这集讲什么
在这期播客中，四位机器人公司CEO探讨了人形机器人在家庭中的应用、中国的威胁以及危险工作的终结。
1-3要点
- 先选任务，后选形态：四足适合复杂地面巡检，人形适合已有的人类空间与流程；单一重复任务还可能交给专用设备。
- 工业巡检出售的是洞察：传感、任务频率、工作流与停机风险，共同决定昂贵机器人是否划算。
- 部署不能跳过安全：完成搬运演示，与满足客户在人员共处环境中的要求，是两道关。
0:00 / --:--
All-In Podcast · 7 月 28 日
Jensen Huang 认为 AI 的安全性与创新可以并行发展，开放模型促进了全球 AI 创新，而中国在 AI 领域的快速崛起正在重塑全球科技竞争格局。
在这期播客中，四位机器人公司CEO探讨了人形机器人在家庭中的应用、中国的威胁以及危险工作的终结。
这集还没有学习卡。生成后会保存在这一集，下次直接打开。
All-In Podcast· 2026-07-15前 Intel CEO 谈哪里出了问题、接下来会怎样，加上 Lovable CEO 谈氛围编程的真正潜力Former Intel CEO on What Went Wrong, What's Next + Lovable CEO on the Real Promise of Vibe Coding同一位嘉宾：Jensen HuangAll-In Podcast· 2026-07-10开源胜出、AGI 已经到来，以及 Scorsese 的 AI 工具包——与 Cerebras 和 Black Forest Labs 的 CEO 对谈Open Source Wins, AGI Is Here, and Scorsese's AI Toolkit with CEOs of Cerebras & Black Forest Labs同一位嘉宾：Jensen Huang
All-In Podcast
The $1/Hour Worker: Four Robotics CEOs on Humanoids at Home, China's Threat, and the End of Dangerous Jobs
YouTube
音频
这集不是四家公司围绕同一道题展开的圆桌，而是主持人在大会现场接续进行的访谈。可见转写呈现三条路径：ANYbotics 用四足机器人巡检关键设施；1X 准备将 NEO 送入家庭，并开放给外部开发者；Agility Robotics 则让 Digit 从仓储中边界明确的搬运任务起步。三者面对的环境、客户和风险不同，却都需要回答同一个问题：机器人何时不再只是能动的硬件，而成为客户愿意持续使用的工作系统？
标题中的「每小时一美元」来自主持人对未来售价与使用时数的推算，不是嘉宾公布的现行收费。阅读时尤其要分清已部署的巡检、即将交付的家庭产品、规划中的安全升级，以及尚未证实的远期成本。
本集最有信息量的对照，是「先把任务做成」与「先把平台铺开」。ANYbotics 不把四足机器人描述为低价替工者：在油气、化工及能源设施，客户购买的是更密集、更敏感的巡检数据，以及避免昂贵停机和人员涉险的机会。机器人可以昂贵，只要它准确进入危险现场，并把洞察送进现有工作流程。1X 的 NEO 则走向变化无穷的家庭与社会场景，因而选择同时开放硬件平台、模型接口和数据采集工具，让开发者补足单家公司无法覆盖的任务。
这两条路线在「自主」上也不像宣传片那样泾渭分明。1X 认为远程操作既能处理早期产品的难题，也可用于专家必须亲自判断的罕见事件；但远程操作者的触觉和手部控制又未必能用尽机器人硬件能力。它押注让机器人足够像人，从大量人类视频中学习，再靠机器人实际工作产生更好的动作、力与触觉数据。Agility 的受访者从另一面提醒：互联网语言数据并不等于电机控制数据，世界模型与仿真有用，却无法抹去真实物体、环境和机体带来的差距。
商业化的门槛由此更清楚：工业客户要求安全认证和系统集成，家庭客户要接受早期产品的不完善，仓库客户不能因机器人进入作业区而牺牲人身安全。「一美元」之所以吸睛，恰恰因为它跳过了这些难题：售价达到某个未来区间，不等于包含维护、运营和停机后的实际小时成本。对读者而言，判断进展应先看特定场景中的可靠任务、安全边界与交付数量，再看远期成本曲线。
💬 他们说了什么：ANYbotics 的负责人说，公司约有 10 年历史，前 5 年更像研究实验室，后 5 年推进四足巡检。四条腿适合上下楼梯，并在湿滑地面、雨雪和草地保持稳定；狭窄空间或需要与人平视的场景则可能更适合人形机器人。主持人称其已有数百台设备部署，购买价格处于数十万美元的低段。
💡 为什么重要：形态选择不是「四足对人形」的审美竞赛，而是从地面、通道、任务和价格倒推。
⚡ 争议点：部署数量和价格主要由主持人口述，不能据此当作经审计的出货或成交数据。
💬 负责人称，热成像、声学麦克风和气体浓度传感器可发现人的眼耳难以察觉的微小泄漏及设备过热。有关设施一旦停机，每小时可能损失数十万美元；单次任务约 2 小时，机器人回坞充电后继续工作。他还称有客户一天执行 40 次任务；机器人本地处理避障与数据质量，云端负责历史和情境分析。
💡 高价传感器与算力的回报，取决于能否避免停机，而不只是省下多少巡检工时。本地与云端分工也受现场连接可靠性约束。
⚡ 「每天 40 次」未说明是单台机器人还是客户的整体任务量，不能与单次续航直接相乘。
💬 负责人举出挪威低温、沙漠高温、海上油气设施及海上风电变电站等场景，并称公司造出可进入爆炸性气体环境、不会产生火花的专用机器人。机器人目前可以发现问题，却还不能在真实爆炸性环境中以所需的 99.9% 可靠性修复问题；先关闭阀门、打开柜门，再走向更复杂的机械操作。
💡 把人从危险巡检中移开，与让机器承担维修责任，是两个难度不同的阶段。
⚡ 极端环境表现、无火花设计及可靠性目标均为受访者陈述；转写没有提供具体测试标准或独立结果。
💬 面对主持人关于中国低价机器人的提问，ANYbotics 负责人认为会行走的硬件不能替代自主巡检、工作流集成和可信数据处理；他提到公司的网络安全 ISO 认证。对于军事业务，他说公司目前不做、也无意按现有路线去做：军事通信、自主能力和应用软件并非给巡检机器加装设备即可获得。他反对武装机器人，并提到曾与 Boston Dynamics 等同行联署反对机器人武器化。
💡 关键设施采购比较的是完整解决方案，数据控制和用途边界都可能成为竞争条件。
⚡ 主持人提出的知识产权窃取、价格低 80% 及数据外泄风险，在访谈中没有得到逐项举证；不能写成已证实的行业事实。
💬 1X 创始人兼 CEO 承诺 2026 年向少数客户交付家用 NEO，同时强调初期会慢、产品仍不完善。预订设置过一次性付款和订阅两种模式，但订阅安排仍在演变。他还说将把 NEO 开放为平台，让外部开发者创建家庭以外的用途，而不仅是销售单一家庭技能。
💡 「开始交付」与「规模供应」差距很大；开放平台则把应用开发的一部分交给外部生态。
⚡ 交付承诺、技能市场和平台开放程度都属于当时的计划，不能当作已经普遍可用的功能。
💬 1X 负责人表示尚未公布正式预订总数，但首批 1 万个名额在最初几天售罄；谈到费用时，他确认了主持人提出的 每月 500 美元这一档说法。他说 2026 年家用人形机器人会有粗糙之处，且可能跌倒；「有用的完全自主体验」是看到希望、但尚不愿完全保证的目标。若要求任务从第一天就顺畅完成，仍可能需要远程操作或系统指导。
💡 市场兴趣、实际交付和自主完成任务，是三种不同的进展指标。
⚡ 「首批售罄」未交代最终履约量；每月费用也不能代替完整的最新购买条款。
💬 1X 描述的平台包含机器人操作系统、机队管理，以及配有与 NEO 相应触觉和视觉传感器的数据采集手套。开发者可在自己的场所采集数据、微调并部署模型，也可选择偶尔让人介入，甚至完全远程操作；公司表示还会允许其他团队的模型在 NEO 上运行。负责人举例：自己出差时可通过 NEO 在公司查看零件、参加会议；偏远电站偶发故障也适合由专家远程进入现场。
💡 远程操作不只是「自主能力不足时的补丁」，在低频、高专业性任务中本身可能有价值。
⚡ 遥操作能否经济地覆盖大量设备，取决于介入频率与任务难度；访谈没有给出可核算的运营数据。
💬 负责人将训练数据排成一座「金字塔」：顶端是量少但贴近机器人动作的远程操作样本，其下是人佩戴传感器采集的数据、第一视角视频，底层则是规模庞大的普通人类视频。他认为只有让 NEO 的手、身体乃至接触物体时的表现尽量接近人，才能充分利用互联网视频预训练。最终机器人执行任务产生的动作、触觉和受力数据更好，但须先有足够有用的基础模型，机器人才能广泛部署并持续产生这些数据。
💡 这是一套试图打破「没有好模型就没有部署，没有部署就没有机器人数据」循环的方法。
⚡ 普通视频缺少机器人控制信号；形态相似能在多大程度上转化为可靠操作能力，仍需真实任务证明。
💬 后段嘉宾认为，机器人如今更容易辨认环境中的物体，是明显的感知进步；但语言模型使用的互联网数据，不包含每个传感器输入对应的电机扭矩指令。机器人仍须通过演示、遥操作、动作捕捉或自身练习获得控制数据。世界模型可以让机器人在仿真仓库中大量试错，却仍面对真实世界中的冷凝水、物体动态和机体差异；他不相信存在单一「奇点」式解法。
💡 感知、理解任务和完成稳定动作不是同一种能力，不能因前者进步就宣布后者已经解决。
⚡ 该段位于所给转写省略部分之后；不能反推缺失访谈中其他嘉宾是否赞同这一判断。
💬 Agility Robotics 的受访者说，Digit 当前在边界较清晰的流程中搬运箱筐；双臂、全身控制与平衡能力，使它能在狭窄空间抬放较大的物件。他称计划于当年推出的 Digit V5 将不必依靠人与机器人之间的实体隔离栏，便可走出固定工作单元。团队此前与 Amazon 部署时发现，完成研发任务并不意味着达到客户的安全要求，因此重新审视了整机系统设计。
💡 人形机器人的规模化门槛之一不是再演示一次搬运，而是安全地进入人仍在工作的空间。
⚡ 「无需实体隔离」是受访者对新版本的预期，不能推定所有仓库环境都已获准无隔离运行。
💬 嘉宾称 Digit V5 可按 每天工作约 20 小时来考虑，并讨论了 5 年使用寿命；主持人据此粗算每年约 7,000—8,000 小时、五年约 40,000 小时。主持人再以未来机器人售价 2 万至 4 万美元推导「每小时一美元」，并拿工厂岗位每小时 10、20 或 40 美元作比较。嘉宾没有公布当前材料成本或每小时收费；公司同时提供客户购买设备与机器人即服务两种模式。
💡 长时使用确实能摊薄购置成本，但机器人能工作多久、是否始终有任务，决定了这个分母是否成立。
⚡ 「一美元」是主持人的未来购置成本除以假设工时，不含维护、能源、服务或闲置成本，也不是 Agility 报价。
💬 Agility 嘉宾认为，机器人可接手机器人领域常说的 3D 工作：枯燥、肮脏、危险；但专用自动化在全天重复的单一流程中，可能比人形机器人更有效率。他向年轻人提到工程基础技能，也列出无需都走博士路线的机器人操作、组装、部署与维护岗位。谈及更多手臂，他认为双臂已能搬大件，第三臂及更多手臂必须证明新增效用足以抵消协调复杂度；谈及安全，则提到监督电路和紧急停止装置。
💡 机器人产业创造的工作不只在模型实验室，还在制造、现场运营及安全保障环节。
⚡ 未来岗位质量和数量是受访者的展望；「接手危险工作」也不自动意味着对现有劳动者没有转型成本。
「客户甚至不想要机器人；他们要的是数据和洞察。」 “They don't even want the robot. They want the data. They want the insights.”
「机器人应在人不该去的环境中工作。」 “Robots should work in environments where people shouldn't be.”
「目前没有一个能解决所有机器人问题的通用模型。」 “There is no one general model that solves everything for robotics.”
「这些语言模型所用的互联网数据，并不存在对应的机器人控制数据集。」 “That data does not exist for robot control.”
「这里不存在银弹。」 “There's not a silver bullet at all here.”
「枯燥、肮脏、危险。」 “The dull, dirty, dangerous kind of stuff.”
三家公司的「最小可行成果」并不相同。巡检机器人只要在正确时间获得可靠读数，就可能创造价值；家用机器人必须面对开放式任务和早期用户的日常期待；仓储人形机器人则需要在高度重视安全的客户系统里反复工作。因此，跨公司比较一段动作视频，很容易忽略各自真正的验收条件。
访谈也给出一个有用的自主性分层：设备能自行移动、能识别环境、能完成某项操作，以及能在异常发生时安全收场，不应被一个「自主」标签合并。尤其是家庭与仓库，失败的代价不止任务没完成，还可能是物品损坏、流程中断或人身风险。
最后，劳动问题不能只看「机器人小时成本对比工资」。工业巡检的卖点可能是人难以感知的信号，专用设备可能比人形更适合固定流程，而机器人投入使用后仍涉及部署、操作和维护。哪些岗位减少、哪些岗位出现，以及转变有多快，仍需要比访谈中的远期算术更具体的现场证据。
