[加州] 硅谷一线峰会,这一幕令大佬们清醒
理论上，无论是特斯拉（Tesla）身高173公分、重57公斤的 Optimus，或者宇树科技（Unitree）身高120公分、仅重35公斤的G1机器人，比起传统工厂里那些重达数吨的工业机械臂，应该要安全得多。但是当机器人拥有了双脚、能够自由移动时，挥舞机器双臂的不可预测性，也随之指数级上升。
凯尔卡说：“我们在YouTube上看到机器人折衣服的展示影片，就天真地以为家里马上就能有一个包办一切的机器仆人，这中间的跳跃太大了。”
矽谷的“牛顿时刻”：生不逢时的早产儿？
Weave Robotics 的执行长、前苹果（Apple）工程师卡恩·多格鲁索兹（Kaan Dogrusoz）认为，目前的机器人热潮就像是当年的Apple Newton。
1990年代，苹果曾推出一款名为Newton的个人数位助理（PDA）。当时矽谷深信手持运算设备是个人科技设备的未来，炒作热度不亚于今日的AI。但Newton最终因为手写识别技术不成熟、售价过高而惨败收场。仅仅十年后，随著处理器与触控技术的大幅进步，让iPhone横空出世，这次也彻底改变了世界。
2025年12月11日，在加州山景城举行的人形机器人高峰会上，一名男子在展场内拍摄一个人形机器人。 （美联社）
“追求双足的人形机器人，就像是我们这个时代的Newton。”多格鲁索兹如是说。
这意味著方向是对的，但时间点错了——机器人技术尚未成熟到可以商业化的甜蜜点。Weave Robotics目前专注于制造“折衣服机器人”，这类产品已经在旧金山的一些自助洗衣店里找到了利基市场。但即使是这样的先行者，也认为过度鼓吹“技术已成熟”是一种不负责任的行为。
大数据的匮乏
在峰会现场，最荒谬也最真实的一幕，莫过于Gatlin Robotics的执行长艾萨克·库雷希（Isaac Qureshi）头戴虚拟实境（VR）装置，笨拙地操控著一台机器人原型机。他正在教导机器人如何擦洗一面砖墙：“我们会慢慢教它做更多事，从除尘、清理垃圾桶，一直到最后的终极目标——清洁马桶。”
这个情景其实揭示了人形机器人的另一个困境：训练数据的匮乏。
大型语言模型（LLM）之所以能爆发，是因为网络上有数兆字节的文本可供学习。但机器人需要的是“物理世界的数据”。为了让机器人学会人类的动作，初创公司不得不雇用人类戴著VR设备，一遍又一遍地模拟折衣服、擦桌子，甚至刷马桶的动作，再将这些数据“喂”给 AI。
这是一个极其缓慢且昂贵的过程。FEV Consulting的经理多米尼克·博默（Dominik Boemer）坦言，没有人知道从“学会折一件衬衫”到“能包办所有家务”，中间到底还需要多少训练量。
需要降温的机器人狂热
马斯克坚信特斯拉到2030能年产100万台Optimus；黄仁勋则在播客中信誓旦旦地说，驱动机器人的技术即将到位。支撑这些乐观预测的，是宏观经济的刚性需求——全球人口老龄化导致的劳动力短缺，以及各国政府渴望制造业回流的战略焦虑。此外，Figure AI最近发布的机器人慢跑影片，展示了惊人的仿生能力，确实让投资人热血沸腾。
但Persona AI 的执行长尼古拉斯·拉德福德（Nicolaus Radford）在主题演说中警告，对于讨论机器人的时间表和普及进度，必须有一种责任感。他的公司正在为造船厂制造焊接机器人——这是一种危险、肮脏且没人愿意做的工作，这才是机器人目前的归宿，而不是在豪宅里端茶递水。
[加西网正招聘多名全职sales 待遇优]
无评论不新闻，发表一下您的意见吧
凯尔卡说：“我们在YouTube上看到机器人折衣服的展示影片，就天真地以为家里马上就能有一个包办一切的机器仆人，这中间的跳跃太大了。”
矽谷的“牛顿时刻”：生不逢时的早产儿？
Weave Robotics 的执行长、前苹果（Apple）工程师卡恩·多格鲁索兹（Kaan Dogrusoz）认为，目前的机器人热潮就像是当年的Apple Newton。
1990年代，苹果曾推出一款名为Newton的个人数位助理（PDA）。当时矽谷深信手持运算设备是个人科技设备的未来，炒作热度不亚于今日的AI。但Newton最终因为手写识别技术不成熟、售价过高而惨败收场。仅仅十年后，随著处理器与触控技术的大幅进步，让iPhone横空出世，这次也彻底改变了世界。
2025年12月11日，在加州山景城举行的人形机器人高峰会上，一名男子在展场内拍摄一个人形机器人。 （美联社）
“追求双足的人形机器人，就像是我们这个时代的Newton。”多格鲁索兹如是说。
这意味著方向是对的，但时间点错了——机器人技术尚未成熟到可以商业化的甜蜜点。Weave Robotics目前专注于制造“折衣服机器人”，这类产品已经在旧金山的一些自助洗衣店里找到了利基市场。但即使是这样的先行者，也认为过度鼓吹“技术已成熟”是一种不负责任的行为。
大数据的匮乏
在峰会现场，最荒谬也最真实的一幕，莫过于Gatlin Robotics的执行长艾萨克·库雷希（Isaac Qureshi）头戴虚拟实境（VR）装置，笨拙地操控著一台机器人原型机。他正在教导机器人如何擦洗一面砖墙：“我们会慢慢教它做更多事，从除尘、清理垃圾桶，一直到最后的终极目标——清洁马桶。”
这个情景其实揭示了人形机器人的另一个困境：训练数据的匮乏。
大型语言模型（LLM）之所以能爆发，是因为网络上有数兆字节的文本可供学习。但机器人需要的是“物理世界的数据”。为了让机器人学会人类的动作，初创公司不得不雇用人类戴著VR设备，一遍又一遍地模拟折衣服、擦桌子，甚至刷马桶的动作，再将这些数据“喂”给 AI。
这是一个极其缓慢且昂贵的过程。FEV Consulting的经理多米尼克·博默（Dominik Boemer）坦言，没有人知道从“学会折一件衬衫”到“能包办所有家务”，中间到底还需要多少训练量。
需要降温的机器人狂热
马斯克坚信特斯拉到2030能年产100万台Optimus；黄仁勋则在播客中信誓旦旦地说，驱动机器人的技术即将到位。支撑这些乐观预测的，是宏观经济的刚性需求——全球人口老龄化导致的劳动力短缺，以及各国政府渴望制造业回流的战略焦虑。此外，Figure AI最近发布的机器人慢跑影片，展示了惊人的仿生能力，确实让投资人热血沸腾。
但Persona AI 的执行长尼古拉斯·拉德福德（Nicolaus Radford）在主题演说中警告，对于讨论机器人的时间表和普及进度，必须有一种责任感。他的公司正在为造船厂制造焊接机器人——这是一种危险、肮脏且没人愿意做的工作，这才是机器人目前的归宿，而不是在豪宅里端茶递水。
[加西网正招聘多名全职sales 待遇优]
| 分享: |
| 注： | 在此页阅读全文 |
| 延伸阅读 | 更多... |
推荐: