人去做更多知识工作，而不是去做巡检。" "我们更倾向的是：我们给你省了多少钱。 我们在你的厂里找到一处漏气，那一处当时值 300 万美元/天。"
- 但她没有回避（[00:40:25]）："说实话，替代劳动力一定会成为其中一个指标，因为它好算——你知道世界上有多少人，就能想象一个 TAM。我只是不认为这该是我们唯一在谈的事。"（她与 Jason 一起落到 dull / dirty / dangerous 这个老三样上。）
- "两个大脑 + 一层 wrapper"的算力分层（本库该记的一条架构表述）（[00:41:25]–[00:42:26]）：
- 控制机器人物理性的大脑——动态运动、可靠性、操纵物体，也就是 Boston Dynamics 的看家本领——跑在机器人上；
- 推理层——给出对环境的语义理解——可以在云上；她提到可能与 Google DeepMind 或其它 AI 伙伴合作，也会自建一部分；
- wrapper——某个具体客户的工作流、作业流程、厂内工具以及机器人如何与之交互——"会待在两者之间的某处"，机上或云上都行。
- 供应链：100% 的机器人在美国制造（[00:42:26]）。
中国：本期三种答案里最强硬的一种¶
- 对"是否应当在任何情况下允许中国人形机器人进入美国"的回答是直接的"不"，理由是"不安全"（[00:42:26]）：
"我们已经听说了一些泄露——在美国的一些四足机器人身上发生的，数据被回传到中国。" "我们已经见过让中国在半导体领域赢是什么后果。机器人不能重蹈覆辙。"
- 政策主张：国家机器人战略——保护 IP、把这套生态的制造带回美国或盟国；她说他们"有幸能坐在其中一些讨论的桌边"，并呼吁更多美国公司加入（[00:43:26]）。
- 升级版目标："我们不只是要赢，还要让世界其余地方用我们的平台，而不是中国的。"（[00:43:26]）
武器化：立场相同，理由不同¶
- 与 ANYbotics 一样持反武器化立场，但她把它明确框成"聚焦"而非哲学（[00:44:28]）：
"对我们现在想做的工业用例来说，这是对业务的干扰……作为 CEO，我现在就是要聚焦。"
- 今天已经在做的非武器化政府工作包括 EOD（爆炸物处理）——"那是机器人非常好的用例"（[00:44:28]）。
- ⚠️ 但对"如果中国把武装机器人投入战场，你会不会造"她没有关门（[00:45:29]）：
"那是个很难的问题，我想我们得等到那一刻再回答，而且希望那一刻永远不要来。" "我知道我们有全世界最好、最有能力的机器人。如果那一刻真的来了、我们必须做一个艰难的决定，我们会做出正确的那个决定。"
- Jason 当场断言那一刻一定会来、并玩笑式地说届时"总统一个电话，你只能说 Sir, yes sir，否则公司会被国有化"。这段应读作 Jason 的挑衅式假设，而非她的表态。
四、Jonathan Hurst / Agility Robotics：没有奇点，只有雪球¶
本场是全集的技术反方，而且它反的正是上一场 1X 的核心论证。
- 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。"——机器人看这张桌子就知道哪个是手机、哪个是纸、茶、水，"大概还知道每样有几盎司"；三四年前"它其实不知道世界里有什么，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 LLM 这股浪潮抬不起控制这条船（本页与 1X 最直接的对撞）¶
- Jason 提出"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，指令集是不是也免费了"，Hurst 的回答是"还没有，而且情况相当不同"（[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，是一个大帐篷"（[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：从演示中学习、遥操作后从数据里训、动画输入、动作捕捉输入——
- 但这些都有硬上限："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、它的行为能是什么样。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。"他把 sim-to-real gap 说得很具体：水的晃动、玻璃杯上的凝结水、机器人自身动力学建模不准——"这些都还非常非常难。这需要在真实生活里、用真实机器人做真实的练习。"
- 明确反奇点（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，边探索边把这些事一件件搞明白。"
- 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]）：
"人类进化出了学习能力，我们很擅长学习，只要极少的数据就能学会一件事，然后练习、迭代。机器人还不太会学习。机器人需要多得多的数据、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。 你学会拉小提琴，没法把它加载给别人。机器人可以——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"（换硬件型号时需要小改）。
Digit 的落地与"跨出安全围栏"这个里程碑¶
- 今天在做的：搬箱子/料箱这类边界清楚的多用途工作流。形态的正当性论证（[00:54:37]–[00:55:37]）：需要两只手臂才能搬大件、需要全身控制才能灵巧地操纵和移动它们、需要平衡才能在窄空间里把东西举到高货架顶——"这一个用例就足以justify这个形态。但人形真正有用的地方是它的多用途性。"
- ⚠️ 最具体、可证伪的一个里程碑（[00:55:37]）：
"Digit V5 今年晚些时候推出，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来保证仓库里的安全。 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]）：机器人把活干了、研发目标全达到，"我们说太好了，去部署吧"，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，就为了搞清楚怎么让它安全。" 这是过去两三年"非常刻意的一个过程"。
单位经济学：$1/小时是怎么算出来的，以及为什么它不是价格¶
- 他拒绝谈 BOM（Jason 抛出"几万美元"，他回"我们不讨论物料清单"），只说成本在不断下降，"我们将会以汽车成本量级的价格卖机器人"（[00:57:37]）。
- 他自己给的工时数：Digit V5 24 小时里能干 20 小时（因为这代电池的快充），即约 7,000–8,000 小时/年；5 年 ≈ 40,000 小时的工作（[00:57:37]–[00:58:37]）。
- ⚠️ "1 美元/小时"是 Jason 的算术，不是 Agility 的定价：Jason 说"人们以为这些东西会卖 2 万、3 万、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 于是算出 4 万美元 / 4 万小时 = 1 美元/小时，对比工厂工人 20–40 美元/小时，得到 "90% 的成本压缩"（[00:58:37]）。这一整段的数字都出自主持人，Hurst 没有确认价格。
- 而 Hurst 紧接着说的话，恰恰否认了成本压缩会传导成价格压缩（[00:59:38]，本页最容易被漏掉、也最重要的一条）：
"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 美元/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。这与标题给人的印象相反。
- 商业模式：capex 与 robot-as-a-service 都做，看客户偏好（RaaS "进入门槛更低、风险更低"）；每小时价格拒绝披露（[00:58:37]）。
就业：一个比本库既有版本更"已经发生"的说法¶
- 对"工厂里机器人占比什么时候过半"的回答是"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，"而且还在继续增长。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"一百万人分拣包裹会不会降到五十万"："我认为我们已经做过这件事了。"（[01:00:39]–[01:01:39]）
- ⚠️ 但他给人形泼了一盆冷水（与本库 Fei-Fei Li / Travis Kalanick 的非人形派意外同调）（[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——因为它就是 24/7 干这一件事。人形在那里不合理，对那个特定任务它不是最高效的东西。人形有用的地方，是走进人的环境、执行人的工作流。"
- 他给的人形真正战场因此是：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——网上有第一代 Digit 从车里出来、走上人家门廊、放下包裹（含上台阶）的视频，"大概七年前"。"但我不认为那是最好的第一个用例或第一个市场，它在路线图上。"（[01:02:39]）
- 他对就业的规范性表述（[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"）、机器人运维与部署、维护。对学生的判断是变革期对新人有利："所有那些有 20、30 年职业积累、知道过去怎么做事的人，也一样得重新学现在怎么做事。"
一个小但很能说明设计哲学的问答¶
- 为什么不做四条、六条手臂（[01:05:42]）："一只手臂不太够，只能拿小东西；两只手臂就能拿大东西了。加第三只，很难看出有足够的效用值得把它塞进去；到四只五只，要协调的东西和额外复杂度都很多。这得由真实的需求来驱动。"——这是"最简可用形态"第一性原理的一个干净例子。
- 安全架构上他强调的是监督电路 + 每台机器人都有急停这套工业安全流程（[01:06:43]）。
- 招聘地点：Salem（Oregon，起家地）、Fremont（California，新设施，做大量机器人行为开发）、Pittsburgh（[01:07:43]）。
与本库其它观点的关系¶
1. ⚠️ 同一集内的正面对撞：互联网视频能不能解决控制¶
这是本期最该被后续引用的一组分歧，而且双方都是在造真机器人的人。
| 1X（Børnich） | Agility（Hurst） | |
|---|---|---|
| 通用视频数据 | 唯一出路。需要比第一人称/传感器数据多"好几个数量级"的数据，只有 YouTube 级语料够（[00:27:20]） | 对机器人控制不存在。"每个电机的每条力矩指令"没有训练集，必须自己生成（[00:50:34]） |
| 人形的理由 | 为了吃下人类视频数据——"我们的跨本体是人"（[00:28:21]） | 为了走进人的环境执行人的工作流；专用场景下人形反而不高效（[01:01:39]） |
| 通往通用的形状 | 硬起飞，机器人造机器人，赌 3 年（[00:31:23]） | 雪球，没有奇点，靠钱和工程时间一件件磨（[00:53:37]） |
| 遥操作 | 已跟不上硬件，降级为小规模对齐数据（[00:24:18]） | 有硬上限——人操作的不等于机器人最优能做的，所以要"练习"（[00:51:36]） |
- 有意思的是两人在"遥操作有上限"这一点上完全一致，但给出的下一步相反：1X 往人类视频走，Agility 往仿真里练习走。
- 1X 的论证给本库的人形之争加了一条全新的轴。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（Fei-Fei Li：进化把人体优化的是非结构化环境，"如果我们唯一的目标是爬树，我们不会长成这样"）与环境三段式（Yunzhu Li：先攻半结构化）。1X 的理由既不是"世界按人建"也不是形态最优，而是纯粹的数据可用性——人形是打开互联网视频这个语料库的钥匙。 这条论证不受"进化未必最优"的反驳影响，因为它根本不主张人体形态最优，只主张它与现存数据分布对齐。详见 物理 AI 与机器人。
- 与 沈宇军（灵波） 的"具身数据空窗期、真机数据与互联网数据差约两个数量级"是同一个数量级诊断、相反的应对：沈的结论是去采真机数据（中国有优势），Børnich 的结论是别采了，去把互联网视频用起来。这是本库中美具身路线一处新的、干净的分岔。
2. ⚠️ "1 美元/小时"这个标题在集内被两次削弱¶
本库应把这条记为一个被当事人否认的媒体框架：
- 它是主持人的算术：$40K BOM ÷ 40,000 小时，而 Hurst 明确说 2–4 万美元的售价要等到"10 万台机器人在外面跑之后"才成真（[00:58:37]）。
- 成本 ≠ 价格：Hurst 说机器人的价值由人工成本设定，因此是"非常缺乏弹性的价格"（[00:59:38]）。所以即便成本降到 1 美元/小时，客户看到的报价仍会锚在人工的量级上。
- 这与 Chamath 的商品化论构成有趣对照：Chamath 论证模型层因为无差别可替代而被商品化、终值给不出去；Hurst 论证机器人层因为价格锚定在劳动力而长期不会被商品化。⚠️ 但 Hurst 的论证有一个未言明的前提——竞争不充分。若中国厂商以 80% 折扣进入同一批客户（本集另外两位嘉宾都被问到这件事），"非弹性价格"就撑不住。这是一个可证伪的分歧，值得跟踪。
- 两家已部署公司都主动拒绝"替代劳动力"这个框架（见下条）。
3. ⚠️ 已部署的机器人卖的不是工资套利，是停机成本¶
ANYbotics 与 Boston Dynamics 独立给出了同一个答案，这是本库此前没有的一手证据：
- ANYbotics："这不是关于替代劳动力，而是我们能做到什么超人的事"；付费逻辑是资产停机每小时数十万美元（[00:04:02]）。
- Boston Dynamics："那些活人本来就没在干"；卖点是"我们给你省了多少钱"——找到一处漏气值 300 万美元/天（[00:39:25]）。
- 两家都把"客户要的是数据，不是机器人"说成同一件事（ANYbotics [00:05:02]；BD 的巡检项目清单同理）。
- 对 AI 与就业 的意义：本库此前记录的物理 AI 就业叙事，Applied Intuition 的版本是"反的"（运营方求着要自动化，因为长途卡车司机预期寿命短、采矿工伤致死率高）。本期补上了第三种：在当前已规模部署的场景里，被自动化的往往是"本来就没人做的任务"——不是岗位被替换，而是一个过去因为太贵/太危险而根本不做的巡检频次（从每天 1–2 次到 40 次）被创造了出来。Hurst 则给出第四种："我们已经做过那件事了"（工厂多数"工人"早已是 AMR 和机械臂）。⚠️ 但 McMaster 诚实地承认劳动力替代一定会成为一个指标"因为它好算"——四条叙事并不互斥。
4. 算力放在哪：又一次落在同一条分界线上¶
Boston Dynamics 的"两个大脑 + 一层 wrapper"（物理控制在机上 / 语义推理可在云 / 客户工作流 wrapper 在两者之间，[00:41:25]–[00:42:26]）与本库已有的三种表述高度同构：
- Applied Intuition：offboard 用大模型、onboard 必须小模型 + 安全/确定性约束，因为"真实的时钟只有那么多毫秒"；
- ANYbotics 本期给出了同一分界线的可靠性版本："如果你把一张模糊的图传上云，那就已经太晚了"——机上跑的是避障与数据质量把关，因为连通性无法保证（[00:05:02]）；
- 孟子立 / WiCi：干脆把算力搬到附近的算力路由器上；
- 阳萌：反方向，把算力塞进设备。
四方对"约束在哪"（功耗、时延、连通性）判断一致，对"往哪挪"结论不一。 本库不做裁决，补入 物理 AI 与机器人。
5. 中国：一集之内三种不同的答案¶
本库此前在具身赛道上记录的中美对照，是中方硬件强 / 美方大脑强的双向确认（Kay Ke 从美方承认"很难想象一台机器人组装好后没有一个中国零件"）。本期把这条线推进到商业与安全层，而且三位嘉宾的答案分布很宽：
| 供应链 | 对中国机器人的判断 | |
|---|---|---|
| ANYbotics（欧） | 中国零件 0%，但自称是"历史造成的"而非政策；核心部件专长在中/欧/美三地 | 最不慌："那是一块能漂亮行走的硬件，很棒的工程——但他们没有在解决问题"。护城河是自主+巡检+工作流集成+ISO 网络安全认证（[00:10:07]） |
| Boston Dynamics（美） | 100% 美国制造 | 最强硬：应否允许中国人形进入美国——"不。不安全。"称已听说在美四足机器人数据被回传中国；主张国家机器人战略；"不只要赢，还要让世界用我们的平台"（[00:42:26]–[00:43:26]） |
| Agility（美） | 未被问及 | 未被问及 |
- ANYbotics 的立场是本库首次记录的一个明确反方：它不否认中国硬件优秀，而是主张硬件不是竞争的层次。这与 Sacks 关于模型层的论证（护城河"不只是模型，还有 harness、connectors、企业协议"）结构完全相同，只是搬到了机器人——都在主张"底层能力商品化，价值在集成与信任层"。⚠️ 它同时也是 Hurst"非弹性价格"论的最大风险点：若这套"解决方案护城河"不成立，价格锚定就守不住。
- McMaster 的"数据被回传中国"是一条具体的、可核查的安全指控，但她没有给出来源或事件细节（"我们已经听说了"）。本库标注为转述，未给证据。这条与 Chamath 的"隐私是脆的"、企业数据泄露那期属同一类担忧，但对象从模型 API 换成了带 15 个摄像头、会自己走进关键基础设施的终端——ANYbotics 那句"你不会想让别人控制你关键基础设施里的 15 个摄像头"（[00:11:10]）是这个风险最凝练的表述。补入 中美 AI 生态对照 与 LLM 安全。
6. 机器人武器化：本库开出的一条新线¶
此前本库只在 Travis Kalanick（"也不做军事"）处一笔带过。本期给出了三层材料：
- 行业自律的一手事实：约四年前 ANYbotics 与 Boston Dynamics 等联署公开信谴责机器人武器化（[00:14:12]）——本库首次记录的机器人行业集体行动。
- 两种拒绝的理由不同：ANYbotics 是工程师伦理 + 技术尚未成熟（"还没成熟到你可以拿它去把别人置于危险之中"，[00:13:11]）；Boston Dynamics 是商业聚焦（"这是对业务的干扰"），并明确说"这不是哲学问题"（[00:44:28]）。
- ⚠️ 但 Boston Dynamics 没有关门："等到那一刻再回答……我们会做出正确的那个决定"（[00:45:29]）。两种理由在压力下的稳定性不同——伦理型拒绝与聚焦型拒绝，在中国投入战场这个假设情境下会给出不同答案，而 McMaster 的措辞已经预留了空间。这是本库关于"AI 公司自愿承诺的可持续性"（另见 Sacks 论 SRO：单方面让步只招致层层加码）在物理层的一个新案例。
- ANYbotics 对军事的技术性反驳同样值得记：巡检自主"有时间把机器人布置好"，军事是"毫秒级、遥控、人在回路"——"你可以用四足机器人进屋，也就仅此而已了"（[00:12:10]）。这是对"军民两用很容易"这个流行假设的一次具体证伪。
7. 与本库既有"物理世界更 messy"证据链的接续¶
- Hurst 的 Amazon 安全教训（机器人干成了活、但"不满足我们的安全要求"，最终导致自底向上重设计整机，[00:56:37]）与 DoorDash 的"做自动化的生意需要的远不止自动化"（落叶上的扭矩、每早崩掉的 Jenkins 脚本）、沈宇军的自由度 gap 同族。但 Hurst 的版本指向一个此前没有的瓶颈：安全认证本身是产品架构的约束，不是部署阶段的手续。
- Digit V5"走出工作单元" 因此不只是一个产品版本号，而是这条约束被解开的可验证节点——本库应在 2026 年底核对是否兑现。
- Hurst 的 sim-to-real 具体清单（水的晃动、玻璃上的凝结水）给 Yunzhu Li 的"保真度不必完美、抓住问题的本质结构再随机化" 提供了一组反向的困难样本，两者不冲突但张力真实。
事实性断言与预测（可验证）¶
ANYbotics - ANYmal 售价低档几十万美元量级（"low hundreds of thousands"），服务合约另计（断言，[00:03:01]）。 - 停机损失量级每小时数十万美元；有客户一天跑 40 次巡检任务；人工巡检频次每天 1–2 次 → 机器人 8/15/20 次（断言，[00:04:02]–[00:06:03]）。 - 续航约 2 小时，自主上限约 8 小时量级（含充电）（断言，[00:05:02]）。 - 中国零部件占比 0%（断言，[00:09:06]）。 - 拥有一款可进入爆炸性气氛、保证不产生火花的机型（断言，[00:07:05]）。 - 约四年前与 Boston Dynamics 等联署反机器人武器化公开信（可核查的断言，[00:14:12]）。 - 预测：检测→修复（合闸、开柜、双手操作）会实现，但爆炸性气氛下的 99.9% 可靠性"还有很多工作在前面"（[00:08:06]）。
1X - 2026 年内向一小撮客户发货 Neo（可证伪的承诺，[00:15:12]）。 - 预售头 10K 在几天内售罄；订阅约 500 美元/月（断言，[00:17:14]）。 - Neo 将开放为平台：技能商店 + 车队管理 OS + 同款传感器的数据采集手套 + 允许运行第三方模型（产品承诺，[00:16:13]–[00:21:16]）。 - 预测（最激进）：离"硬起飞"不到 10 年，当前赌注 3 年；定义为机器人造机器人、造数据中心、造芯片厂、做采矿精炼的自给自足系统（[00:30:22]–[00:31:23]）。 - 断言：达成真正智能所需数据比第一人称/传感器路线未来几年能采到的多好几个数量级；AI 的所有重大突破都源于解锁一个新的巨大数据源（[00:27:20]）。 - 断言：1X World Model Lab 的成立依据是他们已经拿到了在人类视频上预训练的 scaling laws（[00:25:18]）。
Boston Dynamics - Spot：超 500 家客户、超 46 个国家；自称"地球上被使用最多的移动自主机器人"（断言，[00:35:25]）。 - 价格：约 10 万美元（基础）至 30 万美元（全配含服务/集成/部署）（断言，[00:37:25]）。 - 平均干预间隔 > 3,000 小时；电池约 90 分钟；Atlas 可自行更换电池（断言，[00:38:25]）。 - 客户要求 两年内回本（断言，[00:36:25]）。 - 100% 在美国制造（断言，[00:42:26]）。 - ⚠️ 在美部署的（他方）四足机器人存在数据回传中国的泄露（转述，未给来源，[00:42:26]）。 - 现有非武器化政府业务包括 EOD（断言，[00:44:28]）。 - 产品方向：Spot 走 capex，Atlas 大概率走 robot-as-a-service（[00:37:25]）。
Agility Robotics - Digit V5 于 2026 年晚些时候推出，将是第一台可走出工作单元、无需物理隔栏与人共处的平衡型人形机器人（最可证伪的一条预测，[00:55:37]）。 - Digit V5 24 小时可工作 20 小时（快充），约 7,000–8,000 小时/年，5 年约 40,000 小时（断言，[00:57:37]–[00:58:37]）。 - 预测：售价降到 2–4 万美元需要先有 10 万台机器人在运行（[00:58:37]）。 - 断言：机器人价格由人工成本设定，因此"在很长一段时间里是非常缺乏弹性的价格"（[00:59:38]）——⚠️ 与本集标题的 $1/小时框架直接冲突。 - 断言：感知已基本解决；但机器人控制不存在互联网级训练集（[00:49:33]、[00:50:34]）。 - 断言：很多应用里多数"工人"已经是机器人（AMR/传送带/机械臂）；"一百万降到五十万，我们已经做过了"（[00:59:38]–[01:01:39]）。 - 一手历史：约 7 年前与 Ford 合作演示 Digit 下车、上台阶、放包裹到门廊（可核查，[01:02:39]）。 - 立场：不存在奇点，只有靠资金与工程投入越滚越快的雪球（[00:53:37]）；熄灯工厂里专用自动化优于人形（[01:01:39]）。