一个关于机器人的帖子，一共十条，转给你做具身智能的朋友吧！

---

跟机器人前沿的 50 位朋友聊完之后，10 条有点犀利的看法：

1. GPT-Astra 就是机器人领域的 GPT-3 时刻。讽刺的是，它终于来了，但机器人圈里有些人反而不太愿意承认——也许（可惜）正因为它不是一家机器人公司做出来的？

2. 机器人正在变成前沿 AI 实验室的又一个垂直场景，某些方面跟写代码编程差不多。何必为每个行业都重造一遍通用智能？

3. 在此之前，机器人几乎没法「可核保地」押注（underwrite：投资/风控意义上站得住脚）。没有令人信服的预训练 scaling law，模型、数据、硬件也谈不上收敛。难怪有人把它贬成碎片化行业、在玩昂贵的「Demo 游戏」。GPT-Astra 也许终于给出一条可信的规模化路径。

4. 机器人基础模型创业公司还有叙事空间，但还有多大？一个说法是：GPT-Astra 负责 System 2（慢思考/推理），专用模型守住 System 1（技能）和 System 0（电机控制）。说得通。可这不已经把价值主张收窄了吗？而且谁说这条边界会一直停在这儿？

5. 看人才流动。据说 OpenAI 已把约 30–40 人的机器人团队，重组到以 GPT-Astra 模型为核心转了。另外据说 Tesla Optimus 的组织架构也在往通用模型靠拢。组织架构图，有时比任何 Demo 更能说明问题。

6. 机器人数据淘金是真的。百万小时级采购项目，有的甚至可能冲到千万小时级。单个前沿 AI 实验室的预算，有人谈到能逼近 10 亿美元。

7. 看好机器人硬件出货量。智能越来越容易获得，做出「有用机器人」的门槛可能大幅下降。护城河会转向可靠性、灵巧、系统集成与落地部署。

8. 机器人可能点燃下一轮半导体与存储超级周期。一个跑在端侧的 1000 亿参数模型，仅 4-bit 权重就要约 50GB 存储。再乘上百万台机器人。你以为黄仁勋为什么对机器人这么执着？Elon Musk 也早看到了（引用他关于「机器人内存需求将超过地球上其他一切」的帖）。

9. 自动驾驶能免疫「通用模型」的冲击吗？在编程和机器人之后，凭什么假定自动驾驶仍然是专有垂直模型的专属地盘？在我看来，Robotaxi 越来越像「已解决的问题」。可一旦前沿 AI 实验室杀进自动驾驶，我们可能看到类似苹果 VS 安卓的格局。想想这对特斯拉、Waymo 和其他整车厂意味着什么。

10. 下一个瓶颈未必是智能，而是部署。模型进步的速度，已经快过我们把机器人扔进混乱现实世界的能力。集成、硬件差异、故障恢复、经济性，仍然极难。真正的护城河，或许是把智能变成可靠、能赚钱的物理劳动。

——

我知道其中一些看法会戳到人，尤其是那些年复一年死磕机器人的人。那不是我的本意。

发这些是为了引发争论，不是要宣判谁赢谁输。GPT-Astra 才出来一个月左右，下定论还太早。更重要的是：当 TAM（可触达市场）大到可能是科技里最大的一块时，本该容得下不同路线、也容得下许多赢家。