十六美元一小时的机器人进厂了

这期录制时还没有那笔钱：节目上线的同一天，a16z 宣布领投 Tutor 7500 万美元 B 轮。最扎人的不是模型，是「每小时十六美元」。

片头用三句现场原声定了调：全球供应链高度互依、客户以前从没买过机器人、Tutor 的机器人已经参与制造并出运超过四分之一亿件产品。最后一句是乔什在正片里补的——「昨晚 Claude 告诉我，它估算……」1

乔什 2021 年创办 Tutor，核心论点是「先部署，再建数据集、模型和供应链」。公司约 160 人，主要在波士顿，客户从夫妻店到财富五十强、一百强。他把机器人六十年没成的账算在「定制工程机器无法规模化」上——智能和软件是那个瓶颈。

一句被反复引用的话：「99% 的机器人路演，是从模型的洞见或者数据的形状讲起，很少有人去想这台机器最后要干什么。」Tutor 的顺序相反：先找到愿意付钱的岗位，再倒推硬件、数据、供应链。

乔什把「全栈」拆成六层：模型、硬件、软件、供应链、客户、产品。他的原话很硬：抛掉任何一层，等于把 90% 的取舍空间划掉。主持人马丁追问：物理世界也许根本没有算力那种干净抽象；乔什的回应是人形机器人本身就是那个干净抽象，就像 CPU——不完美，但足够通用。市场成熟度决定形态：先专用，再通用（人形），最后再一轮专用化。

名字来自一个思想实验：地球上有八十亿人，每个人都有我们想让机器人拥有的基础物理智能。如果把任何一个人接到任何一台机器人上，你就有无限机器人智能——然后呢？你仍然要造机器人、要有软件、要有客户。所以机器人不是某一层，是三块拼起来。

语言模型吃的是整个互联网；人在物理世界干活的过程没人记录。Tutor 的办法是让远程操作员（tutor）教机器人，把这份「人类智能的互联网」变成训练集。

数据从哪来这件事，他有明确的取舍：雇人戴摄像头满世界采数据，没有保证；机器人在客户现场干客户付钱的活，那份数据一定值钱——「经济激励和数据质量在这里是对齐的」。

至于训练分布和需求分布错位（生成式 AI 那种「什么进什么出」未必成立），他的回答是不当纯粹主义者：仿真、互联网规模数据、真实机器人数据，都是工具。

过去大模型有世界知识却「说不出」空间关系，缺最后那一公里；现在实验室为了直接变现，在 CAD、三维建模这类数据上做后训练，补的正好是机器人需要的空间推理。「我们被往前弹射了好几年。」而架构的每一次变化他都经历过——2021 年起步时用的是卷积网络，「始终有价值的是数据流」。

先给了一个参照：2025 年美国部署约 3.8 万台工业机器人，而宇树在美国「大概是零」。现有供应链既太小、方向也不对——那些机身是给系统集成商、给快速重复动作设计的。

Tutor 的分工：执行器、相机从 OEM 买；整机在麻省 Watertown 自己造。两副身体：

覆盖面上限他也给了：只待在制造与物流里，两副身体能干 80%–90%。出不去室外不是移动问题，是硬件问题——轮子过不了碎石；建筑、垃圾场回收要腿；家里则太工业。

他的观察：几乎每个客户都没买过机器人，且默认「机器人对我不适用」。突破口不是 AI 叙事，是一句报价——「你有没有想过用一台每小时 16 美元的机器人？」

然后是这一期最像制造业的一组数字：第一次电话到签约 40–60 天；签约到现场干活约 40 天；进厂到投产一天以内，常常是头几个小时。2 a16z 的投资公告写得更狠：实施最快 8 小时。

买方不是用户：买方是 COO 或厂长，用户是线工。机器人有名字，名字由制造技师起；客户复购时才被允许给新机器起名——「像船名，不像狗名」。有人用孩子的名字、喜欢的球员和歌手命名。他的总结很冷：机器人就是机器人，除非它能干活，那时它叫机器。

原因朴素：那本来就是市场的大部分。更重要的是一段「尸体解剖」——他见过五到十家机器人公司这样死掉：一家大客户有特殊问题，签一张漂亮的意向书，花两年做定制系统，部署、失效，然后公司没了。客户的问题会变，产品不会。

所以「客户多而杂」是一种强迫函数：逼你做出通用机器人，而不是只对大客户 A 好用的鲁布·戈德堡装置。

价值公式只有两项：机器人能干多少活 ÷ 成本，其余都是注解。而成本结构已经变了——大头从「买机器」挪到「跑机器」（推理、遥操作、运维），这也是按小时卖得通的原因。

乔什的一个判断：中国在上一轮工业自动化上投得极深，这既让他们成功，也可能在事后成为巨大的错误——切换到通用机器人，他们要拆掉重建，而美国是绿地。「这是一个巨大的均衡器。」推论是工厂会变多：就像云让软件公司变多，通用的机器人劳动力会让物理世界的公司变多。

供应链上他不接「脱钩」这个词：2026 年仍是高度互联、彼此依赖。Tutor 的做法是双向的——一边用 OEM，一边在量涨到占对方产能可观比例、OEM 变成「光荣的代工厂」之后，把更多环节收回自己做，并在 Watertown 建产能。

这一段的背景可以对照马丁与安妮·纽伯格 2025 年那篇《America Cannot Lose the Robotics Race》：谐波减速器过去由日本住友与德日合资的 Harmonic Drive 拿走约 95% 的全球份额，中国的绿的谐波以低 30%–50% 的价格切入、在中国已占 30% 以上；宇树的机器狗卖到 1600 美元、人形 5900 美元。3

Data Factory 1：100 台 Sonny，官方称美国最大的半人形数据采集场；同一个策略在 100 台机器上并行跑，一个原本要 8 小时机器运行才撞见的边缘情况，5 分钟就能撞见。4

模型叫 Ti0，数据来自部署中的示范与「做错了被接管」的纠正，再用人给的排序反馈做奖励；还有一个不起眼但要命的处理：把不同操作员的速度曲线归一化。

他的方法边界也说得坦白：强化学习在小批量上不起作用，能玩这套是因为有一支真实世界的舰队。团队则「栈上每一层都要人」——上午在白板前聊模型架构，下午在产线上看机器人干活。

说明：本期是三人对谈，两位主理人在译文里统称「主持人」，片头与片尾的旁白标注为「片头」。译文按节目原顺序逐句给出，只保留中文，不作压缩。

片头：不管别人怎么说，2026 年的今天，我们有一条高度互联、彼此依赖的全球供应链。美国公司和中国的公司都在非常认真地想：这件事的长期战略到底是什么？归根结底，所有人都在建自己的工业产能。 片头：我们看过很多机器人路演，很少有人去想这台机器最后到底要干什么。 片头：几乎每一个从我们这里买机器人的客户，以前都没买过机器人。这个市场几乎全是绿地。现实是，你必须建一个全栈平台。Tutor 的机器人已经帮助制造并出运了超过四分之一亿件产品，送到美国消费者手里。我们在训练前沿机器人 AI 模型，在规模化制造机器人，并直接把机器人部署进供应链里最大的那些企业。 片头：机器人的产品创新是怎么做的？大多数公司还停在 V1，而你们已经有两代机器人，并且迭代得非常快。 主持人：乔什，谢谢你来做客。我们今天请到的是乔什·格鲁恩斯坦，Tutor Intelligence 的联合创始人兼 CEO，今天我们就聊机器人。开始之前，先简单介绍一下你自己和这家公司吧。 乔什：好。我是乔什。我大概五年半以前创办了 Tutor，核心论点是：只要你能从一开始就把机器人部署出去，部署到物理经济里最需要机器人的那些地方，你就能一点点把数据集、模型和供应链建起来——这些是让机器人普及到整个物理经济所需要的东西。我们现在大约 160 人，主要在波士顿，我们在训练前沿机器人 AI 模型，在规模化制造机器人，并直接把它们部署进供应链里最大的那些企业。 主持人：也聊一点你们看到的整体情况。我们看到很多路演，很多公司嘴上在做机器人，但其实并没有真正部署机器人，或者还没部署。 乔什：对。 主持人：而你们是少数真的把机器人规模化部署出去的公司之一。那就说说这门生意现在的样子。 乔什：我们在全美都有机器人部署，从很小的夫妻店，到财富五十强、财富一百强的企业。昨晚 Claude 告诉我，它估计 Tutor 的机器人已经帮助制造并出运了超过四分之一亿件产品。 主持人：哇。 乔什：送到美国消费者手里。 主持人：所以可以推测，大多数美国消费者往下追几层，都是 Tutor 的客户。 乔什：我觉得这来自这家公司的起源故事——我们当时在看机器人学习的现状。对我们来说很明显：机器人的智能和软件就是那个瓶颈。六十年来，机器人都是定制工程机器，无法规模化。所以我们创办这家公司时的论点是：只要我们能开始部署机器人，我们就能建起标注数据集，用它训练这些模型，并把这份价值交付给美国消费者。 乔什：我们看过很多机器人路演，其中 99% 都是从一个关于模型的洞见开始，讲你怎么把模型做出来，或者讲一个关于数据形状的洞见；很少有人去想这台机器最后到底要干什么。 主持人：你是反着来的。你有一个洞见：你可以去「教」这台机器人——这也正是公司的名字。这个洞见是从哪来的？

乔什：它来自一个思想实验。我们有一个洞见：地球上有八十亿人，每一个人都具备我们想让机器人拥有的那种基础物理智能。那就想象一下，你有一套无限强大的软件，可以把地球上的任何一个人连接到任何一台机器人上，让那个人「附身」到机器人身上，把智能注入进去。可以理解成：假设这件事成立，你突然就有了无限的机器人智能。好，那就把这一步当成已经办到。接下来呢？ 乔什：问题其实并没有解决。你还是得真的把机器人规模化制造出来。今天在美国，机器人还是手工作坊式的产业；即便在最自动化的行业，比如制造和物流，机器人的数量也只是零头。所以这些东西都不存在——软件当然也不存在，客户也不存在，因为机器人干不了客户想让机器人干的活。所以我认为，机器人不是栈上的某一层，不只是智能，不只是硬件，也不只是客户。它是要把这三块拼起来，而正是这三块的组合，才让你在任意一层上都能建出一个成功的平台。 乔什：内部我们常说，机器人是终极的「系统公司」。 主持人：对。 主持人：而不是只做其中一头。 主持人：这一点挺有意思，也是我一直想问你的。你的技术背景很深，MIT 机器人，对吧？但我每次跟你聊，感觉都像在跟一个做运营的人聊——聊单位经济、聊运营、聊供应链。 主持人：甚至像个做 GTM（市场）的人。 乔什：对。 主持人：GTM 那个人。所以这种转变已经完成了。这可能是个开放的问题：我一直好奇，这里更难的问题是不是其实在于这些「脏活」？ 乔什：不是。但我认为你必须把所有这些都做了。当我只是一个机器人研究者、只做技术这一侧的时候，我作为研究者的长处恰恰是很全栈：我愿意去想制造、去想硬件，愿意去想 FPGA 和 ASIC。如果你像我一样把机器人看成这种终极系统问题，那唯一能往前推进的方式，就是尽可能在更多层上做出聪明的取舍。而如果你把其中一层扔掉，说「这层我们不碰」，你就等于砍掉了 90% 可以做取舍的空间。 主持人：有意思。 乔什：然后等到真正创业，我看得很清楚：机器人其实不是「模型、硬件、软件」意义上的全栈，而是「模型、硬件、软件、供应链、客户、产品」意义上的全栈。 主持人：正是。 乔什：同样地，你会问：为什么机器人一直没成？有过很多机器人创业公司。我认为没有哪家机器人公司真的取得过巨大的经济成功。为什么？ 乔什：我认为一是你没有那个核心原语——智能，它能把系统的单位经济带到某个水平上。二是这是一个极度碎片化的市场，玩家无数，彼此还要协作；而我们需要的现实是，能在全栈上做取舍。 主持人：有意思。我们也有同样的观察，只是你这么说更清楚：大多数机器人公司都是先横向，然后全都被迫纵向。 乔什：对，每一家都是。他们真的都是这样开始的——「我们有一个模型」什么的，然后开始买 3D 打印机。 主持人：你觉得这是市场不成熟导致的吗？就像早期汽车那样？还是你认为这是这个领域内在的——哪怕二十年后，你也必须纵向整合，因为运动本身的经济性要求如此？ 乔什：我认为是市场成熟度的问题，你也可以在早期计算市场看到类似的情况。对我们来说，问题就变成：你怎么去建那种通用平台，让别人能在上面做生意，而不是做机器人生意？今天我们有很多了不起的软件公司，运营它们的人不需要去想芯片架构。那我们怎么在物理世界、在机器人上做到这一点？怎么去建那个平台？我同意你的说法，人们试过用很窄的一层去解这个问题。而在我们看来，现实是你必须建一个全栈平台。而唯一能验证这个全栈平台真的成立的方式，就是真的有成功的业务单元跑在它上面。 主持人：你愿不愿意接受这样一种可能：物理世界确实和数字世界不同，我们把算力横向化，是因为有干净的、普遍适用的抽象；而在物理空间里导航，根本没有这种抽象。 乔什：我觉得人形机器人的美妙之处，恰恰在于它就是那个干净的抽象。你想想 CPU 是什么：一台通用计算机器，它为每一个用例做的优化都不完美，但它足够通用，能跑大多数计算任务。 主持人：可那是你「人形」里面的横向组件。但比如，你会用造一个人的同一套「大脑」或同样的子部件，去造一架无人机，或者别的形态吗？ 乔什：不会。但你在算力里可以做同样的类比：我们有 CPU、有 GPU、有 ASIC。所以我认为你要跟着市场的成熟度走：一开始处在专用、定制机器的世界里，因为那是市场唯一支撑得起的；然后走向通用，在机器人里就长成人形和类似形态；最后再突破到再一轮的专用化。

主持人：这东西为什么叫 Tutor Intelligence？ 乔什：Tutor 创立时的论点是：存在一整个「人类智能的互联网」，它一直在工作——人们在社交媒体上发帖、在写邮件。对语言模型和其他数字世界模型来说，这张人类智能的网络，几乎是自然排放地造出了一个漂亮的数据集，我们可以用它训练通用模型。问题在于，我们在物理世界里的工作不是这样。我拿起咖啡杯，没人知道；没人记录我指尖的压力、记录它们的位置和姿态。所以这份资产我们没有。 乔什：Tutor 的核心想法是：与其去发明那种「没有数据也能造出机器人智能」的算法，我们更愿意说——这个问题从一开始就是被做局的，计算机视觉不是这样成的，NLP 也不是这样成的。那我们能不能在真实世界里建一张机器人的网络？让它们连上人类远程操作员——我们叫他 tutor——由人类教机器人做新任务。就像互联网「顺带」造出了训练前沿模型的数据集，我们也可以在机器人上做同样的事：建一张机器人训练数据的互联网。 乔什：而且会出现一些很美妙的涌现特性：突然之间，它不再是一个巨大的资本项目，而是去建一张网络；同时你在这过程中创造了巨大的经济价值——你部署机器人、收集数据，让所有人的商品都更便宜。所以这是一种非常独特的正和。 乔什：于是我们想，这门生意该叫什么？它不是纯粹的「人工智能」，其中有 AI，但归根结底是我们正在建的那种「tutor 的智能」——是它在连接并控制这些机器人。 主持人：这个洞见很棒。有意思的是，我们在投资前访谈你们的客户时，大多数人似乎并不知道、甚至并不在乎：什么时候是 tutor 在操作，什么时候是你的学习模型在操作。这一点得归功于你们，做得非常无缝。 乔什：对我来说，这恰恰是「机器人很好」的信号。你想要的反馈是「我批量生产的洗发水，现在便宜了五美分」。如果反馈是「这个机器人挺好看」，那大概是个很糟的机器人。 主持人：目标是不是将来不要 tutor？还是说无所谓？ 乔什：我们看得很务实：tutor 的运营复杂度是多少？tutor 的经济影响是多少？你可以想想用一块 H200 去服务模型的成本是多少，把这块 H200 的占空比和利用率算出来；你也可以用非常类似的方式去想人类智能——你真正想从人身上拿到、而模型现在还拿不到的那种异质的智能画像是什么。然后它就变成一个单位经济问题：为了让模型多顶掉最后那一成，你要做多少工程，还是干脆用 tutor？说到底，你想能在这个问题上做出尽可能多的取舍，才撑得起这样一门生意。 主持人：会让人忍不住想：生成式 AI 那种经济奇迹，是不是也能在这里发生。生成式 AI 的奇迹在于，你用某个分布的数据训练模型，结果发现基本上同一个分布在经济上是可行的——你用图像训练，人们就想要图像；你用文本训练，人们也喜欢。有点像「什么分布进，什么分布出」。 主持人：但在这类机器人上，未必成立。 主持人：你可以用一个分布的数据去训练，但实际上你真正需要的，恰好就在那个分布之外一点点。你大概是看得最清楚的人：它怎么扩展、收敛点在哪、tutor 到底能不能去掉。你的直觉是什么？ 乔什：这是最大的问题之一，最终取决于：数据是什么、你从哪拿到它。互联网的魔法在于——如果一家公司提供的是给软件工程师加速开发的应用层工具，它天然就处在所有这些极其有价值的工作的流入处。你能靠这门生意赚钱，大概也能靠这门生意产生数据，经济激励是对齐的。 乔什：机器人也一样。如果你说「好，我们给每个人头上绑摄像头，把他们送到印尼各地去采 X、Y、Z 的数据」，你没有任何保证，你只能猜；没有一只「看不见的手」在引导你，确保那份数据真的在经济上有价值。但如果它是那种「排放出来的副产品」——机器人在真实的客户现场、客户为它干这件事付钱——那你就确定这份数据在经济上有价值。 主持人：但这是不是也取决于解空间的维度？有可能出现这种情况：经济上有价值的那部分维度高到，你能解决 90%，最后 10% 得靠人做很久，因为要拿到那个数据集，需要太多 tutor、太长时间。 乔什：那可能也没问题，你可以在经济账上接受它。也可能这正是其他形式的数据派上用场的地方。我们不是纯粹主义者，我们愿意做任何取舍。我们很喜欢用仿真去拓宽数据分布，也很喜欢用互联网规模的数据去拓宽这些分布。所以在真实机器人数据之外，我们工具箱里还有很多工具。 主持人：那就多聊一点仿真和其他工具，以及像 Astra 这样的模型对这件事的影响——这好像是机器人世界里另一个让人兴奋的小作坊式热点。你们怎么用它？ 乔什：这是翻天覆地的变化。有很长一段时间，我们都知道这些模型里烤进了关于世界的通用知识，但它们表达不出来——它们缺最后那一公里的空间推理，没法把 GPT 知道的东西，接到一个动作扩散 Transformer 头上。现在这件事变了。 乔什：实验室开始用三维空间数据做后训练，比如 CAD、三维建模。顺便说，他们这么做是因为有直接的经济激励，因为那本身有真实市场，可以立刻变现。而那恰好是我们的模型需要的那种空间推理。所以我觉得我们被往前弹射了好几年，因为我们开始能把前沿模型里那些通用智能用到机器人上了。 主持人：而且因为这是个系统问题，对你来说净效果是加速。 乔什：对。 主持人：而不是拖慢你，或者「有人要来抢你的午饭」。 乔什：对。我们经历过好几次这种更替。这家公司 2021 年开始做，最早用的是卷积神经网络，我们经历过每一轮范式变化。而始终有价值的是数据流，数据流永远是你能独有地做的事。那些上百万种架构技巧——如果它能帮你把飞轮转得更快，就去做：能多部署机器人、多采数据、更大规模制造、做更多任务，那就值得做。但归根结底，一家公司里有长期代际价值的东西，是那个飞轮和回路本身。

主持人：你能不能讲讲，你说「我们造机器人」是什么意思？这条谱系的一端是买一台宇树，然后给它写提示词；另一端是你自己加工零件。你们在哪一段？ 乔什：先给大家一个背景：2025 年，美国部署了大约 3.8 万台工业机器人。跟大概一百万台比起来很小。 主持人：你是说把发那科和 ABB 都算上？ 乔什：发那科那些。但也就这样了。宇树在美国基本没部署，如果部署了，也会出现在那些数字里，但大概是零。所以现有的机器人供应链既太小，又是你说的「方向不对」：发那科和 ABB 造的东西，大多不是在美国造；即便在美国造，他们造的也是给系统集成商用的东西，为快速重复动作设计。它们不是按「跟前沿模型联合设计」那套取舍切出来的。 乔什：所以我们在硬件这一侧基本是从零开始。为了规模化部署，Tutor 实际上被迫自己设计和制造硬件。今天我们不造执行器，也不造相机——有一整层东西我们从 OEM 采购，他们的制造规模大得多。但机器人本身，那个会跑、有手臂、能干所有这些活的整机，我们是在麻省的 Watertown 规模化制造的。 主持人：能讲讲机器人的形态学吗？是叫形态学、解剖学？ 乔什：随便怎么叫。 主持人：它们长什么样？ 乔什：我们造两种。可以看我网站。先说 Cassie。 乔什：Cassie 是个「壮劳力」，为重型工作设计。单臂、很多吸盘，由基础模型驱动，参数量在 2 亿到 4 亿这个量级。它来自 Tutor 2021 年起步时的那个世界：基础模型能为机器人做什么？它们能预测可供性和抓取，然后你去执行。所以它是这样一种联合设计：你能规模化制造的硬件、你的模型实际能做的事，以及一个真实的大市场需求。 乔什：在美国，物理经济里的任何东西都得靠托盘或者纸箱运输，于是就存在大量纯人力的手工劳动——用手搬托盘、搬箱子。Cassie 就是这种共同设计的产物。我们大规模制造它，把它部署到制造、物流里非常多样化的企业。 乔什：我们的第二台机器人叫 Sonny，是一种工业级半人形。可以这样理解：你看着一台宇树，然后说，我需要这台机器在工厂里以人的速率和可靠性跑 3 到 10 年。于是你得到一套略有不同的设计决策。Sonny 是轮式而不是腿式，因为大多数室内工业场景的地面是抛光过的；它的载重大得多、移动快得多，并且符合工业协作安全标准，可以在人身边作业。 乔什：我们在波士顿有 100 台 Sonny 在数据工厂里运行，采数据供内部使用、推进研究议程。现在也有一批越来越多的 Sonny 在真实世界里，做更精细的手上操作。 主持人：你怎么看这条产品线该有多宽？三台就能吃下有用市场的一大块，还是你需要三十种形态？ 乔什：这取决于你怎么定义「有用市场」，你想走到哪。如果你只想待在制造与物流里，今天的 Sonny 和 Cassie 大概能干 80% 到 90% 的活，它们就是按这个切的。 主持人：能不能描述一下那些活是什么？我觉得它并没有被广泛理解。 乔什：大多数人对美国工业基础、制造物流的心理图像，来自电视节目《制造的原理》。不知道你们两位看过没有。 主持人：当然看过。 乔什：你看到那些鲁布·戈德堡式的杠杆机器，画面里一个人都没有——有人造了一台「就是工厂」的机器。那种东西确实存在，而且如果存在，他们大概就会拍下来放到《制造的原理》里，因为那是美国制造与物流的前 0.01%。 乔什：那下面是什么？你走进那些一百万平方英尺的厂房，会看到一群人站在传送带旁、站在折桌旁，用手做事。任何不来自这个行业的人看了都会震惊。 乔什：所以你看 Cassie 这样的机器人：有大量极其繁重、又特别难招人的活。这个岗位三个月就换一批人，干这活的工人平均 55 岁、快要退休了。那我们完全可以用一台 Cassie 去干这种重活。Sonny 也一样：你买过的任何装在盒子里的东西，都是人把它放进盒子的——这对大多数人是颠覆性的认知。任何需要一点装配的东西，哪怕 iPhone，你会以为包装是机器人拼的，不是，哪怕在最高的量级上，那也是人做的。 主持人：回到他刚才那个问题：你有带吸盘的单臂，也有双臂的人形。它们干不了什么？接下来往哪走？ 乔什：它们出不了室外，而室外非常有意思。 主持人：是移动能力的问题吗？ 乔什：不是移动，是硬件。这些机器人是轮子，有一点点抓地力，有可动的后腿，但它们开不过碎石路。建筑机器人、从垃圾填埋场回收材料的机器人，机会巨大，那需要带腿的机器人。所以那最终会成为我们「身体形态万神殿」的一部分。家里也一样：你现在大概不想把 Cassie 或 Sonny 放进家里，它作为设备太工业了。 主持人：对，看起来挺吓人的。

主持人：那聊聊客户采用这一侧。做得怎么样？显然不是「我没人，能给我什么就要什么」这么简单。 主持人：一旦进了他们的产线，他们的心态是怎么变的？ 乔什：这是个有趣的挑战，因为几乎每一个从我们这里买机器人的客户，以前都没买过机器人。这来自那些数字：如果美国一年只部署 3.8 万台机器人，如果美国十家工厂和仓库里有九家一台机器人都没有，那这个市场几乎全是绿地。 乔什：这些人了解上一代自动化长什么样，所以他们默认「机器人对我不适用」。我们打破这一点的办法，其实不是谈 AI、谈模型、谈 tutor。我们打电话过去说：嘿，你有没有想过用一台每小时 16 美元的机器人？他们没有想过——这对他们是个全新的报价。于是你能约到会，然后你把这个东西讲给他们听，把人拉进来。 乔什：靠建立这样一种商业模式——机器人厂商和客户之间真正利益一致——我们铺开机器人的速度，比传统工业自动化行业快好几个数量级。从第一次电话到签约，平均 40 到 60 天；从签约到机器人在客户现场干活，平均约 40 天。机器人进厂到投产一天以内，很多时候是机器人到场后的头几个小时。所以我们的推进非常快：这台机器人是通用、通用的机器，我们不做定制，直接从工厂发到客户那里；同时我们不把任何经济风险压给客户。所以能把他们拉进来。 主持人：那他们部署之后，对「人 vs 机器」的态度怎么变？ 乔什：运营这个群体非常棒，因为他们看东西干活：它干成了。就这样。很明显它能干活，而我知道这个活需要在哪些地方干，那我们就把它放到所有那些地方去。所以我们扩得非常快，既有小企业，也进了一些供应链里最大的公司，从一个站点一台机器人，到多个站点十几台以上。 主持人：这挺有意思，因为很多人会像对模型那样有情感联结，模型很难换。你大概比现在还活着的大多数人都更有部署机器人的经验——你在说同样的事吗？它们被当成设备，还是开始被当成「存在」和同事？ 乔什：我看到过一条很好笑的推文：机器人就是机器人，除非它能干活，那时它叫机器。 主持人：哈哈。 乔什：我得把出处查清楚。 主持人：但这是真的吗？ 乔什：挺真的。 主持人：真的吗？就是一旦它能干活，他们就把当它设备？ 乔什：至少在厂长这一层，是的。但还有一层：在机器人行业里，买方不是用户。买方是 COO 或者总经理，用户是整天和机器人一起干活的工人。在那一层，你确实需要去培养工人和机器人之间的关系，因为我们不会把一座工厂 100% 全自动化——我们自动化的是工厂或仓库里的部分岗位。 主持人：你对怎么处理这件事有哲学吗？你会让它们看起来更友好？更像同事还是更不像同事？会让它们说话吗？你怎么看这件事？ 乔什：非常幸运的是，有一整个学术方向叫 HRI，人机交互。 主持人：完全不知道。 乔什：很多人花了很长时间研究它，包括我学术背景里的一批人。里面有很多技巧。一个技巧是：每台机器人都有名字。 主持人：名字是你们起的。 乔什：主要是我们的制造技师起的。 主持人：所以不是像养狗那样，你拿到一只新狗可以改名。 乔什：客户跟 Tutor 扩张时，当他们复购时，才被允许给机器人起名。 主持人：哦，就像船名不能随便改，改了不吉利，得保留；但狗可以改名。 乔什：对，所以新机器人由他们起名。这就解决了。而且我们拿到客户了。 主持人：所以他们有了更强的拥有感，因为名字是自己起的。 乔什：正是。我们还因此拿到很强的信号：有人用自己孩子的名字给机器人起名，有人用最喜欢的橄榄球员、最喜欢的流行歌手。人们会非常依恋，因为机器人最终是在帮忙：它让他们的活变轻了。厂房里的一线工人不用再干那么多重活，可以被提升到更高的岗位，而这些地方根本招不到人；而对厂长来说，他的工作简单了一千倍。 主持人：你们用什么命名体系？ 乔什：一开始用飓风命名法，后来…… 主持人：那不…… 乔什：显然你没读那本 HRI 的书。你不搞学术。 乔什：客户并不知道「布兰妮」等于 26 号节点之类的。后来我们停了，因为飓风名字把字母表走了太多遍，实在记不住。 主持人：那现在用什么？ 乔什：技师们就挑让自己开心的名字。我们很幸运，在美国有一大群人在帮我们造这些机器人，名字也是他们起的。 主持人：厉害。

主持人：还有一件事，在我们投资前做调研时让我很意外。我们平时接触机器人公司，他们多是去打那些巨型企业——财富五十强那种，看起来有钱做很多实验。 主持人：而你们客户里相当大的一部分，几乎全是本地企业。 乔什：对。 主持人：这里面有什么信息？是刻意的策略吗？ 乔什：原因是多方面的。第一，那本来就是市场的大部分：美国绝大多数企业和制造物流，是中小企业、中端市场企业。所以你要服务这个市场，就得这么做。 乔什：第二，我们创办这家公司的时候，正好看到一大批非常学术化、面向供应链的机器人创业公司起来，然后没能成。我们有幸能问一句：这里出了什么问题？我认为机器人公司犯的大错之一，是它们其实不是产品公司。它们的做法是：某个很大的公司有一个非常具体的问题，愿意给我们签一张漂亮的纸说会扩产，我们就花两年做一个非常定制的系统去解它，然后部署。大概率它不会成功——因为任何做过产品的人都知道，产品不可能一次做完，做产品需要迭代。就算它成了，谁知道那个客户还有没有这个问题？于是砰，公司完了。 乔什：我看到这种事连着发生五到十次，看到你会想：天哪，如果发生在我们身上，那太难堪了。所以我认为，服务多样化的客户，是一种漂亮的「强迫函数」，逼你做出正确形状的产品——对我们来说，就是一台通用机器人。我们不想造一台只对大工业客户 A 或 B 特别好用的鲁布·戈德堡装置。我们要建的是一个平台：通用能力的机器人身体，跑通用能力的机器人模型，可以立刻就上岗。 乔什：如果你能两周内和一个中端市场客户签约，然后马上就有机器人在跑，而这对你其他客户来说是完全不同形态的产品和生意——那你就是成功的。 主持人：你怎么看极限情况下这个行业的样子？假设你们持续成功。是这个活变得更快更便宜，还是质量上去、能做更多事？经济上、产能上的收敛点是什么？ 乔什：我认为所有东西都会变好。有一整类商品，如果它们更便宜，我们就会买更多；如果你相信这些商品有价值，那对所有人都是好事。世界上还会出现一些断点。我前几天和一个人聊，他在威斯康星（我记得是）一家房屋工厂的产线上工作，他说他们在工厂里造房子，成本比传统现场施工大约贵 5%。但如果这些房子哪怕只比同质量的传统方式便宜 1%，开发商的所有需求会立刻转向「在工厂里造房子」这种形态。垃圾填埋场的材料回收、还有很多别的市场，都是同样的道理。所以我们希望的是：如果 Tutor 真的成功，我们能提供这种机器人「基底」、这支劳动力，让别的企业用它去改造物理经济，让这个世界最终更便宜、更适合居住。 主持人：你们会进家庭吗？ 乔什：我们不设限，哪都愿意去。但我猜那会是个难得多的问题，光是任务的复杂度、安全性，还有经济性：一台 Tutor 机器人在工厂里交付多少经济价值，又有多少消费者愿意为家里那点价值付钱？算下来不太成立。但这也回到我们的整体哲学：在尽可能多的层上做取舍，先拿到立足点，开始建平台；随着平台建起来，你需要做的取舍会越来越少。 主持人：机器人的产品创新是怎么做的？多数公司还在 V1，而你们有两代机器人，迭代非常快。它和数字产品创新、其他品类有什么不同？ 乔什：我们在尽量让它变得一样。我们自造机器人，这让我们拥有制造流程，可以去想怎么每两周往制造流程里推一次变更。我们给机器人发代码，要么每天，要么每两周一个大版本，为此建了大量基础设施。我们还建了一种很独特的产品职能形态：产品团队在组织里就坐在客户成功和交付团队旁边，实际上是一个大团队，所以他们离客户尽可能近——我认为这对我们非常有效。 乔什：另外我们还有研究团队，一方面深度嵌入客户的问题空间，能从客户那里拿到特定类型的数据；另一方面又能做那些「登月」的事。如果我们在模型侧有突破，让机器人能做一整类新的事，我们能围绕它共同设计一个产品，并且比大多数公司更快推到现场。 主持人：如果我在听这期节目，我有一个仓库。 乔什：好。 主持人：我想弄一台机器人，是不是就上你们网站、留个邮箱？这流程怎么走？ 乔什：你可以上我们网站留邮箱。我们其实有挺好用的报价计算器：你输入一些你仓库或工厂现在怎么运转的运营数据，它就会给你一个估算——初次部署 Tutor 机器人，你一年能省 10 万美元、100 万美元、1 亿美元。而且这不是「五年定制工程的路线图」，是「两个月后的今天你就能省下那 100 万美元，而且不用压资本开支」。 主持人：你觉得需求真的存在吗？这听起来太科幻了——外面真有需求吗？ 乔什：需求太多了。甚至不是「对机器人的需求」，因为人们根本不知道这种形态的机器人存在、不知道它能用、能干这个活。所以归根结底是…… 乔什：我们有个框架：一台机器人的价值，等于它能干多少活，除以它的成本。就这两项，其他都是注解。所以如果我们能在美国物理经济里那些高度流动的劳动力市场上竞争，能提供同等能力、更低成本的东西，那这个市场就是整个市场——所有被完成的体力工作。

主持人：问一个有点钻的问题：你说「成本」，是指摊掉前期成本，还是持续的运行成本？ 乔什：都是，这很有意思、也和以前不同。传统上我们把机器人当 ROI 算：一大笔资本开支，然后十年回本。现在越来越多成本落在持续的推理、遥操作上。 主持人：这也包括维护、维修这些吗？ 主持人：哪个是大头，还是差不多？ 乔什：长期看我们会把它们都压下去。 主持人：不不，我是说从你的角度，摊 COGS 的时候，前期成本占多少、持续成本占多少？ 乔什：现在更多是持续成本，这让很多人意外。 主持人：有意思。 主持人：哇。 主持人：我倒不意外。你真正是在跟一个「喂米就能跑」的东西竞争，而且它极其高效——人体。 主持人：那你被叫到这些客户那里，是因为黑色星期五要来了、短期要做一大批，还是这已经进入他们真正的劳动力规划周期？ 乔什：这是战略性的。这些企业面对一个很难的选择：他们知道工人的年龄，知道需求因为这些长期趋势在往上走，知道履约的成本基础在上升。他们会算：我们这门生意还成不成立？这些不是软件公司，没有巨大的毛利可以玩、可以压一点还无所谓——不是的，这门生意要么成立，要么不成立。所以我们的客户最终在找一个能做机器人的长期伙伴。 乔什：如果我的客户是做除臭剂的，他就是做除臭剂的；他会是除臭剂、蜡笔或者任何他造的东西的运营专家，而他需要一个机器人专家做伙伴。 主持人：我有个关于工厂本质的问题。你可以把机器人运给任何人——今天不行，因为你们缺货，但将来某个时候。如果你的机器人越来越通用，这对工厂选址、对人们围绕工厂组织生活意味着什么？那些「一镇一厂」的格局，很多东西都会变。 乔什：我认为会变很多，这里面有大量地缘政治。一件大事是：这会是美国和中国这类国家之间的巨大均衡器。中国在上一轮工业自动化里投了很多，某些方面让他们非常成功，但事后看，另一些方面可能变成巨大的错误——因为在美国，我们刚才说了，我们是在用通用机器人对工业产能做绿地建设；而中国那边，他们将不得不拆掉重建。我们不需要以同样方式拆。 乔什：另一件会变、也很有意思的事是：工厂会多得多。就像因为云和所有软件工具，我们的企业变多了一样——任何人都能在物理世界开一家公司，任何人都能在物理世界把公司做大，只要我们有这种无限、灵活的劳动力基底。 主持人：你提到中国。我们其实发表过一份关于机器人供应链的报告，看起来中国在其中太核心了。能不能聊聊你们对它的依赖，以及它会怎么演变、供应链上来自中国的风险有多大？ 乔什：不管谁怎么说，2026 年的今天，我们有一条高度互联、彼此依赖的全球供应链，这只是众多例子之一。美国公司和中国公司都在非常认真地想长期战略该是什么样：中国公司在美国投资，美国公司在中国投资，归根结底所有人都在建自己的工业产能。 主持人：我注意到，据我所见，你们纵向整合得更多了。是这样吗？你们把更多东西收回自己做，还打算继续吗？ 乔什：供应链里有个难处，还是因为机器人是这种手工作坊式产业：你起步时，子部件来自 OEM；等你的量涨到一定程度，它们就不再是 OEM 了，而是「光荣的代工厂」——你在它们的产能里占到可观的比例。那时候关系就变了：这家还适合做这件东西的代工吗？我要继续用代工厂，还是自己做？ 主持人：Tutor 大概是美国最大的机器人部署方之一，所以你大概也是这些 OEM 最大的客户之一。那随着时间推移，你会不会就把这些部件自己做了？ 乔什：我认为是这样。 主持人：那意味着收回自己做，还是只是告诉他们怎么做？他们还是供应商吗？ 乔什：某种组合吧。 主持人：是吗？ 乔什：某种组合。我认为 Tutor 要成功，美国必须有一条成熟的机器人供应链。而我们所处的位置是：我们自己就是这条供应链需求的很大一部分。所以在美国建这个产能，既是我们的义务，也是我们的机会。这就是为什么我们在麻省 Watertown 造机器人，也是为什么我们预期会继续纵向整合，把越来越多机器人部件放到美国造。

主持人：回到我们刚开始聊的时候。我记得大概是第二次见面，我们就开始聊研究——那次会议大部分时间都在聊这个，因为你已经有很好的生意了，但研究是你的一大强项。聊聊你们怎么做研究。关于哪种机器人学习模型会赢，理论很多。你们怎么推进机器人学习这一块？ 乔什：对，在研究上。 乔什：我们在想这件事在语言模型里是怎么发生的，哪些相似、哪些不同。语言模型里显然非常关键的一点是：数据来源很多、很异质，但最终数据的顶端是用真实世界的强化学习轨迹去做你想做成的那件事。所以我们的研究计划是这样设计的：怎么从真实世界中的机器人经验里榨出最多东西。 乔什：于是我们在波士顿建了一支 100 台机器人的舰队，叫 Data Factory 1。据我们所知，这是美国最大的半人形数据采集场。我们把它当作研究试验台：怎么在机器人上做规模化的真实世界强化学习。强化学习这类方法在小批量上其实不太管用；所以如果你在真实世界有一支很大的舰队，你就能开始玩这些方法——我认为学术界和工业界此前都玩不了。 主持人：我猜为此搭团队和搭一个实验室很不一样。聊聊团队怎么搭，以及你们现在想招什么人。 乔什：我们什么人都招。研究、工程，栈上每一层都要。 乔什：我们也在招制造机器人的技师。 主持人：顺便问，「栈上每一层」是指软件、硬件、材料、电子这些都算？ 乔什：对。没有任何一层你可以把责任推掉——不管你想不想，你都得跟它打交道。问题只在于你懂不懂它。所以我们在建这个团队，而我认为这是一种非常独特的团队形态：不只是因为它跨学科、在技术栈的每一层上都要协作，还因为我觉得这是宇宙里少数几个地方——你上午在白板前讨论模型架构，下午就在看工厂产线、看一台机器人干得怎么样。 主持人：这主要在麻省吗？ 乔什：我们的团队分布在全美，尤其是市场和技师，因为我们的客户遍布全美。 主持人：好，太好了。谢谢你。