1 美元／小时的机器人，快来了？四位机器人 CEO 拆解下一站 (2026)

这期 All-In Podcast 在巴黎 Machina Summit 现场，连续对谈四位机器人公司掌门人：ANYbotics 联合创始人兼 CEO Péter Fankhauser、1X 创始人兼 CEO Bernt Børnich、Boston Dynamics 临时 CEO 兼 CFO Amanda McMaster，以及 Agility Robotics 联合创始人兼首席机器人官 Jonathan W. Hurst。节目时长 1 小时 08 分 35 秒，于 2026 年 7 月 29 日 04:21（中国时间）发布。1 2

标题里的「1 美元／小时」不是当前报价。Jonathan 的算式是：机器人每天工作约 20 小时、每年 365 天、寿命 5 年，累计约 4 万小时；如果硬件成本降到 2 万至 4 万美元，才会出现接近 1 美元／小时的长期账面成本，而且他明确说，走到这一步之前需要先有约 10 万台机器人的规模。真正的账单还包括部署、安全、维护、软件集成和责任边界。

本期自动字幕没有作为主要证据。逐句翻译依据完整原始音频，按连续发言段完成说话人校正；下面先给出按原始顺序整理的精读，再附不保留英文原文的逐句全文中文翻译。

先看结论

第一站仍然是已经愿意付费的现场。 Péter 讲的是高风险工业巡检，Amanda 讲的是 Spot 在真实客户现场的部署，Jonathan 讲的是仓储和物流。家庭人形机器人最有想象力，但不一定是最先形成规模的市场。
四种形态对应四种现实约束。 四足机器人适合湿滑、崎岖、危险的工业设施；人形机器人适合人已经设计好的空间；移动平台的价值来自稳定和传感器；家用机器人则必须处理开放式任务、远程介入和家庭信任。
ROI 不等于替代一个人的工资。 Spot 的客户价值可以来自发现气体泄漏、避免停机、提高巡检频率；机器人是否真的省钱，要看它是否持续工作、是否减少危险任务，以及它能否进入客户的工作流。
数据闭环比一次 Demo 更重要。 Bernt 把数据分成远程操作、人类佩戴传感器、人类第一视角视频和通用互联网视频；高质量操作数据适合微调，互联网视频提供数量级更大的预训练数据。
机器人需要两个大脑。 Amanda 的分法是：控制身体的实时能力留在机器人上，环境语义理解可以放在云端，客户自己的工作流再包一层。没有稳定网络时，避障和数据质量不能交给云端。
安全是规模化的硬门槛。 Jonathan 说，Amazon 的部署经验让 Agility 重新从底层到顶层设计 Digit 的安全；Digit V5 计划在仓库里走出工作单元，不再依赖人与机器人之间的实体隔离栏。
地缘政治已经进入产品设计。 Péter 表示 ANYbotics 的机器人不使用中国零件；Amanda 说 Boston Dynamics 的机器人全部在美国制造，并主张保护美国及盟友的知识产权。两人的反武器化立场相近，但对国家安全与未来军事需求的回答并不完全相同。
「便宜」是结果，不是起点。 1 美元／小时的想象建立在硬件规模、寿命、充电、维护和利用率都成立之后。今天更值得追问的是：哪一种任务足够明确，客户愿意为持续可靠的机器人工作付费？

四位嘉宾：他们分别代表哪条路线

Péter Fankhauser｜ANYbotics

Péter Fankhauser 是 ANYbotics 联合创始人兼 CEO，拥有 ETH Zurich 机器人研究背景。ANYbotics 以 ANYmal 四足机器人切入油气、矿业、电力、钢铁等高风险工业巡检，核心不是展示一台会走路的机器，而是持续采集、理解并交付关键基础设施数据。3 4

Bernt Børnich｜1X

Bernt Børnich 是 1X 创始人兼 CEO，主导家用人形机器人 NEO。1X 介绍的路线是先把机器人送入家庭，再通过开放平台、技能开发和真实操作数据，让机器人逐步从一个产品变成可被更多人开发的物理世界接口。5 6

Amanda McMaster｜Boston Dynamics

Amanda McMaster 是 Boston Dynamics 临时 CEO 与 CFO。她面对的是一家已经拥有 Spot 商业部署记录、又要把 Atlas 从技术演示带向工业产品的公司：动作能力必须转化为客户能采购、维护和承担责任的设备。7 8

Jonathan W. Hurst｜Agility Robotics

Jonathan W. Hurst 是 Agility Robotics 联合创始人兼首席机器人官，长期从事机器人学研究，也是 Oregon State University Dynamic Robotics Laboratory 的创始研究者之一。Agility 的 Digit 代表工业人形路线：利用人类环境已有的货架、通道和流程，而不是先改造整个工厂。9 10

按原始顺序整理全部要点

00:00–15:01｜Péter：四条腿先进入危险现场

四足不是审美选择，而是现场约束的结果。 Péter 认为，四条腿提供更宽的支撑面和更多接地点，能在湿滑、下雪、长草和崎岖地面上保持平衡。咖啡店这类狭窄、需要与人处在同一视线高度的空间，人形形态可能更合适；工业设施给四足机器人留下了绕行空间，因此 ANYmal 的形态与任务匹配。

ANYbotics 已经把机器人送进油气、能源和其他关键基础设施。Péter 说，机器人安装摄像头、热成像相机、声学麦克风、气体浓度传感器和 AI，可以发现人类感知不到的微小泄漏、异常温度和设备信号。客户购买的不是一台「狗」，而是更高频、更安全的数据采集系统。2

算账方式是避免停机，不是单纯压低人工。 ANYmal 单次运行大约两小时后回充；有客户每天安排约 40 次任务，只为捕捉电弧炉启动等特定时刻。最长的日常部署约 8 小时，已经能把原本一天一两次的人工巡检增加到 8 次、15 次甚至 20 次。对停机每小时损失几十万美元的设施来说，节省一分钟就可能覆盖机器人的成本。

海上油气平台、海上风电的有人值守变电设施、沙漠、高湿度环境和爆炸性气氛，都是 Péter 认为机器人应该去的地方。ANYbotics 还做了不会产生火花的特殊机器人，用于人不应该进入的油气和化工现场。把气体泄漏从发现推进到自动修复仍然没有完成；在爆炸性环境里达到 99.9% 的可靠性，远比演示复杂。

边缘控制和云端分析会并存。 避障、数据质量和确认「拿到的是不是正确东西」必须实时在机器人上运行，因为网络断开或图像上传延迟都可能造成事故；历史停机分析和上下文理解则可以放在云端。

Péter 还说，ANYbotics 的机器人不使用中国零件，采购会在核心部件、商品化金属件和供应链风险之间做取舍。他认为中国机器人在硬件工程上进步很快，但客户比较的是完整解决方案：自主能力、巡检智能、工作流集成、数据可信度和网络安全认证，而不只是会不会后空翻。

在军事问题上，ANYbotics 选择不进入军事产品。Péter 把军事自主能力描述为另一套系统：毫秒级决策、遥控、人在回路和不同通信条件，都不能由工业巡检能力直接替代。他反对在机器人上装枪，认为防御与主动攻击必须区分；他也承认，其他公司和国家可能会承担这类任务。

15:01–33:45｜Bernt：先进入家庭，再把机器人变成平台

NEO 的第一批交付会慢，但 1X 想让它成为开放平台。 Bernt 说 2026 年会有一小批客户收到 NEO，早期体验可能粗糙、会摔倒。预订时有一次性付款和订阅两种方向，订阅价格仍在演进；最初 1 万个名额在几天内售罄。5

他的设想不是卖一台封闭机器，而是允许开发者制作「做沙拉」这类技能，像应用商店或技能商店。消费者可以买技能，开发者在 NEO 上构建应用，基础模型实验室也可以部署自己的模型。Bernt 认为，只有开放平台，家庭机器人才能从单一产品变成社会劳动力的入口。

远程操作不是最终答案，却是数据和可靠性的桥。 Bernt 举了纽约鸡肉三明治店由马尼拉收银员远程接单的例子。围绕 NEO，开发者可以购买机器人、车队管理系统和数据采集设备，让人佩戴带触觉传感器的手套，采集任务数据、微调模型，再逐步提高自主性。任务太复杂时，也可以保留远程操作员；这不是失败，而是一种可选的部署方式。

远程操作还有「人在场」的用途。Bernt 希望自己在挪威或旧金山出差时，能通过 NEO 走进公司、拿起零件、看东西、参加会议。偏远变电站也一样：一个低频、一次性的故障，不值得为它训练完整自主技能，却值得把机器人留在现场，让专家远程处理。

数据金字塔的底层是互联网视频。 Bernt 把数据分成四层：顶部是质量高但规模小的远程操作数据；其次是人类佩戴机器人传感器采集的数据；再往下是人类第一视角视频；底层是关于世界和人的通用视频，规模远远更大。NEO 越像人，越能利用互联网上已有的人类行为数据。

但最终最有价值的仍然是机器人原生数据，因为它同时包含动作、触觉和力。1X 的十年押注是让机器人尽可能像人，从而先借用人类视频训练基础模型，再把机器人部署到社会里，用付费任务换取更好的机器人数据。

Bernt 对硬起飞给出激进时间判断。 他认为「机器人建造机器人、数据中心和芯片工厂，并通过采矿和精炼形成充足劳动力」的硬起飞，不到十年，甚至可能是三年。他把这称为硬起飞，不是接管；同时承认准确时间很难判断。这个判断属于嘉宾预测，不是已经发生的事实。

33:45–47:14｜Amanda：Spot 已经是产品，Atlas 还要过安全和责任这一关

Boston Dynamics 已经不再只是研究实验室。 Amanda 说 Spot 已经进入 46 个国家、服务超过 500 个客户，是全球部署和使用数量最多的移动自主机器人之一。客户用它做仪表读数、声学检测、振动检测和资产监控，白天巡检，夜间还可以做周界安防。7

Spot 的基础机器人价格约 10 万美元，包含服务、集成和部署的完整配置最高约 30 万美元，采用资本支出模式。Amanda 说，Spot 的电池约运行 90 分钟，通常通过两台机器人轮换；两次人工干预之间的平均时间已经超过 3000 小时。Atlas 采用可自行处理的双电池方案，并可能更适合「机器人即服务」，让客户按需增加或减少使用量。

Amanda 不把 Spot 的核心 ROI 说成「替代一个人」。她更关注两件事：有些危险任务原本就没有被人真正完成；机器人可以让人转去做知识工作。如果 Spot 发现一个漏气点，避免一天 300 万美元的损失，那个结果比「少用了几个工人」更接近客户真正买单的理由。

她把 Atlas 的软件和硬件分成两个大脑：控制身体动态、可靠性和操作能力的部分留在机器人上；理解环境语义的推理层可以在云端，再由客户自己的设施信息和工作流组成一层外壳。

Amanda 的供应链立场更强硬。 她说 Boston Dynamics 的机器人 100% 在美国制造，反对允许中国人形机器人进入美国，并把机器人供应链与半导体竞争、知识产权和国家机器人战略放在一起讨论。这个判断是她在节目中的个人与公司立场，不代表对所有市场的统一政策结论。

在军事应用上，她区分了爆炸物处理等非武器化任务和终结者式武器化。Boston Dynamics 目前公开采取反武器化立场；至于当国家安全压力迫使公司面对武器化选择时，她没有给出承诺，只说到时候必须做出正确决定。

47:14–68:35｜Jonathan：人形机器人的价值是进入人类环境

人形机器人难的不是像人，而是在人的空间里做有用的事。 Jonathan 回顾过去 20 年：机器人研究从自动化系统和实验室里的人形项目，逐步进入现实世界。大语言模型解决了感知和语义理解的一大部分，但机器人控制还缺少互联网规模的扭矩、传感器和动作数据。

学习方式会同时使用示范、远程操作、动作捕捉、世界模型和仿真到现实迁移。世界模型可以让机器人在仓库中模拟百万次练习，却无法完全复制现实里的物体动力学、玻璃冷凝水和机器人本体误差，所以真实世界练习仍不可替代。

Digit 目前执行搬运箱子、拣选、装箱、码垛和拆垛等范围明确的多用途工作流。两条手臂、全身平衡和灵活操作，解释了人形形态在高货架和狭窄空间中的价值。Jonathan 说，Digit V5 计划在今年晚些时候推出，并首次让平衡型人形机器人在仓库里走出工作单元，不依赖人与机器人之间的实体隔离栏。

安全设计是从一开始就要做的系统工程。 Agility 在 Amazon 的经验是：机器人完成研发目标，并不等于客户允许部署；客户的安全要求会迫使团队重新设计机器人每一个系统。Jonathan 不愿讨论当前物料清单，但预计机器人最终会降到接近汽车的成本；真正需要计算的是 24 小时工作、五年寿命能创造多少价值。

他同时提供 CapEx 和 RaaS 两种商业模式。成本曲线下降、机器人能力上升、人类工资构成价值锚点，这三件事叠加后，才可能出现标题里的 1 美元／小时场景。至于工厂什么时候达到 51% 的机器人占比，他的回答不是一个日期：很多工厂里机器人、传送带和工业机械臂早已占据主要自动化工作；人形机器人更适合走进零售店、医院、建筑工地、家庭门口和其他持续由人使用的环境。

Jonathan 认为，未来可能出现自动驾驶卡车、熄灯分拣工厂和机器人最后一公里配送，但人形机器人不一定适合全自动分拣工厂，因为专用自动化设备对单一任务更高效。人形机器人要解决的是旧工厂、零售、医院、施工现场和家庭等「为人设计」的环境。

他把机器人最有益的使用场景概括为 3D：枯燥、肮脏、危险。未来的机器人操作员、装配工、部署人员和维护人员，也会形成一条更偏职业教育和蓝领的就业路径，不是只有博士和硕士。

关于四只、六只手臂，Jonathan 的第一性原理判断很简单：一只手臂搬不了大件，两只手臂已经解决主要增量；第三只手臂带来的效用还不足以抵消协调和复杂性，除非真实任务逼出需求。最后他提到 WALL-E、伊芙和 Baymax，并把工业安全流程、监督电路和急停按钮视为机器人不能伤害人的基础设施。

这期对创业者和投资人真正有用的检查清单

机器人是否进入一个已经有明确预算、明确损失和明确频率的任务？
形态是由现场约束推导出来的，还是先做出一个漂亮 Demo 再找用途？
价值来自替代人工、避免停机、提高频率，还是收集下一轮训练数据？
数据是一次性演示，还是能不断回流到模型和工作流？
机器人离线时是否仍能安全地避障、停机并保护数据？
客户要购买硬件、按使用量付费，还是需要一套包含集成与维护的服务？
当机器人犯错时，谁承担责任？谁能按下急停？谁能修复现场？
1 美元／小时的成本假设，是否已经把充电、维护、部署和失败率算进去？

来源与边界

节目身份、发布时间、时长和原始音频入口：1 2
Péter Fankhauser 与 ANYmal：3 4
Bernt Børnich 与 NEO：5 6
Amanda McMaster 与 Boston Dynamics：7 8
Jonathan W. Hurst 与 Agility Robotics：9 10

逐句全文翻译

以下按音频原始顺序保留全部对话内容，仅呈现中文译文；时间戳为音频位置，人名标签按节目章节与发言内容校正。

00:00–15:01｜J.Cal × Péter Fankhauser

[00:00:00] J.Cal：大家好，我是 J.Cal。我现在在法国巴黎，参加一个叫 Machina 的会议，主题基本就是「现实世界里的 AI」。请原谅我这点机器人式的表达。感谢收听，我们开始吧。

AppLovin 从一个 8 美元的域名、没有风险投资起步，后来成为全球最大的广告平台之一。现在，同一套引擎也为电商提供 AppLovin Ads。你的广告会出现在手机游戏里，触达超过十亿人，获得全屏、少干扰的注意力。平台会寻找买家并围绕利润优化。你设定目标，剩下的交给它。一家厨具品牌从 400 万美元做到 1600 万美元，已经实现盈利，今年有望达到 8000 万美元。访问 applovin.com/allin，今天就启动你的第一场广告活动。

好，各位。我们在巴黎对当今顶尖机器人公司的访谈还在继续。很高兴请到 Péter Fankhauser 博士。你是 ANYbotics 的联合创始人兼 CEO，做的是 ANYmal。听起来像一个双关语，对吧？你在这个领域已经做了接近 20 年，公司也有 10 年了。前五年有点像研究实验室，后五年，你们把它称作什么？以狗为基础的机器人？

[00:01:30] Péter：这是一个巡检解决方案，核心是数据采集、理解和关键基础设施。但它的形态是？一台四足机器人，一台……

[00:01:37] J.Cal：四足机器人，或者说一条狗。我们喜欢叫它「狗型机器人」，不过……为什么狗的形态会成为标准？现在做这种机器的不只有你们，已经有很多家公司在做。为什么它会成为第一个真正达到一定规模、进入现场部署的形态？

[00:01:57] Péter：在自然界里，很多动物都有四条腿，这是有原因的。首先，它的移动能力非常好，可以爬楼梯，也可以去人能去的任何地方。所以它有灵活性和平衡性。

稳定性也很重要。四条腿、较宽的支撑面，能提供很多可以抓住地面的支点，因为我们工作的环境很恶劣：地板可能很滑，会下雨、下雪，也可能长满草。所以四条腿确实是非常好的形态。

[00:02:24] J.Cal：这是个有点傻的问题。为什么不做半人马，给人形机器人也加上四条腿？现在大家做 Optimus、NEO、Boston Dynamics 的 Atlas，都是两条腿站立的机器人。问题是它们总有摔倒的风险，演示中也经常摔倒。如果摔倒，可能会打断某个人的脚踝。为什么不在这些机器人下面加四条腿？

[00:02:47] Péter：当然可以，关键取决于使用场景。如果你需要它在咖啡店工作，把东西送到客人面前，空间会比较狭窄，而且你希望它在人的视线高度工作，那人形机器人可能更好。但在我们工作的设施里，四足带来的稳定性很重要，现场也有足够的空间让它绕行。所以四足是完美的形态。

[00:03:03] J.Cal：我不接受。我觉得所有咖啡馆都应该有……那在希腊神话里叫半人马，对吧？对，就是半人马。所以四条腿，再加两条……

[00:03:10] Péter：身体。

[00:03:10] Péter：四条腿。对，我觉得这应该成为新的标准。你找到了一个非常有效的第一个用例，就是巡检重要基础设施。

[00:03:18] J.Cal：现在你们已经部署了成百上千台？过去五年里，应该已经部署了几百台，而且是在几百个客户那里。它们很贵，买一台是几十万美元，运营它每年还要花几万美元的服务合同，我猜是这样。所以它们不是给家庭用的，而是工业设备，而且装了很多传感器。

假设要巡检一条天然气管道，它们可以在任何天气里出去工作，感知人类无法感知的管道信号，对吗？

[00:04:00] Péter：对。对我们来说，这不是替代劳动力，而是「我们能做得更好吗？能不能做出超越人类能力的事情？」

巡检就是一个很好的例子。人类的眼睛和耳朵感知不到所有信号，但机器人可以发现极微小的气体泄漏、设备温度过高。它装有摄像头、热成像摄像头、声学麦克风、气体浓度传感器，还有 AI。我们把它塞满传感器和智能能力，让它做到远超人类的感知。

它带来的经济收益，是避免停机。这些资产一旦停下来，每小时可能损失几十万美元。所以每节省一分钟、一个小时，本质上都在为机器人买单。这也是为什么我们可以在机器人上安装非常昂贵的传感器和非常强大的 GPU。

[00:04:38] J.Cal：这些机器的机载计算能力确实很强。那它们一定需要很大的电池功率。一次任务能做多久？一两个小时？

[00:04:48] Péter：大约两个小时，然后回到充电站。它会反复执行任务。有些客户每天运行 40 次任务。

[00:05:08] J.Cal：14 次？

[00:05:08] Péter：40 次。40 次。因为他们关注的是某个特定时刻，比如电弧炉启动时发生了什么。他们希望在那一分钟里知道情况，但那时派人进去太危险，热成像相机也可能被烧坏。他们需要一台机器人正好在那个时刻到场。

[00:05:08] J.Cal：明白了。它们需要充电，而不是热插拔电池？

[00:05:11] Péter：不需要。我们希望它实现免手操作的自主运行，不应该有人还要专门照看机器人。

[00:05:15] J.Cal：客户其实不关心机器人，他们甚至不想要机器人。他们想要的是数据，是洞察。机器人只是达到目的的手段，用来精确地采集数据。什么时候可以把这些高耗能的计算能力上传到云端？

[00:05:29] Péter：我们也会这样做。这里总有两个部分。有些能力必须实时运行在机器人上，因为你不能保证网络连接，也不能把避障、数据质量和「我拿到的是不是正确东西」交给云端。等一张模糊的图片上传到云端时，已经太晚了。

但在云端，当然可以做上下文分析、历史停机分析等等。

[00:05:47] J.Cal：现在客户会要求它们连续工作 24 小时，或者 12 小时吗？

[00:05:53] Péter：目前最长大约是 8 小时，已经足够给它安排充电时间。如果需要超出这个时间，其实很少见，因为继续增加巡检频率会有边际收益递减。

客户今天可能只人工做一两次巡检，现在可以做到 8 次、15 次、20 次。频率已经大幅提高，而且不必把人送进危险环境，数据质量也高得多。

[00:06:12] J.Cal：你们现在最接近科幻的部署是什么？

[00:06:19] Péter：海上设施非常令人兴奋。过去人们要坐直升机飞过去，每次飞行可能花费几万美元。海上环境很棘手，现场几乎没有人，所以机器人必须真正可靠。比如海上油气平台，还有海上风电。

[00:06:36] J.Cal：等一下，这些机器人又不能在水里运行。它们怎么巡检海里的风机？

[00:06:42] Péter：海上有成百上千台风机，它们的电力会汇集到变电站，电流在那里经过转换。那通常是有人值守的设施，机器人就在这种变电设施里工作。

[00:06:53] J.Cal：它们能在南极那种极端环境里工作吗？你们部署过吗？

[00:06:59] Péter：在挪威当然可以，零下 20 摄氏度已经相当严酷了。沙漠里也可以，零上 40、50、60 摄氏度。温度、灰尘、湿度，这正是应该派机器人去的地方。

更重要的是，我们现在有一台可以进入爆炸性环境的机器人。在油气和化工设施里，空气中可能有甲烷，你不能让它产生火花。

[00:07:19] Péter：所以我们做了一台保证不会产生火花的特殊机器人。人不应该去那里，但对机器来说，那正是完美的使用场景：危险环境。机器人就应该被送进这种地方。

[00:07:30] J.Cal：假设在二叠纪盆地发生泄漏，那是最危险的场景之一。油气设施和气体泄漏真的会让人丧命。你必须知道什么时候发生了问题，但又不能因为派人进去而制造新问题。这是完美的用例。

我继续往科幻方向想：以后把它们放到海底，似乎也是顺理成章的事。

[00:07:52] Péter：现在有潜水器，但我们还没有做这件事。我同意，机器人应该进入人不该进入的环境：危险、偏远、无聊、重复的工作。但这就是我们目前的重点。

[00:08:02] J.Cal：这是一种不同的形态。现在已经有人在水面和水下做机器人系统，不只是巡检，也在为军方监控系统。假设你在现场巡检，发现了气体泄漏，什么时候给这些机器装上设备，让它们直接把泄漏修好？这难道不是终极目标吗？

[00:08:35] Péter：发现问题之后，还要能解决问题、修好问题。现在还做不到。演示里可以，但在真实环境、爆炸性气氛中达到 99.9% 的可靠性，仍在开发中。

第一步是关闭阀门、打开柜门。最终希望实现双手操作，甚至三只、四只手臂去修理机器，但那还需要很多工作。AI 会帮助我们，但前面还有很长的路。

你看到的很多人形机器人叠衣服演示，都发生在高度受控的环境里。一旦来到户外、冰雹、严寒环境里，感知问题就完全不同了。不过我们相信，最终这些问题会被解决。

[00:09:10] J.Cal：你们的机器人有多少比例的零件来自中国？

[00:09:10] Péter：零，百分之零。

[00:09:10] J.Cal：这是因为欧盟和挪威禁止，还是你们主动选择的？

[00:09:22] Péter：这更多是历史形成的。我们过去从本地采购，也会拿到来自美国的芯片。对一部分客户来说，这很重要。很多架构也是我们自己做的，因为公司已经走了 10 年。

现在全球各地有更便宜的零部件。我们要聪明地决定哪些零件从哪里采购，哪些是核心部件，哪些只是金属件。确实很难，但如果某些硬件已经商品化，善用这种商品化对我们是有意义的。

[00:09:49] J.Cal：如果不在中国采购，现在主要是越南、印度、台湾，还是哪里？执行器和这类零件在哪里能找到？

[00:09:57] Péter：中国在推动这件事上肯定排在第一位。欧洲和美国也有很好的公司，所以主要就是这三个地区。如果只是劳动密集型的组装，当然可以去其他地方，但你真正想要的是核心专业能力，是能把那个零件做出来的人。

[00:10:10] J.Cal：你怎么看中国？他们一直在窃取知识产权。我猜他们已经拿走了你们的，也大规模拿走其他人的。他们会做出便宜 80% 的机器人，去争夺同一批客户，对吧？你怎么看中国机器人带来的威胁？

[00:10:35] Péter：如果看今天中国生产的机器人，它们是能走路的硬件，而且工程做得很漂亮，可以后空翻。我喜欢这种工程能力。

但它们还没有解决问题。我们的客户比较的不是一个平台，而是我们提供的完整解决方案。你还需要自主能力、巡检智能、工作流集成，以及很多其他东西。它不只是硬件差异。

[00:10:51] J.Cal：还包括外面的套件、包装和服务？

[00:10:53] Péter：对，这些服务目前还没有完全提供出来。还有数据可信度。我们采集的是非常敏感的数据，拥有 ISO 网络安全认证，还有一整套相关能力。这就是我们的竞争方式。

[00:11:03] J.Cal：所以你的意思是，你可能不想把核电站的最新数据发送给中国共产党？

[00:11:11] Péter：你不想在关键基础设施里放 15 个摄像头，而这些摄像头由别人控制。

[00:11:16] J.Cal：我有点在开玩笑，但这确实可能发生。谈谈军事应用。北约正在重新武装。我代表美国为我们对北约的态度道歉，但你们已经同意增加投入。欧洲和北约似乎认为，也许要在没有美国的情况下独立行动，也许需要自己建设军事产品和服务。

你们难道不需要进入军事领域，把相同的应用做成军事版本吗？你们现在已经在做了吗？

[00:11:58] Péter：我认为欧洲有责任建设相应技术。但对 ANYbotics 来说，我们已经选择了一条明确的路线，所以现在不做，也没有打算做。

这不是简单地把四条腿装上去就变成军事产品。你需要面对完全不同的复杂性、不同的自主能力和不同的任务。我们没有在做这件事，但我认为确实有人有责任去做。

[00:12:24] J.Cal：你不是永远拒绝？如果欧盟要求你们呢？还是你的使命很明确，绝不做军事产品？

[00:12:32] Péter：对我们来说，今天的使命很清楚。我们从非军事场景出发，也会沿着这条路走。

[00:12:36] J.Cal：如果他们强迫你呢？

[00:12:39] Péter：他们确实提出过要求，但问题是：我们真的在解决那个问题吗？仅仅把机器人运到军队里，并不能解决问题。我们需要深入理解任务，所以很可能需要一支不同的团队。

[00:12:57] J.Cal：真的要另一支团队？你们不能直接做军事应用吗？

[00:13:04] Péter：自主能力完全不同。我们现在的自主巡检，有时间先把机器人部署好，再让它执行任务。但军事场景是毫秒级的决策，还会涉及遥控、人在回路、不同的通信和不同的自主能力。

之后的应用软件也完全不同。你当然可以让四足机器人进房间，但其他部分都不一样。

[00:13:04] J.Cal：那你怎么看待武装机器人？中国已经演示过给这种四足机器人装枪。终结者场景已经出现了，它们正在被中国制造。乌克兰战场也展示了无人机的变化。挪威离俄罗斯不算近，但也不算远。你怎么看待共产主义国家制造带武器的机器人？

[00:13:54] Péter：我个人不喜欢，甚至讨厌。我认为这非常危险。作为工程师，你应该为创造有益的技术感到骄傲。防御是一个方面，但主动攻击、在机器人上装枪，风险太高。

这些技术正在成熟，但还没有成熟到可以把别人置于危险之中。

[00:14:12] J.Cal：敌人会这么做，我们必须监控。行业内部对此有什么看法？你和其他行业人士交流时，有没有知道一些我们不知道的事情？那些威权国家正在做什么？

[00:14:33] Péter：我认为这些都还只是非常早期的测试。看那些视频，它们是演示。我还没有见过这种机器人真正投入行动。无人机不同，乌克兰是因为现实需要才快速发展起来的，那已经是一个成熟品类。

四年前，我和 Boston Dynamics 以及其他朋友一起签过信，反对机器人武器化。作为工程师，我们不希望看到技术被这样使用。我们认为这危险、冒险，而且很愚蠢。

[00:14:59] J.Cal：好，祝你们继续成功。

15:01–33:45｜J.Cal × Bernt Børnich

[00:15:01] J.Cal：各位，很高兴请到 Bernt Børnich。他是 1X 的创始人兼 CEO。如果你了解 1X，就知道他们做的是 NEO。NEO 是一台家用机器人。你们已经卖出很多预订单，也向用户保证会在 2026 年把它送进家里。它多少钱？你能不能兑现自己定下的时间表？你得信守承诺。

[00:15:28] Bernt：我们会在 2026 年出货。先管理一下预期：一开始会比较慢，我们希望把事情做对。但 2026 年确实会有一小批客户收到 NEO，我对此非常兴奋，也迫不及待想看到它们进入家庭。

[00:15:28] J.Cal：NEO 多少钱？

[00:15:28] Bernt：这个问题比较有意思，因为要看具体方案。我们开放预订时有两种支付模式：一种是早期用户一次性全额支付，另一种是订阅费。产品当然还在持续开发，所以订阅模式最终会是什么样，还在演进。我们也希望和最初的客户一起把它确定下来。

还有一件大事，我们还没有真正正式宣布，但已经稍微透露过：我们会允许很多人基于 NEO 开发。所以我们也会把 NEO 做成一个平台。

[00:16:23] J.Cal：这会在接下来几周发生？

[00:16:23] Bernt：对，它会有点像应用商店，或者技能商店。假设我家里有一台 NEO，想让它做沙拉，你作为开发者可以做一个「做沙拉」的技能，我可以购买或订阅这个技能。

[00:16:37] Bernt：但对我来说，NEO 和 1X 远不只是消费产品。消费市场极其重要，但 1X 从一开始就在思考：如何通过人形机器人，让整个社会拥有更充足的劳动力。

我真诚地相信，我们现在有一个能力独特、位置很好的平台。允许人们在它上面开发，会打开 NEO 在整个社会中的使用方式，而不只是家庭场景。消费者也会受益，因为会有更多东西在 NEO 上被开发出来。

其中一部分会是面向消费者的应用商店，但更大的方向，是建立一个生态系统，加速自主能力的发展，加速我们真正拥有家庭自主代理的路径。

[00:17:30] J.Cal：预订单是多少？两万单？我记得不太清楚。

[00:17:32] Bernt：我们还没有公布正式数字，但规模相当大。最初的 1 万个名额在几天内就卖完了。

[00:17:40] J.Cal：所以人们先交一笔订金？以后可以选择全额支付，或者类似特斯拉那种 500 美元订金，再加每月 500、1000 美元？

[00:18:07] Bernt：每月 500 美元。我们一直努力把情况讲得很透明。2026 年买一台家用人形机器人，体验会比较粗糙，会摔倒。

但我很高兴地说，我认为我们有机会交付一个非常接近完全自主的产品。最初开放预订时，我们不敢承诺这一点，因为当时还太早。现在我还不想完全承诺，但按照目前的趋势，我们似乎能交付一种完全自主、而且仍然相当有用的体验。

如果你希望它第一天就开箱即用，那系统仍然会需要远程操作或某种引导。但真正让我兴奋的是，我们现在看到了这样一条路：如果你愿意，NEO 可以提供完全自主的体验，而且已经相当不错了。

[00:18:57] J.Cal：远程操作对我来说很有意思。不知道你有没有看到，纽约有一家鸡肉三明治店找不到收银员，于是他们在马尼拉雇了一个人，每小时 3 美元。对菲律宾的收银员来说，这已经是很高的工资了。他们让她接入 Zoom，镜头出现在店里，顾客可以点单，如果遇到客服问题，就直接和她说：「我在这里。」

[00:19:20] Bernt：自己把东西打包。

[00:19:26] J.Cal：这在某种程度上就是你们的机器人能做的事。你可能会接入菲律宾的某个人，让他启动机器人。比如你说「给我倒一杯橙汁」，那个人可以远程完成任务。我这样理解对吗？

[00:19:45] Bernt：这些都会发生。先说说这个平台是怎么工作的。

如果你想围绕 NEO 建一个橙汁店，你可以买一批 NEO，再拿到 NEO 的机器人操作系统，包括车队管理等能力。你还会拿到数据采集设备：比如戴上和 NEO 一样、带触觉传感器的手套，使用同样的视觉系统。你可以在店里采集数据，在我们的系统里微调模型。我们会帮你做数据的密集描述，所有这些流程都在系统里完成。

你微调模型，部署它，最终拥有一家高度自动化的商店。这是一条路径。也许效果还不够好，于是你说：「有时我让远程操作员介入。」这样一来数据会越来越好。收集数据有很多方式。或者你也可以说：「太复杂了，我就想让它完全由远程操作员控制。」这也可以，取决于你想怎样应用它。

这个平台覆盖的范围，从只想自动化自己工作流的开发者，一直到希望部署自己模型的基础模型实验室。还存在另一种情况：你可以在 NEO 上运行别人的模型，我们也会允许这样做。

[00:21:06] J.Cal：所以你们会是开放平台，对内部知识保持相对无关。如果 OpenAI 有世界模型，或者 Claude，或者其他独立的世界模型，它们都可以接入？

[00:21:20] Bernt：百分之百。现在我当然相信我们的模型会是最好的，而且我相信竞争。如果我们从制造一直控制到产品，却做不出最好的模型，那就是我们失败了。

但我们会允许其他人基于这个平台开发，百分之百会。原因之一是：目前机器人领域还没有一个能解决所有问题的通用模型，它还不存在。

如果未来几年我们一直被困在客户的后院，帮他们接入 ERP 系统和其他东西，我们就到不了那个目标。我们想解决的是更普遍的问题：如何解决具身通用智能，从而真正创造充足的劳动力。

这要求我们把注意力放在通用问题上，也允许其他人利用今天已有的能力，帮助建立生态系统。如果能形成一个巨大的机器人生态，所有人都会受益。

[00:22:23] J.Cal：我可以想象一些应用。比如便利店机器人帮顾客把东西拎到车边，这件事可能每小时才发生一次。你可以让一个远程操作员，或者让 10 个远程操作员监控 30、40 台 NEO，远程控制它们，帮人把杂货送到车里，对吧？

[00:22:47] Bernt：我个人其实有一个 NEO 远程操作的用例。我有一部分时间在挪威，大部分时间在旧金山，也会参加这样的会议。当我在外地旅行时，我希望能在场，并通过 NEO 运营公司。

把帽子戴到 NEO 上，我就是 NEO。我可以到处走，拿起零件，看零件，和人交谈，参加会议。这个应用很神奇，而且我认为远程操作永远不会消失。无论自主能力有多好，它都会存在。

[00:23:25] J.Cal：你在深圳工厂里的头像。

[00:23:29] Bernt：对。还有其他类似的场景。比如偏远的变电站，开车一个小时都找不到人。那里放着一台机器人，某个开关出了问题，你远程过去，翻开开关、做一些一次性的事情。你可能不会把这种任务完全自动化，因为它几个月才发生一次。

[00:23:53] J.Cal：但机器人值得一直放在那里。在森林深处、电线或变电设备附近，出了问题，它几分钟内就能赶到现场，远程工作。

[00:24:05] Bernt：这本质上就是过去所谓的「专家在场」：把全世界最好的专家瞬间传送到世界任何地方，帮助解决问题。就像外科医生一样。

我确实认为这种能力非常有用。但过去一年我们体验到的一件事是，NEO 变得非常强，尤其是换上新手之后，远程操作并不能完全发挥硬件能力。远程操作做不到足够好，无法充分利用机器人的硬件。

[00:24:35] J.Cal：所以，机器人的手指能提供的精度，超过了远程操作员能利用的精度？

[00:24:40] Bernt：对。远程操作员无法感受到机器人正在感受的东西。你需要完整的触觉系统，但那会让系统变慢、变笨重。

所以我们越来越觉得，最有用的数据，是让人戴上机器人的传感器，尽可能透明地采集数据，不要干扰人原本的动作。这样最适合解决机器人基础层面的灵巧性。

但更重要的是，1X 做了一个押注了十年的大赌注：如果机器人足够像人，就可以训练所有关于人类的视频数据。我们开始看到非常有力的证据，证明这真的有效。这也是我们成立 1X 世界模型实验室的原因，因为我们现在终于看到了其中的规模规律。

[00:25:28] J.Cal：带我们走进实验室。你们让工厂工人戴眼镜、戴手套，反复做任务吗？你们会不会和一些公司合作，让人去做现实世界的事情，从而获得其他公司没有的独特专有数据？世界模型怎样才能规模化建立？

[00:25:51] Bernt：首先，是的，我们会做这些。但那不是主要问题。

最终其实很简单：模型有多好，取决于数据有多好。想象一个数据金字塔。顶部是远程操作数据，质量很高，但数据集很小，适合微调。操作员会努力把任务做好、做快，也经常失败，然后再试一次。我们只选择那些做得像人一样好的样本。

[00:26:23] J.Cal：对。

[00:26:24] Bernt：我们不需要很多这类数据，它只是用来对齐模型。然后是你刚才说的那种数据：把传感器装在人身上，让人去采集数据。这类数据更多，它和机器人很接近，但毕竟不是机器人。

再往下是第一视角视频，也就是从人类视角拍摄的视频。这离机器人更远一点，但仍然很接近，因为机器人的手和人的手一样，看起来也相似。

然后是通用视频数据，是关于世界、关于人的一切视频。因为 NEO 足够像人，我们可以利用所有这些数据。

数据金字塔的底层是视频数据，它的规模远远超过其他任何数据。YouTube 上的内容，以及互联网上的一切，数量大得不可思议。

如果你想实现真正的智能，需要的数据量比任何公司未来几年能收集的第一视角数据、传感器数据多出好几个数量级。就我所知，AI 的重大突破，往往来自有人解锁了一个此前无法利用的巨大新数据源。

你现在看到很多人都在寻找数据，那几乎已经成了行业最重要的工作之一。但这仍然需要几年时间。

[00:27:56] J.Cal：所以这是一个先有鸡还是先有蛋的问题。你们的大赌注是，必须能够利用互联网上已有的通用视频数据。

[00:28:18] Bernt：对。唯一的方法是，让机器人每一个细节都尽可能像人，像一个幽灵般接近人类。人的皮肤和组织是高度非线性的：要多少力才能让它变形？摩擦力是多少？触碰桌面时的冲击能量是多少？这些都要匹配。

[00:28:39] J.Cal：人的手大小也不一样。NBA 里有一个叫臂展的概念。臂展比平均水平多两三英寸的人，可能因为这点额外长度多赚 20%。想想就很有意思。

[00:28:48] Bernt：这是描述得很好的方式，我们一直把它叫作「大猩猩系数」。手臂长。

[00:28:48] Bernt：但我的意思是：是的，我们会做所有这些事。但最终，1X 和其他机器人公司的差异在于，我们全力投入，用互联网上的视频数据预训练自己的模型。

我们的跨实体不是另一种机器人，而是人类。我们希望尽可能接近人类，因为这解决了那个先有鸡还是先有蛋的问题。

最终所有数据都会变成机器人数据，因为机器人数据更好：它包含动作、触觉和力。但要得到所有这些数据，你必须先建立一个足够好的基础模型，把机器人部署到整个社会，让它们做有用的、有人付钱的事情，同时采集数据。

[00:29:29] J.Cal：机器人什么时候会变成递归系统？它们自己教自己、自己建造自己？现在大语言模型已经出现了这种趋势：不再只给代理提示词，而是给它一个目标和循环。一个代理负责寻找潜在客户，一个代理负责客户成功，一个代理负责给产品定价，它们开始协同工作。

机器人什么时候也会这样？你不需要再操心如何让机器人变好，它们有足够的自主性，知道自己的任务。你给它一个目标，比如「你在一家米其林餐厅工作，要做出最美味、最稳定的食物」，它会说：「我需要不断改进水波蛋。」这听起来像科幻。

[00:30:40] Bernt：不，这不是科幻。我们确实经常思考这个问题，但它非常难回答。现在的发展速度像这样，而你正在曲线上这个位置。你一年前问我，我会比今天悲观得多。每次重新观察，事情都比我想的更快，所以人很容易被带着走。

如果要宽泛地回答，我非常确定，距离「硬起飞」不到十年。所谓硬起飞，就是机器人建造机器人、数据中心和芯片工厂，负责采矿和精炼，最终形成真正充足的劳动力，成为一个可以自我扩张的系统。

不到十年。以我现在的判断，可能是三年。

就算需要十年，从人类历史看也只是一瞬间。这又回到 1X 到底是什么的问题。

[00:31:36] J.Cal：这在行业里叫「硬启动」吗？还是……

[00:31:42] Bernt：叫「硬起飞」，不是「接管」。我们会把事情做对，所以是硬起飞。

[00:31:45] J.Cal：硬接管，好吧。不过我确实听过这个说法。

[00:31:49] Bernt：这是行业里的说法。没有物理部分，你无法真正实现它。数字智能永远无法创造自己的物质载体，你需要物理部分。

我认为这也会对人类产生巨大影响，比如推动科学进步。现在很多人想用我们的平台自动化实验室工作，因为如果 AI 模型不能真正建造实验、执行实验、观察结果，它怎么推进科学？

这些事情会在未来几年发生。随着 AI 变得有形，准确时间很难判断，但那是几年的问题，不是几十年的问题。

[00:32:31] J.Cal：如果你认为是三年，我知道你是乐观主义者，要做这样的事肯定得是疯狂的乐观主义者。就算按最远的十年算，五年、六年、七年也没问题。

Bernt，你要赶飞机了。非常精彩。如果有人想订购 NEO，每月给你 500 美元，加入你正在进行的这场疯狂实验，他们该怎么做？

[00:33:01] Bernt：去我们的网站，订一台 NEO。就这么简单。2026 年了，本来就应该这么简单。

[00:33:07] J.Cal：如果可以在线订购特斯拉，当然也应该可以在线订购 NEO。价格透明，我喜欢。Bernt，祝你继续成功。

33:45–47:14｜J.Cal × Amanda McMaster

[00:33:07] J.Cal：应该是这样，对吧？如果你能在线订购 Tesla，当然也能在线订购 NEO。价格透明，我喜欢。Bernd，祝你继续成功。

在你的世界里，措辞很重要：尽调电话里的数字，董事会会议上的承诺。Plod 会捕捉对话，把它变成几秒钟内就能调出的可搜索情报。向 Plod 提问，直接得到答案，不用再翻录音，也不用相信自己的记忆。捕捉对话，保留信号。这就是 Plod。想了解更多，请访问 plod.ai。

好了，各位。我们非常幸运，Amanda McMaster 来到了现场。不是 McMasters，是 McMaster，末尾没有 s。她是 Boston Dynamics 的临时 CEO。这家公司是机器人行业的 OG，也就是元老级公司；几十年来，我们看着它的机器人翻跟头、练功夫，被踢、被打，然后重新站起来。

我们一直很难记住这家公司现在归谁所有。它最初是一家独立的创业公司，后来 Sergey 和 Larry 买下它，成为 Google 的一部分；之后又被卖掉了。我记得 Masayoshi 先生一度拥有它，但现在应该是 Hyundai 旗下，对吗？

Amanda：没错。你把整个历史都说对了。

J.Cal：看来我确实读了太多行业新闻。现在由你负责这家公司。它已经多次易主，而 Boston Dynamics 也从人形机器人领域几乎独一无二的公司，变成了众多竞争者中的一家。我们现在在巴黎参加 Machina Summit，现场已经有很多同行。Boston Dynamics 现在在做什么？它仍然是研究项目，还是已经把机器人带入现实世界？我觉得你们起步很早，但现在也必须面对激烈竞争，对吧？

[00:35:05] Amanda：我们非常重视把机器人部署出去，所以这里已经不再是 AI 实验室了。

[00:35:10] J.Cal：它不再是实验室，也不再是一家研究与开发公司。你们现在专注于现实世界的部署。你们先从 Spot 机器人开始，很多人都认识它：那是一台移动四足机器人。在工业场景里——它还因为在《黑镜》里追着人跑而出名。不过那不是你们的机器人。

J.Cal：不过你可以买到它，对吧？

J.Cal：总会有一个反乌托邦版本，也会有一个乌托邦版本。你们显然在追求后者。不过，那确实是一台很酷的机器人。

[00:35:35] Amanda：它已经部署在真实客户的现场，也确实为客户创造了价值。目前我们有超过 500 个客户，遍布 46 个国家。它是目前全球部署数量和使用数量最多的移动自主机器人。

[00:35:55] J.Cal：所以它既是部署最广的，也是使用最频繁的？

[00:35:57] Amanda：是的，是真正服务于客户的产品。

[00:35:58] J.Cal：为什么？它最主要的使用场景是什么？是安防还是巡检？人们为什么选择这种狗形态？或者说小马形态？你们喜欢怎么称呼它，马狗？

[00:36:10] Amanda：我们喜欢把它看成一条狗。

J.Cal：我喜欢这个说法。我觉得它的动作确实像狗。

[00:36:12] J.Cal：客户在工业巡检中发现了很多价值。他们用它做声学检测、仪表读数和振动检测。工厂里有很多昂贵的资产，他们希望持续监测，这台机器人可以完成这件事。它白天可以做这些工作，晚上还可以执行周界安防。

[00:36:34] Amanda：所以答案是肯定的，这些工作它都能做。真正的拐点是客户投资回报率。我们希望客户从中得到价值，让它完成真正有用的工作。它已经不只是「很可爱、会跳舞」了；跳舞的阶段早就过去，现在它在做真正的工作。客户需要在两年内看到投资回报。

[00:36:53] J.Cal：如果这些巡检原本有人做，那也是人来做。人类都知道，作为人，我们会犯错。现在这些小狗一样的机器人可以在水处理设施、桥梁、基础设施管线之类的地方跑动。它可以记录很多不同的传感器数据：视频当然有，振动、雷达——我猜也包括雷达——以及你刚才提到的各种声学数据。

这些机器人多少钱？硬件成本的区间是多少？你们的商业模式是什么？客户是买下机器人、租用它的大脑，还是按小时租用？作为 CEO，你认为未来的商业模式会是什么？现在这几百个、几十个客户部署了几百台机器人，你们对他们采用的又是什么模式？

[00:37:44] Amanda：Spot 一开始采用资本支出模式。Atlas 很可能会采用「机器人即服务」模式。我们理解，人形机器人客户可能希望在不同时间增加使用量，也希望能够减少使用量。对于 Spot，资本支出模式很有效，因为工业客户习惯把它当作工业工具来采购，所以他们通常愿意为此投入资本支出。

具体价格取决于配置，基础机器人约 10 万美元；如果加满服务、集成和现场部署，最高大约 30 万美元。

[00:38:21] J.Cal：也就是说，根据配置不同，它的价格从一辆 Tesla 到一辆 Ferrari 不等。不过大家需要理解，这些机器人的寿命应该超过五年。我猜你们毕竟做的是工业设备：如果它可以运行，应该每天工作 20 到 22 个小时，同时充电，对吧？

[00:38:37] Amanda：对。Brad，我们用「两次干预之间的平均时间」来衡量，现在已经超过 3000 小时。

[00:38:43] Amanda：也就是说，一年只有几次需要人类介入。它有充电站，电池大约能运行 90 分钟。通常我们会部署两台：一台回来坐下充电，另一台就可以接替它。

[00:38:55] J.Cal：它会自动换电池，还是需要人来换？

[00:38:58] Amanda：它只需要坐进自己的充电舱。

J.Cal：完美。

[00:39:00] J.Cal：不过 Atlas 的电池可以更换，对吧？

[00:39:01] Amanda：对，Atlas 的电池可以更换。

[00:39:03] J.Cal：但热插拔需要人来做？

[00:39:06] Amanda：不需要，Atlas 会自己完成。Atlas 会有两块电池，它会转动躯干；你取出其中一块，换上另一块，它始终保留一块备用电池。所以电池续航不会太短。

[00:39:15] J.Cal：所以人形机器人可以自己完成换电，狗型机器人则回去充电。现实地说，它们可能接近 24 小时都在现场工作，也许是 18 到 20 小时。这样算下来，每小时运营成本可能只有几美元。

假设工会工人负责巡检管线，他们的时薪可能是 40、50、60 美元，而且还包括福利、养老金以及其他完整用工成本。这个成本的大幅下降，是否改变了客户对使用场景的看法？

[00:39:46] Amanda：我们并没有把 Spot 主要当作替代劳动力的工具。虽然客户可能会看这个指标，但我们思考的是：如何让 Spot 来增强人的工作？第一，有些任务原本就没有真正被人完成；即使有人被安排去做，也不代表他们实际完成了。第二，我们是在寻找让人能够做更多知识工作的方法，而不是让人去做巡检。

所以，劳动力替代确实可能是客户衡量投资回报的指标之一。我们更倾向于问：我们能为你节省多少？比如，我们在你的设施里发现了一个漏气点，而这一天可能会让你损失 300 万美元。

[00:40:22] J.Cal：结果才重要。

[00:40:23] Amanda：对，问题是我们创造了多少价值。

[00:40:26] J.Cal：在当前环境下，行业谈论劳动力替代仍然敏感吗？你们是不是必须非常谨慎？

[00:40:34] Amanda：坦率地说，这里面一定会有劳动力替代的成分。它之所以容易成为一个指标，是因为很容易计算：世界上有多少人？相对于这些人，市场总规模可以想象成多大？但我不认为这应该成为唯一的讨论。

[00:40:46] J.Cal：它只是其中一部分。希望我们最终消除的是危险的工作，以及人们可能觉得压抑的工作。

[00:40:56] Amanda：对。

[00:40:57] J.Cal：枯燥、肮脏、危险。枯燥、肮脏——

[00:41:00] Amanda：危险。对。我们不希望人做这些工作，不希望他们的身体被伤害。

[00:41:03] J.Cal：我们每个人都只有一副身体。

[00:41:05] Amanda：对。

[00:41:05] J.Cal：说到 Atlas，你怎么看机载算力和远程算力？我的理解是，你把足够多的「大脑」放在机器人上，对吧？

Amanda：对。

J.Cal：这意味着巨大的电池消耗。如果机器人所在的区域有高速 Wi-Fi，你们是否可以把大脑放到云端，让机器本身更轻？现在已经提供这种方案了吗？还是说，必须让机器人本身拥有很多算力，因为客户就是这么要求的？这似乎是现在正在发生的一次范式变化。你怎么理解？我们应该怎么想？

[00:41:46] Amanda：我们把它看成两个大脑。这是我讲这个问题时采用的简化版本。

第一部分是控制机器人身体的「大脑」，也就是 Boston Dynamics 最为人熟知的部分：动态运动、可靠性，以及它在现实世界里操纵物体的方式。这部分会留在机器人上。

第二部分是推理层，负责理解周围环境的语义信息。这部分可以放在云端。我们可能会和 Google DeepMind 合作，也可能与其他增强现实合作伙伴合作，或者自己构建其中一部分。

除此之外，还有一层外壳，包含某个客户针对自己工作流程所需的具体信息：他们如何理解工作流程、设施里有什么工具，以及机器人要如何与这些工具互动。这一层可以放在机器人上，也可以放在云端，我们会为它找到合适的实现方式。

[00:42:36] J.Cal：现在，这台机器人有多大比例是在美国制造、并且不经过中国和台湾？

Amanda：100%，整台机器人都是这样。

J.Cal：100%？所以美国机器人不存在主权问题。现在我们看到很多来自中国的廉价机器人。以这家公司的 CEO、同时也是美国人的身份，你个人认为，美国是否应该在任何情况下允许中国的人形机器人进入美国？

Amanda：不应该。

J.Cal：为什么？

[00:43:02] Amanda：这不安全。我们已经听说，在美国出现的一些四足机器人会发生数据泄露，信息被绕道传回中国。我们已经看到，如果让中国在半导体领域赢得优势会发生什么。机器人领域不能重演这种情况。

我们必须共同保护自己的知识产权，确保这一生态的制造能力进入美国，或者进入盟友国家。这意味着我们需要执行国家机器人战略。很幸运，我们有机会参与其中一些讨论。我希望美国有更多公司加入这项任务。

[00:43:41] J.Cal：我们必须认真对待这件事。这是一个生存层面的议题。我们不仅要赢，还要确保世界其他国家使用我们的平台，而不是中国的平台。

你怎么看机器人的军事应用？军事领域已经被无人机改变了，而且变化速度之快，超出了很多人的预期：先是在乌克兰，现在又在中东与伊朗的战争中体现出来。Atlas 和 Spot 在战场上会是什么样？它们在军方部署方面走到哪一步了？

[00:44:23] Amanda：我们已经公开表明反对武器化。为什么？因为就我们目前要做的工业应用而言，武器化会分散业务重点。

[00:44:37] J.Cal：重点。

[00:44:37] Amanda：就是专注。

[00:44:38] J.Cal：这不是哲学立场？

[00:44:39] Amanda：这要看你问谁。作为 CFO 和 CEO，我现在会这样看：我们必须专注。我们需要集中精力进入那些认为自己能够赢下来的市场。当然，我们和政府关系很好，也愿意与政府开展任何非武器化的工作；事实上，我们今天就在做这些工作。

[00:44:58] J.Cal：所以，如果军方需要它去救出一名士兵，或者带来一个医疗包，你们可以接受？拆除炸弹也可以接受？

[00:45:08] Amanda：爆炸物处理是机器人的一个优秀使用场景，我们目前就在做这件事。

J.Cal：明白了，所以这个可以接受。但你们不想做的是终结者机器人，对吧？

Amanda：对。

[00:45:20] J.Cal：但中国正在制造这类机器人。如果中国在制造，而我们不制造，那么 Boston Dynamics 就有义务去制造它们，对吗？如果中国把它们投入战场，你们会不会为了保护美国而制造？

[00:45:34] Amanda：这是一个很难回答的问题。到时候我们必须回答它，但我希望那个时候永远不要到来。

[00:45:40] J.Cal：那个时候一定会到来，我可以保证。而且我可以保证，当特朗普总统打电话给你时，你会回答：「是，先生；是，先生。」否则你的公司就会被国有化。

我只是半开玩笑、半带调侃，但他们会部署这类机器人，而且一定会部署。他们已经展示过了，你也看过他们给这些机器人装上 AK-47。

[00:46:03] Amanda：不是装在我们的机器人上。

J.Cal：不是你们的，是他们的。

Amanda：对。听着，这很可怕，真的很可怕。我知道我们拥有世界上最好的、能力最强的机器人。如果有一天我们必须做出艰难决定，我们会做出正确的决定。但今天我们还不需要做这个决定，所以我会让所有人继续专注于那些对我们有商业意义的应用领域。我要告诉你一个秘密。

[00:46:26] J.Cal：别告诉任何人。中央情报局、联邦调查局和战争部目前都有很多你们的机器人，而且上面装了很多武器。别告诉任何人。

好了，我知道你得走了。祝你继续成功。Boston Dynamics 是一家非常重要的美国公司，我希望你能接下这个职位，成为正式 CEO。我知道你现在还是临时 CEO，祝你好运。如果有人想来 Boston Dynamics 工作，请来。

[00:46:52] Amanda：来吧。你们总部在哪里？

[00:46:53] J.Cal：我们在 Waltham，就在 Boston 外面一点。我们也接受部分远程办公，并且正在考虑去西海岸设点。

我正想说，虽然公司名字里有 Boston，但随着湾区聚集了这么多人才，我猜你们迟早需要在那里开一个空间，对吧？

Amanda：对，我们正在考虑。

J.Cal：好了，祝你继续成功。谢谢你。

各位，我们下一位嘉宾是 Jonathan Hurst 教授。他是 Agility Robotics 的联合创始人兼首席机器人官。你在 2008 年取得了机器人学博士学位，对吧？

Jonathan：对。

J.Cal：所以你已经做了二十多年。实际上远不止二十年。过去 36 个月，行业似乎突然升温。在进入你的产品线之前，能不能先帮听众建立一个基准：你在过去 20 年里看到了什么？最近两年与前 20 年相比，发生了什么变化？

47:14–68:35｜J.Cal × Jonathan W. Hurst

[00:47:51] Jonathan：二十年前我们开始做这件事时，机器人在工业界还是未知领域。工业机器人更多指自动化系统；而在研究界，我们做的是人形机器人、自动移动机器人，试图先构建智能，再构建能让它实现这些能力的硬件。

现在，这些研究开始进入现实世界，产生直接影响，不再只是一个研究课题。大学也看到了这种需求和增长，而且人们喜欢机器人。想做机器人的学生很多，所以相关专业和项目越来越多，几乎是指数级增长。非常令人兴奋，真的非常令人兴奋。

[00:48:32] J.Cal：人形机器人经历过很多次失败的开始，你正专注于这个方向。人工智能也一样。

[00:48:39] Jonathan：人们把那称为「AI 寒冬」，你知道的。

[00:48:40] J.Cal：对，而且不止一次。这一次显然是真的。请你向听众解释，为什么这次不同，以及为什么你相信这一次我们会看到机器人，尤其是人形机器人，以足够大的规模部署。我们都可以同意，也许未来 20 到 30 年，机器人数量会接近与地球上的人类一比一。影响会非常大。

[00:49:06] J.Cal：对，为什么？为什么这次不同？

[00:49:08] Jonathan：一般来说，做出一个看起来像人的机器人很容易。这就是为什么过去一百多年里我们不断看到人形机器人。但做出一个能在人类空间里完成有用工作的机器人非常难。现在我们开始看到这种机器人出现了，这就是区别。

它不一定要长得完全像人；只要有一点人形特征，同时能够完成有用的工作，影响就会发生在这里。

[00:49:30] J.Cal：由于大语言模型，很多能力现在似乎都变成免费的了。当机器人看着这张桌子，你问它「桌上有什么」，它知道这是手机、这是纸、这是茶、这是水，可能还知道每个容器里有多少盎司。三四年前，我们坐在这里时，它其实并不知道世界里有什么，你必须用非常狭窄的方式给它编程，对吗？

[00:49:57] Jonathan：对。感知曾经极其困难，而现在感知几乎是唯一已经解决的问题，这本身就是一个巨大的拐点。

我刚才说过，机器人正在做有用的事情；但人们现在也能看到通用性的未来。AI 让机器人拥有了更广泛的环境感知能力，所以人们可以看到：机器人很快就能普遍完成很多有用的工作。

[00:50:20] J.Cal：所以，感知只是让机器人理解世界。对。但过去一直有一个阻碍：如何把机器人从工厂里那种非常受限、非常狭窄的任务中带出来？我的理解是，问题在通信和训练层面。我们可以把这一点展开讲讲。

我以前的理解是，如果你想让机器人做一杯咖啡，基本上必须把它硬编码进去。我投资过一家叫 Cafe X 的公司，它用机械臂做咖啡，每次都能完美完成，也能打啤酒之类；但所有动作都必须人工编程。

现在，由于感知能力和语言模型，模型训练看过互联网上的每一段视频、每一份咖啡配方，指令集似乎也变成免费的了。我说得不对吗？

[00:51:13] Jonathan：还不是这样。实际情况相当不同。你可以把语言模型看成一种正在变成基础商品的东西，就像互联网一样。人人都能使用它，这是一股惊人的上升潮流。

但语言模型是用互联网上的全部数据训练的，而用于机器人控制的数据并不存在。比如，对于你的机器人，所有电机在所有传感器输入下应该施加什么扭矩、发出什么扭矩指令？没有这样的训练数据集。所以你必须想办法生成和创建这些数据。

人们正在采用很多不同的方法。其中一些 AI 工具也说明了这一点：不要把 AI 看成一个黑箱，而要把它看成一顶大帐篷，里面有许多差异很大、但都很有用的计算工具。

控制机器人时，可以通过示范学习：让人远程操控机器人，再从这些数据中训练；也可以给它动画输入、动作捕捉输入，或者使用许多其他方式。但这也有一个明确的上限，因为人控制机器人时，并没有真正达到机器人在最优状态下能够完成的动作和行为方式。

机器人需要练习。于是你就会进入世界模型、仿真到现实迁移，以及所有这类问题。

[00:52:16] J.Cal：世界模型是下一个前沿。现在很多公司真的会给人戴上手套，让人远程控制机器人去切菜、做沙拉、倒水，这些事情今天已经有人在做。

[00:52:36] Jonathan：确实如此。

J.Cal：世界模型会解决这个问题吗？

Jonathan：它们是解决方案的一部分。和所有这些问题一样，不存在一颗银弹。

在我的理解里，世界模型要做的是：能不能把一整个仓库，以及里面所有物体的全部物理规律都建模出来？这样，机器人就可以在世界模型里练习，而不会在现实世界里摔坏东西；通过压缩计算，还可以在几天内完成一百万次迭代。

但仿真到现实之间始终存在巨大的差距。仿真不可能完美。你在现实世界里拿起一个东西时，可能会遇到波浪动力学，玻璃上可能有冷凝水，机器人的动力学也不可能被完全建模。所有这些仍然非常难，机器人必须在真实世界里进行真正的练习。

[00:53:21] J.Cal：会不会存在一个奇点，或者一个跨越时刻？比如把机器人放进厨房，让它自己犯错，然后说「进行下一次测试」，再进行下一次测试。我们教会 AI 下棋和下围棋时就是这么做的：我们没有告诉它「王车易位应该这样做」，只是让它暴力尝试每一种计算，它就自己找到了答案。

现在有了这些递归循环，什么会让我们更快到达那里？是有人做出一个世界模型，让机器人开始递归学习，把它们放进厨房，打碎很多盘子？还是世界模型公司会让人和机器人在米其林星级厨房里非常精细地协作，练习做舒芙蕾？

[00:54:13] Jonathan：这个答案可能不太令人满意，但所有工具都需要，全部都需要。这里完全没有一颗银弹。我不相信会出现某个奇点，但我确实相信事情会越来越好。

更像是一团雪球下山时越滚越快。它之所以这样滚起来，是因为人们投入了资金、资源、工程时间和工程精力，在探索各种方法，并逐渐弄清楚这些问题。

以人类为例，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，就能看懂一件事该怎么做，然后不断练习和迭代。机器人目前还不擅长学习。机器人需要比人多得多的数据和例子，我们还在研究如何教机器人学习。

但从长远看，机器人有一个优势：它们有 Wi-Fi。你学会拉小提琴之后，不能把这项能力直接上传给另一个人，让对方根据你的学习成果立刻会拉小提琴。

[00:55:07] J.Cal：机器人可以做到这一点。一台机器人学会拉小提琴，所有机器人就都知道怎么拉小提琴。

[00:55:12] Jonathan：或者说，同一类型的所有机器人都会拉小提琴。对，下一种类型、下一款硬件可能还需要做一些小幅调整。

[00:55:17] J.Cal：你们现在确实在部署产品。产品叫 Digit，我记得现在大概是 4.0，准备发布 5.0。你们已经有——

[00:55:25] Jonathan：可以说，已经有几十台部署在现实世界的不同应用里。能不能介绍一下今天的前线部署是什么样？一两年后又会是什么样？

目前，它主要执行范围仍然比较明确的多用途工作流程，比如拿起箱子和周转箱，把它们搬到别处。之所以采用这种任务，是因为搬运大件需要两条手臂；操纵、移动这些物体，需要整个身体保持灵活；把它们举到高层货架、在狭窄空间里操作，还需要保持平衡。所以，一个使用场景就足以证明这种形态的价值。

但人形机器人的真正价值在于多功能性。当它开始拣选单件商品、装满一个箱子再把箱子搬走、码垛和拆垛，并且不断扩展到更多使用场景时，价值才会真正加速增长。

今年晚些时候推出的 Digit V5，将是第一个能够走出工作单元、并且在仓库里不需要在人和机器人之间设置实体隔离栏就能保持安全的人形机器人。Digit V5 上线，会成为我们的一个规模化时刻。

[00:56:32] J.Cal：这是一个人们可能没有意识到的关键时刻。如果你去过 Elon 或 Toyota 的工厂，就会看到地上有线，一条线。你一旦越过那条线——

一切都会停下来。一切都会停下来。我跟 Elon 参观过很多次，他们会非常认真地说，请不要越过那条线，因为如果你越过，可能会损失 100 万美元——

[00:56:53] Jonathan：在 Tesla 工厂里确实如此，因为生产线一直在高速运转。现在我们开始有足够信心，相信这些机器人不会摔倒，不会撞断某个人的脚踝。

[00:57:03] Jonathan：过去两三年，我们一直非常有意识地推进这件事。这也是我们和 Amazon 合作时积累的经验：我们把机器人部署出去，机器人完成了任务，对方说「很好，它解决了我们所有的研发目标」。我们也说「很好，那就部署吧」。然后对方说：「不行，它不符合我们的安全要求。」

那我们就问，怎样才能满足要求？结果发现，这非常难。所以我们必须从底层到顶层重新设计机器，用整体视角处理问题，几乎触及机器人的每一个系统，才能让它安全。

[00:57:33] J.Cal：如果看你们这种工业人形机器人，物料清单成本是几万美元，对吧？

[00:57:39] Jonathan：我们现在不讨论物料清单。我们知道，随着时间推移，成本会不断下降。最终，我们会以接近汽车的成本出售机器人。

真正应该问的问题是：它能创造多少价值？如果一台机器人每天工作 24 小时，寿命有五年，那么它能创造多少价值？这个数字相当可观。

[00:58:03] J.Cal：如果从第一性原理来算，它们每天合理地可以运行 20 到 22 个小时，然后需要充电、休息一下。所以我们先按每天 20 小时、每年 365 天计算。

[00:58:17] Jonathan：对于 Digit V5，我们的确可以每天运行 24 小时中的 20 小时，因为这套方案的充电迭代速度非常快。

[00:58:22] J.Cal：那么每天 20 小时、每年 365 天，一年大约 7000 到 8000 小时。我们按 8000 小时算，五年就是 4 万小时的工作量。这个数字很快就累积起来了。

人们通常会认为，这些东西最终要花 2 万、3 万、4 万美元。

[00:58:36] Jonathan：未来确实会达到这个价格。

[00:58:39] J.Cal：对。

[00:58:39] Jonathan：但在真正实现之前，它需要先经历规模化阶段，外面要有 10 万台机器人。

[00:58:45] J.Cal：那就是每小时 1 美元。现在工厂工人的时薪是 40 美元。

[00:58:50] Jonathan：对。

[00:58:50] J.Cal：有些国家可能是每小时 10 美元。但我们按每小时 20 美元算：等这些机器人进入市场后，成本在某个阶段会压缩 90%，你们就有很大的空间按小时向 Amazon、Toyota 和其他合作伙伴收费。

你们目前的计划是按使用小时收费吗？

[00:59:11] Jonathan：客户可以拥有机器人，我们两种模式都做。客户愿意资本支出的，我们按资本支出模式卖；客户愿意采用服务模式的，我们也提供「机器人即服务」。

这会降低客户的进入门槛，也降低他们的风险。

J.Cal：现在一台机器人的每小时价格是多少？

[00:59:25] J.Cal：这个我们现在不谈。这个也不谈。不过我可以说，随着机器人在工作上的表现越来越好，它们的价值也会越来越高；与此同时，制造机器人的成本会不断下降。

这些机器人的价值，最终由人类劳动力决定，也就是雇人完成这些工作的成本。所以在很长一段时间里，这会是一种相当缺乏弹性的价格。物料清单可能是几万美元，而在西半球、在现代经济体的工厂里，人们目前每小时的工资是 20、30 或 40 美元。

[00:59:59] Jonathan：这是一个相当大的市场。

[01:00:00] J.Cal：对，这是一个很大的市场。你们有足够的空间帮客户省钱，同时获得足够的利润，建立真正的生意。

Jonathan：建立真正的生意。

J.Cal：对，建立真正的生意。换一个问题：假设在 Amazon 工厂，或者我们不提 Amazon，因为它是你们的合作伙伴，我不想让你惹上麻烦。假设是一家类似 Amazon 或 Target 的公司。

以你现在掌握的信息，什么时候工厂里的大多数工人会变成机器人？什么时候会翻转到 51%？

[01:00:35] Jonathan：在很多应用里，工人大多数已经是机器人了。那里有大量 AMR，也有大量传送带和工业机械臂。这种趋势不会改变，还会继续增长。

这只是又一种自动化形式，和其他自动化一样，它帮助提高和扩大生产力。至少在美国，我们要怎样提高 GDP？靠的不是人口增长，而是效率和能力提升；实现这一点的唯一方式，就是越来越多的自动化。

[01:01:02] J.Cal：尤其考虑到现在美国，甚至整个西半球都有反移民情绪。换一个方式问：如果有 100 万人在工厂里分拣包裹，什么时候会变成 50 万？这是三年、四年——

[01:01:20] Jonathan：五年？我觉得这件事已经发生了。

J.Cal：对，但我想问的是——

[01:01:24] J.Cal：随着这些新的——

Jonathan：它会继续发生。

[01:01:25] Jonathan：总有一天，一辆自动驾驶卡车会驶来，接上一座完全熄灯运行的自动化包裹分拣工厂，然后又有一辆自动驾驶卡车离开。到那时，完成这些工作的可能是专用自动化设备，因为它们只需要全天候重复同一件事。

人形机器人并不适合这种特定任务，它不是最高效的选择。人形机器人的价值在于走进人类环境，执行人类工作流程。

所以，等一座工厂完全自动化时，还会有许多其他工厂仍然是旧式工厂，仍然需要把自动化带到原本由人完成的工作里。同时，我们也正在进入零售店、杂货店、医院、建筑工地，以及把包裹送到你家门口的场景。那些永远是人类环境，对吧？还有院子之类的地方。

[01:02:08] J.Cal：这会很有意思。任何看过最新一代人形机器人的人都很容易看出，工厂正在走向熄灯运行。

但现在大多数人还无法想象：Waymo 无人驾驶出租车、Uber 自动驾驶汽车停下来，一台机器人从车里走出来，把包裹送到你家门口。这一定会发生，绝对会发生。

[01:02:40] J.Cal：你们在和相关公司合作吗？不必说是谁。

[01:02:40] Jonathan：你知道吗，这是我们最早探索的使用场景之一，我们曾和 Ford 一起研究过。网上有一段很不错的视频：我们最早的 Digit 机器人从车辆里出来，走到某人的前廊，把包裹放在那里。

J.Cal：还有楼梯。

Jonathan：对，楼梯也能走。我们当时就能做到，那大约是七年前。但我不认为这会是最好的第一个使用场景，也不认为它会是最好的第一市场。它当然在我们的路线图上，只是现在可部署的市场太大了，我们会先从眼前的事情开始。

[01:03:09] J.Cal：当你观察这些应用时，我们这些不在行业里的人，会觉得有些场景显而易见。但以你做了二三十年机器人的经验，有没有一两个不那么明显、却会对世界非常有益的使用场景？

[01:03:30] Jonathan：我不知道什么才算「不明显」。仅仅是把东西从一个地方拿到另一个地方，就已经是一个巨大场景，它能把人从机器人领域经典的「3D」工作中解放出来：枯燥、肮脏、危险。

枯燥、肮脏、危险，机器人领域的 3D。

我真希望将来我们的孩子回头看今天，看到一些现在由人完成、但我认为本来就是机器人工作的岗位时，会像我们回头看 20 世纪的煤矿工人一样，说：「我无法相信当时的人要做那种工作。」

今天人们从事的很多工作已经好得多，生活质量也高得多。1900 年的人无法想象我们今天拥有的许多职业，而这些职业往往好得多。我觉得未来也会这样发展。

[01:04:14] J.Cal：你现在仍然是机器人学教授。

Jonathan：对。

J.Cal：你的研究生项目里有几百人，或者至少一百多人，对吧？

[01:04:20] Jonathan：对，确实有这么多人。

J.Cal：对于正在听节目的年轻人，如果他们担心自己的未来和职业，这似乎是一条非常好的职业道路。

[01:04:30] Jonathan：这是一个巨大的机会。我们生活在一个变化的时代。每当出现这样的变化，刚毕业的学生都会占据优势，因为那些已经工作了 20、30 年、熟悉旧方法的人，也必须学习现在正在出现的新方法。

所以学生有优势。我们很难准确预测 10 年后所有工作的样子，但如果学生围绕工程学建立一些核心技能，这些技能未来都会有用。

[01:05:01] J.Cal：所以，机器人学有博士和硕士这条路。有没有另一条更像「工具带」的道路？更偏蓝领，相当于电工、HVAC 技师、木匠或承包商？

[01:05:18] Jonathan：有，当然有。

J.Cal：那会是什么？

[01:05:19] Jonathan：机器人操作员，负责组装和制造机器人。机器人还不能自己把自己组装出来，所以制造环节会需要很多人。机器人运营和部署也一样，会需要很多人。

[01:05:31] J.Cal：维护，机器人的维护。

[01:05:34] Jonathan：当然。这个 Clanker 是一个贬义词吗？我不知道，这是迪士尼注册的词，所以——

J.Cal：真的吗？可能吧，可能是。

J.Cal：最后一个问题。我觉得我们属于同一代 X。你知道《星球大战》里的格里弗斯将军吧？他师从杜库伯爵的绝地黑暗技艺，可以同时挥舞三把、四把，甚至六把光剑。

我半认真地问：为什么不让机器人长出四只或六只手臂，分别朝向不同方向？

Jonathan：这是个好问题。

[01:06:05] Jonathan：如果从第一性原理出发，思考如何做出完成任务所需的最简单机器人：一只手臂不太够，最多只能拿起小东西；两只手臂就可以拿起大东西。

增加第三只手臂，很难看出它提供的额外效用足以抵消把它装上去的代价。增加到四只、五只，就会出现大量协调问题和额外复杂性，而且它还能让你完成什么？我不知道。也许未来会看到，但那必须由真实需求推动。

J.Cal：科幻史上你最喜欢的机器人是什么？

Jonathan：可能是 WALL-E。

J.Cal：WALL-E。

Jonathan：还有伊芙。我喜欢那种想象：机器人不断尝试建造、创造，继续完成它们被设计来完成的事情。我也很喜欢 Baymax。

J.Cal：Baymax 确实很棒。等等，Baymax 是谁？

Jonathan：就是《超能陆战队》里的 Baymax，故事发生在旧金山和东京融合而成的城市 San Fransokyo——

J.Cal：哦，对，我知道你说的是谁。

[01:06:54] J.Cal：这个机器人显然就是来帮助人的。我喜欢电影里展示它如何执行自己的程序。有一段是他们删除了它的全部记忆，然后它变成红色，立刻变得危险。

Jonathan：这其实很现实。机器人是软件系统，必须设置好安全防护措施，也必须有急停按钮。你得考虑它们的「首要指令」。

[01:07:13] Jonathan：基本上就是这样。你要让这些机器人经过工业安全流程，确保有监督电路、每台机器人都有急停按钮，以及所有能让机器人真正做到绝不伤害人的措施。

[01:07:27] J.Cal：Jonathan，我知道 Agility Robotics 正在招聘。

Jonathan：对，我们在招人。

J.Cal：如果有人想找一份工作——

[01:07:33] Jonathan：这是一个很有意思的工作场所。Agility 很棒。我们在 Oregon 的 Salem 有一个地点，那是我们创办公司的地方，我现在也在那里。我们还将在 California 的 Fremont 开设新设施，那是一个非常漂亮的地方，我们会在那里做很多机器人行为开发。那里会整天都有机器人工作。

[01:07:51] J.Cal：你可以加入团队，亲自参与这些工作。我们在 Pittsburgh 也有一个地点。

Jonathan：对，就在 Carnegie Mellon 旁边。

J.Cal：太棒了。

Jonathan：是的，三个很棒的中心。如果你是年轻人，或者已经在机器人领域工作，这会是一个很好的工作地点。如果你有点担心自己的未来，就去读机器人学的博士或硕士。各位，去到冰球将要滑向的地方。

J.Cal：很高兴认识你，谢谢你分享这些知识。

Jonathan：谢谢。

1 美元／小时的机器人，快来了？四位机器人 CEO 拆解下一站