[加州] 硅谷壹線峰會,這壹幕令大佬們清醒
理論上，無論是特斯拉（Tesla）身高173公分、重57公斤的 Optimus，或者宇樹科技（Unitree）身高120公分、僅重35公斤的G1機器人，比起傳統工廠裡那些重達數噸的工業機械臂，應該要安全得多。但是當機器人擁有了雙腳、能夠自由移動時，揮舞機器雙臂的不可預測性，也隨之指數級上升。
凱爾卡說：“我們在YouTube上看到機器人折衣服的展示影片，就天真地以為家裡馬上就能有壹個包辦壹切的機器仆人，這中間的跳躍太大了。”
矽谷的“牛頓時刻”：生不逢時的早產兒？
Weave Robotics 的執行長、前蘋果（Apple）工程師卡恩·多格魯索茲（Kaan Dogrusoz）認為，目前的機器人熱潮就像是當年的Apple Newton。
1990年代，蘋果曾推出壹款名為Newton的個人數位助理（PDA）。當時矽谷深信手持運算設備是個人科技設備的未來，炒作熱度不亞於今日的AI。但Newton最終因為手寫識別技術不成熟、售價過高而慘敗收場。僅僅拾年後，隨著處理器與觸控技術的大幅進步，讓iPhone橫空出世，這次也徹底改變了世界。
2025年12月11日，在加州山景城舉行的人形機器人高峰會上，壹名男子在展場內拍攝壹個人形機器人。 （美聯社）
“追求雙足的人形機器人，就像是我們這個時代的Newton。”多格魯索茲如是說。
這意味著方向是對的，但時間點錯了——機器人技術尚未成熟到可以商業化的甜蜜點。Weave Robotics目前專注於制造“折衣服機器人”，這類產品已經在舊金山的壹些自助洗衣店裡找到了利基市場。但即使是這樣的先行者，也認為過度鼓吹“技術已成熟”是壹種不負責任的行為。
大數據的匱乏
在峰會現場，最荒謬也最真實的壹幕，莫過於Gatlin Robotics的執行長艾薩克·庫雷希（Isaac Qureshi）頭戴虛擬實境（VR）裝置，笨拙地操控著壹台機器人原型機。他正在教導機器人如何擦洗壹面磚牆：“我們會慢慢教它做更多事，從除塵、清理垃圾桶，壹直到最後的終極目標——清潔馬桶。”
這個情景其實揭示了人形機器人的另壹個困境：訓練數據的匱乏。
大型語言模型（LLM）之所以能爆發，是因為網絡上有數兆字節的文本可供學習。但機器人需要的是“物理世界的數據”。為了讓機器人學會人類的動作，初創公司不得不雇用人類戴著VR設備，壹遍又壹遍地模擬折衣服、擦桌子，甚至刷馬桶的動作，再將這些數據“喂”給 AI。
這是壹個極其緩慢且昂貴的過程。FEV Consulting的經理多米尼克·博默（Dominik Boemer）坦言，沒有人知道從“學會折壹件襯衫”到“能包辦所有家務”，中間到底還需要多少訓練量。
需要降溫的機器人狂熱
馬斯克堅信特斯拉到2030能年產100萬台Optimus；黃仁勳則在播客中信誓旦旦地說，驅動機器人的技術即將到位。支撐這些樂觀預測的，是宏觀經濟的剛性需求——全球人口老齡化導致的勞動力短缺，以及各國政府渴望制造業回流的戰略焦慮。此外，Figure AI最近發布的機器人慢跑影片，展示了驚人的仿生能力，確實讓投資人熱血沸騰。
但Persona AI 的執行長尼古拉斯·拉德福德（Nicolaus Radford）在主題演說中警告，對於討論機器人的時間表和普及進度，必須有壹種責任感。他的公司正在為造船廠制造焊接機器人——這是壹種危險、肮髒且沒人願意做的工作，這才是機器人目前的歸宿，而不是在豪宅裡端茶遞水。
[物價飛漲的時候 這樣省錢購物很爽]
還沒人說話啊，我想來說幾句
凱爾卡說：“我們在YouTube上看到機器人折衣服的展示影片，就天真地以為家裡馬上就能有壹個包辦壹切的機器仆人，這中間的跳躍太大了。”
矽谷的“牛頓時刻”：生不逢時的早產兒？
Weave Robotics 的執行長、前蘋果（Apple）工程師卡恩·多格魯索茲（Kaan Dogrusoz）認為，目前的機器人熱潮就像是當年的Apple Newton。
1990年代，蘋果曾推出壹款名為Newton的個人數位助理（PDA）。當時矽谷深信手持運算設備是個人科技設備的未來，炒作熱度不亞於今日的AI。但Newton最終因為手寫識別技術不成熟、售價過高而慘敗收場。僅僅拾年後，隨著處理器與觸控技術的大幅進步，讓iPhone橫空出世，這次也徹底改變了世界。
2025年12月11日，在加州山景城舉行的人形機器人高峰會上，壹名男子在展場內拍攝壹個人形機器人。 （美聯社）
“追求雙足的人形機器人，就像是我們這個時代的Newton。”多格魯索茲如是說。
這意味著方向是對的，但時間點錯了——機器人技術尚未成熟到可以商業化的甜蜜點。Weave Robotics目前專注於制造“折衣服機器人”，這類產品已經在舊金山的壹些自助洗衣店裡找到了利基市場。但即使是這樣的先行者，也認為過度鼓吹“技術已成熟”是壹種不負責任的行為。
大數據的匱乏
在峰會現場，最荒謬也最真實的壹幕，莫過於Gatlin Robotics的執行長艾薩克·庫雷希（Isaac Qureshi）頭戴虛擬實境（VR）裝置，笨拙地操控著壹台機器人原型機。他正在教導機器人如何擦洗壹面磚牆：“我們會慢慢教它做更多事，從除塵、清理垃圾桶，壹直到最後的終極目標——清潔馬桶。”
這個情景其實揭示了人形機器人的另壹個困境：訓練數據的匱乏。
大型語言模型（LLM）之所以能爆發，是因為網絡上有數兆字節的文本可供學習。但機器人需要的是“物理世界的數據”。為了讓機器人學會人類的動作，初創公司不得不雇用人類戴著VR設備，壹遍又壹遍地模擬折衣服、擦桌子，甚至刷馬桶的動作，再將這些數據“喂”給 AI。
這是壹個極其緩慢且昂貴的過程。FEV Consulting的經理多米尼克·博默（Dominik Boemer）坦言，沒有人知道從“學會折壹件襯衫”到“能包辦所有家務”，中間到底還需要多少訓練量。
需要降溫的機器人狂熱
馬斯克堅信特斯拉到2030能年產100萬台Optimus；黃仁勳則在播客中信誓旦旦地說，驅動機器人的技術即將到位。支撐這些樂觀預測的，是宏觀經濟的剛性需求——全球人口老齡化導致的勞動力短缺，以及各國政府渴望制造業回流的戰略焦慮。此外，Figure AI最近發布的機器人慢跑影片，展示了驚人的仿生能力，確實讓投資人熱血沸騰。
但Persona AI 的執行長尼古拉斯·拉德福德（Nicolaus Radford）在主題演說中警告，對於討論機器人的時間表和普及進度，必須有壹種責任感。他的公司正在為造船廠制造焊接機器人——這是壹種危險、肮髒且沒人願意做的工作，這才是機器人目前的歸宿，而不是在豪宅裡端茶遞水。
[物價飛漲的時候 這樣省錢購物很爽]
| 分享: |
| 注： | 在此頁閱讀全文 |
| 延伸閱讀 | 更多... |
推薦: