iPhone 包装揭示了机器人领域的机遇

不管别人怎么说，到了 2026 年，我们仍然拥有高度互联、彼此依赖的全球供应链。美国公司和中国公司都在认真思考，长期战略究竟应该是什么样，最终大家都在努力提升自己的工业能力。

我们卖机器人给的大多数客户，以前从来没买过机器人。

市场上几乎全是从零开始的新机会。现实是，你得打造一个全栈平台。Tutor 的机器人已经帮助生产并向美国消费者运送了超过 2.5 亿件商品。我们在训练前沿机器人 AI 模型、大规模制造机器人，并直接把它们部署到供应链中规模最大的企业。

我是 Josh，大约五年半前创办了 Tutor。我们的核心想法是：如果能把机器人部署到现实世界里、部署到实体经济最需要机器人的地方，就能逐步建立起让机器人普及所需的数据集、模型和供应链。我们大约有 160 名员工，主要在波士顿。我们训练前沿机器人 AI 模型、大规模制造机器人，并直接部署到供应链中规模最大的企业。

我们的机器人已经部署在美国各地，客户从夫妻店一直到《财富》50 强、100 强企业都有。Claude 昨晚告诉我，它估算 Tutor 的机器人已经帮助生产并运送了超过 2.5 亿件商品。

这要从公司的起源说起。当时我们研究机器人学习的现状，很明显，机器人智能和软件是瓶颈。过去 60 年里，机器人一直是定制工程设备，没法规模化。我们创办公司时的想法是，只要开始部署机器人，就能建立用于训练模型的标注数据集，最终把价值交付给美国消费者。

这是个思想实验。我们意识到，地球上有 80 亿人，每个人都具备我们希望机器人拥有的基础身体智能。假设有一种无限强大的软件，能把地球上的任何人连接到任何机器人，让那台机器人具备智能——这就像 ASX 的设想，突然间你就拥有了无限的机器人智能。先假定这件事已经解决，那接下来呢？问题其实并没有解决：你仍然得大规模制造机器人。

今天机器人还是个小作坊式的行业。在美国，即使是制造业、物流业这类自动化程度最高的行业，机器人所占的比重也微乎其微。软件还不存在，客户也还不存在，因为机器人还做不了客户想让它们做的工作。所以我认为，机器人不是技术栈里的某一个层面：不只是智能，不只是硬件，也不只是客户。关键是把这三部分组合起来；在我看来，只有三者结合，才能在任何一个层面上做成成功的平台。

我们内部常说，机器人公司是终极的系统公司，而不是只做其中某一层。

也包括市场拓展。

我觉得这些都得做。我还只是个机器人研究者、只做技术时，我的长处是看问题比较全栈，愿意考虑制造、硬件，也愿意考虑 FPGA 和 ASIC。要是你也把机器人看成终极的系统问题，就会发现，取得进展的唯一办法，是尽可能跨越技术栈的多个层面，找到巧妙的取舍。

创办公司之后，我越来越清楚，机器人所说的全栈并不只是模型、硬件和软件，还包括供应链、客户和产品。

一方面，过去缺少智能这个核心要素，系统的单位经济因此很难达到一定水平。另一方面，市场高度分散，参与者无数，彼此还得合作；而机器人需要你能跨整个技术栈做取舍。

我觉得这是市场成熟度的问题，早期计算机市场也有类似情况。对我们来说，问题是：怎样构建通用平台，让人们可以在机器人之外经营各种业务？今天有很多很棒的软件公司，经营者不必考虑芯片架构。我们怎样才能让实体世界也做到这一点？我们认为，必须打造全栈平台，而判断平台是否真正奏效的唯一办法，是让成功的业务单元在它上面运营。

人形机器人的妙处，恰恰在于它提供了这种清晰抽象。想想 CPU：它是一台通用计算机器，不会针对每一种用例做到极致，但足够通用，能运行大多数计算任务。

不会，不过计算领域也有类似情况：有 CPU、GPU、ASIC。市场成熟度提高后，先是只有定制专用机器才有市场，之后才逐渐走向通用。在机器人领域，这会表现为人形机器人等相近形态；再往后，最终会突破到那种……（原文此处语句中断，待核对）。

Tutor 创立时的想法是，互联网上有一个由人类智能构成的网络：人们发社交媒体、写邮件。这些人类智能通过自然产生的数据，为大语言模型和其他数字世界模型创造了漂亮的数据集，可以用来训练通用模型。但实体世界的工作没有以同样方式留下记录。我拿起咖啡杯，没人知道；没人记录我指尖施加的压力，也没人记录手指处于什么姿势。因此，我们没有这样的数据资产。

Tutor 的核心想法是，与其试图从零数据里找出构建机器人智能的算法——这对我们来说像是个先天不利的问题，计算机视觉和自然语言处理的发展也不是这么来的——不如在现实世界建起一张机器人网络。我们可以让人类远程操作员连接这些机器人，我们称他们为“导师”，由他们教机器人完成新任务。就像互联网自然产生数据集、训练前沿模型一样，我们也可以建立机器人训练数据的互联网。

这会带来很好的效果：这不再只是一个需要大笔资本投入的项目。我们在搭建网络的同时，也创造真实经济价值：部署机器人、收集数据的过程，会让大家买到的商品更便宜。所以我认为这是一种很独特的正和局面。我们给公司取名时想到的不是严格意义上的人工智能——里面确实有人工智能，但我们最终打造的是 Tutor Intelligence：连接并控制这些机器人的“导师智能”。

对我来说，这说明机器人做得不错。客户想要的反馈应该是：“我批量生产的洗发水现在每瓶便宜了五美分。”如果他们反馈“这机器人真漂亮”，那它多半是个很糟糕的机器人。

我们会很务实地看：导师带来的运营复杂度是什么，经济影响又是什么。比如，可以算出用 H200 运行模型的服务成本、它的工作占空比和利用率。对人类智能也能这样分析：我们真正需要人类提供哪种多样化智能，目前模型还做不到？接下来就是单位经济问题：要让模型做到最后那九成，你得投入多少工程，和使用导师相比哪个更划算？我们希望尽可能保留各种取舍，才能让这样的业务跑通。

这是个大问题，归根结底要看数据是什么、从哪里来。互联网的神奇之处在于：如果一家公司在应用层为软件工程师提供工具、加快软件开发，它自然会接触到大量真正有经济价值的工作。如果这项业务能赚钱，它也很可能同时产生有价值的数据，经济激励是一致的。

机器人也一样。要是我们只是给所有人头上绑摄像头，再把他们派到印度尼西亚去做各种事情、收集数据，那就没有保证；你可以猜数据有用，但没有市场这只“看不见的手”帮你确认它确实有经济价值。反过来，如果机器人在真实客户现场工作，客户也在为它们执行的任务付费，那你就知道这些数据有经济价值。

这或许没关系，经济账算得过来就行；也可以用其他数据来源。我认为我们不是纯粹主义者，愿意做各种取舍。我们很喜欢用仿真拓宽数据分布，也喜欢用互联网规模的数据拓宽分布。所以除了真实世界的机器人数据，我们还有很多工具可用。

这是个巨大的变化。过去大家都知道，模型里已经包含了关于世界的通用知识，但模型没法真正表达出来，缺的最后一公里是空间推理能力：把 GPT 模型知道的东西，连接到动作扩散 Transformer 模型能掌握的东西上。现在情况变了，实验室开始用 CAD 等三维空间数据对模型做后训练。

是的，而且我们已经经历过几次这样的变化。我们在 2021 年创办公司，最初用卷积神经网络做这件事，所以每次技术大变革我们都赶上了。始终有价值的是数据流。

先给大家一个背景：2025 年，美国部署了 3.8 万个工业机器人工作单元，这个数字很小。

对，把 Fanuc 算上也就这些。美国几乎没有部署 Unitree 机器人；如果有的话，也应该会出现在这些数字里，但大概是零。现有机器人供应链规模太小，而且方向也不对。Fanuc 和 ABB 制造的机器人，大多不在美国生产；即使在美国生产，设计对象也主要是系统集成商，适合快速、重复的动作。它们不是为了与前沿模型协同设计而做出的取舍。

所以硬件方面我们几乎从头做起。我们目前不造执行器，也不造相机，这些有很多是从规模更大的 OEM 厂商采购的。但机器人本体——会移动、装有机械臂、能执行各种任务的设备——我们在马萨诸塞州沃特敦自己设计并大规模制造。

我们做两种。

一种叫 Cassie。它很结实，专为重体力工作设计，只有一条机械臂，配有很多吸盘，由基础模型驱动，参数规模大约在 2 亿到 4 亿之间。Tutor 在 2021 年创立时，研究的就是基础模型能为机器人做什么：它们可以预测物体的可供性和抓取方式，然后让机器人执行。Cassie 是硬件设计、可规模化制造的能力、模型实际能做的事，以及市场需求共同设计的结果。在美国，实体经济里的东西都得放在托盘上或纸箱里运输，因此有大量体力劳动要靠人手搬运托盘和箱子。Cassie 就是针对这一需求设计的。我们大规模制造它，并部署到制造业和物流业各种不同的企业。

第二种机器人叫 Sonny，是工业用的半人形机器人。你可以想象有人看着一台 Unitree 说：“我需要它能在工厂里按人类的工作节奏和可靠性，连续运行三到十年。”那你就会做出不同的设计选择。Sonny 用轮子而不是腿，因为多数室内工业场所有抛光地面；它载荷更大、移动更快，并符合工业协作安全标准，可以在人类身边作业。我们在波士顿的数据工厂里有 100 台 Sonny，收集内部数据、推进研究；现在也有越来越多 Sonny 部署到现实场景，进行更灵巧的人工操作。

这取决于你怎么定义“有用市场”。如果只看制造业和物流业，今天 Sonny 和 Cassie 大概能完成 80% 到 90% 的工作，因为它们就是针对这类任务设计的。

我不确定大家是否普遍了解这些工作。

大多数人对美国工业基础、制造业和物流业的印象，来自《制造的原理》（How It's Made）这类电视节目。你们俩应该都看过吧？

节目里会出现各种鲁布·戈德堡式机器，满是杠杆，看上去整座工厂就是一台机器，也看不到工人。这种工厂确实存在；如果有，他们大概会拍下来放进节目里，因为那只占美国制造业和物流业的前 0.01%。那剩下的是什么样？你走进占地百万平方英尺的设施，会看到很多人在传送带旁或折叠桌边站着，手工做各种事。对于不属于这个行业的人来说，这很令人震惊。

Cassie 可以做大量繁重、累人的工作，而这类工作很难招人，员工三个月就会流失；从事这些工作的员工平均年龄 55 岁，眼看就要退休。所以我们可以让 Cassie 来做这些苦力活。Sonny 则能做另一类工作：你买的东西只要装在盒子里，就曾经有人把它放进盒子里——对很多人来说，这个事实挺惊人的。凡是需要一定程度组装的东西，都是如此。比如 iPhone，你可能会以为是机器人把包装组装起来；其实即使在规模最大的生产线上，那也是人做的。

对。它们做不了什么？

它们还不能去户外，而户外其实有很大的机会。

不是移动能力，而是硬件。机器人有轮子，有一点牵引力，也有可活动的支腿，但它们开不过碎石路。建筑施工领域有巨大的机器人机会，也可以让机器人从垃圾填埋场回收材料。这些场景需要有腿的机器人，我想它们最终会成为我们机器人形态的一部分。家用机器人也是如此；现在你大概不会想把 Cassie 或 Sonny 放在家里，它们还是太像工业设备了。

这是个有意思的挑战，因为我们卖机器人给的大多数客户以前从来没买过机器人。美国每年只部署 3.8 万台机器人，十家美国工厂和仓库里有九家没有机器人，所以市场几乎全是从零开始。这些客户了解传统自动化是什么样，也因此觉得机器人不适合自己。

要打破这种想法，不能光讲 AI、模型或导师。我们会直接问他们：“有没有考虑过每小时 16 美元的机器人？”他们以前没听过这种方案。接着我们再解释业务模式，让他们感兴趣、参与进来。我们和客户的激励真正一致，因此部署机器人的速度比传统工业自动化快了好几个数量级。从第一次电话到签机器人合同，平均 40 到 60 天；签约到机器人进场工作，平均大约 40 天。机器人通常一天内就能进入生产，有时到场几小时内就开始干活。机器人是通用智能、无需定制的机器，可以直接从工厂发给客户；而且客户不承担经济风险，所以我们能很快让他们加入。

运营团队很棒，因为他们看到它能工作，就会说：“它确实能干活。我知道所有需要干这份活的地方，我们把它放到那些地方去吧。”所以我们能很快扩大规模，既服务小企业，也服务供应链里最大的公司，从一个地点一台机器人，发展到多个地点十几台以上。

不过，和生成式 AI 类似，这里也有社会层面的因素：人们会对自己的模型产生感情，很难换掉模型。你们部署机器人比现在大多数人都有经验：客户把机器人当设备，还是当成一个“存在”、当同事？

这说法还真挺贴切。

至少在工厂经理层面是这样。不过机器人领域有个有意思的情况：买家不是使用者。买家是 COO 或总经理，使用者是整天和机器人一起工作的工厂工人。你确实需要培养工人和机器人之间的关系，因为工厂或仓库不会百分之百自动化，我们只是自动化其中一些岗位。

很幸运，学界有个研究领域叫人机交互（HRI），很多人花了大量时间研究这类问题，我的学术背景里就有不少相关研究者。

有不少方法。比如，每台机器人都有名字，这样大家就能和机器人建立关系。

主要是我们的制造技师。

客户和 Tutor 扩大合作、再次下单时，就可以给新机器人起名。

对，新机器人可以由客户命名，这样客户会更有归属感。我们看到很强的信号：有人用自己孩子的名字给机器人命名。

人们确实会很喜欢这些机器人，因为它们最终帮上了忙，让工作更轻松。生产线工人不用再做那么多伤身体的活，也能升到更高的岗位；而这些地方本来就招不到人。对工厂经理来说，工作也会轻松一千倍。

一开始我们按飓风的方式命名，后来……

客户不知道“Britney”这种名字可能对应某个节点或编号。后来我们停用了飓风命名，因为字母表循环太多次，已经很难追踪。

我想技师们就挑自己喜欢、能让自己开心的名字。我们很幸运，也很荣幸能在美国雇用一大批帮助制造这些机器人的员工。

原因有很多。首先，中小企业就是市场主体：美国制造业和物流业里的绝大多数企业都是小企业或中型市场企业。想服务这个市场，就得服务它们。

我们创办公司时，看到很多非常学术化、供应链导向的机器人创业公司出现，后来却没能成功。我们有机会反思它们哪里做错了。我认为机器人公司常犯的一个错，是它们并不是真正的产品公司。它们会想：某家大公司有个非常具体的问题，愿意签一份很漂亮的意向文件，说以后会扩大合作；于是我们花两年造一个高度定制的系统来解决这个问题，再部署出去。结果很可能不管用，因为任何做过产品的人都知道，不能一次做完就算了，产品需要不断迭代。即使最后做成了，也没人保证客户还会有这个问题，公司就完了。

我觉得自己连续看到了五到十次这样的情况，简直会想：天哪，要是发生在我们身上就太丢脸了。服务不同类型的客户，是打造正确产品形态的绝佳推动力。对我们来说，这种产品是通用机器人。我们不想造一台只对某个大型工业客户特别好用的鲁布·戈德堡式机器；我们想做一个平台，让具备通用能力的机器人本体运行通用机器人模型，拿到任务就能干活。如果两周内就能和一家中型企业签约，随后马上让机器人开始运行，那就说明我们做出了完全不同类型的产品和业务，而且做对了。

我觉得所有方面都会变好。有一类商品只要更便宜，我们就会买得更多；如果你相信这些商品有价值，那对所有人都有好处。世界上还有很多临界点。前几天我和一位在威斯康星州预制房屋工厂生产线上工作过的人聊，他们说工厂造房比传统现场施工贵大约 5%。但如果工厂造出的房子比现场施工的同等质量房屋便宜哪怕 1%，开发商的需求就会立刻转向工厂造房。垃圾填埋场材料回收等许多市场也是如此。

我们希望 Tutor 成功后，能提供机器人基础设施、提供一支劳动力队伍，让其他企业借此改造实体经济，最终让世界变得更便宜、更宜居。

我们没有预设立场，什么场景都可以去。但我想家用会是更难的技术问题：任务复杂度和安全性都更高。

这又回到我们的整体理念：尽可能在技术栈的多个层面做取舍，先找到立足点、建立平台。平台越成熟，随着时间推移，需要做的取舍就会越来越少。

我们努力让它尽可能相似。我们自己制造机器人，因此能掌控制造流程，摸索如何每两周就把改动推到生产线上。机器人代码要么每天更新，要么每两周发布一次大版本。我们建了大量基础设施来支持这种迭代，还设计了一种很特别的产品职能：组织里的产品团队紧挨着客户成功和落地实施团队，实际上作为一个大团队运作，尽可能贴近客户。我认为这很成功。

我们还有研究团队，一方面深入了解客户的问题，可以调动各种手段，从客户那里获取特定类型的数据；另一方面也能承担大胆探索。如果建模上出现突破，让机器人能做全新类型的事，我们就能围绕它共同设计产品，并比大多数公司更快推向实际场景。

可以在网站填邮箱。我们还有很实用的定价计算器，你可以输入仓库或工厂现在的运营数据，估算一开始部署 Tutor 机器人每年能省 10 万、100 万，甚至 1 亿美元。这不是要花五年定制工程才实现的路线图，而是两个月后就可能每年省下 100 万美元，而且不用先砸资本支出。

需求非常大。不过人们未必是在要机器人，因为他们不知道这种机器人存在，也不知道它能工作、能做这类任务。我们有个衡量机器人价值的框架：机器人能完成多少工作，除以它的成本。就这么简单，其他都是评论。如果我们能在美国实体经济这些流动性很强的劳动力市场里竞争，用更低的成本提供同等或更强的能力，那市场就是整个实体劳动市场。

两者都算，这点和过去很不一样。传统上大家把机器人看成投资回报问题：先付一大笔资本支出，十年后收回。但现在越来越多成本来自持续推理和远程操作。

我们会随着时间降低所有成本。但如果你是在问成本构成，现在持续性成本更高，这一点让很多人意外。

这是战略性的。企业知道员工的年龄结构，也知道各种长期趋势会推高需求，完成这些工作的成本也在上涨。他们会想：这门生意的账该怎么算？它们不像软件公司，毛利率很高，还能压缩一点也没关系；对它们来说，生意要么能做，要么做不下去。

所以我认为，客户真正需要的是一个长期伙伴，替他们负责机器人。比如客户生产除臭剂，他们会专注于除臭剂；生产蜡笔，就会成为蜡笔生产运营专家。他们需要一个机器人方面的专家作为合作伙伴。

我觉得变化会很大，里面有很多地缘政治因素。一个重要变化是，这会成为美国与其他国家、比如中国之间的巨大均衡器。中国投资了上一代工业自动化，有些方面因此非常成功；但从事后看，这也可能是个巨大的错误。刚才说过，美国可以从零开始，用通用能力机器人建设自动化工业产能；中国则得先拆掉现有体系。美国不必用同样的方式重来。

另一个有意思的变化是，工厂会多得多。云计算和软件工具让更多人能创办企业，所以今天的企业数量增加了。类似地，有了这支无限、灵活的劳动力基础设施，任何人都能在实体世界创业，也都能把实体业务做大。

归根结底，不管别人怎么说，到了 2026 年，我们都有高度互联、彼此依赖的全球供应链，这只是其中一个例子。美国公司和中国公司都在认真思考长期战略是什么样；中国公司在美国投资，美国公司也在中国投资，最终大家都在努力建立自己的工业能力。

供应链有个难题：机器人还是个小作坊式行业。起初零部件来自 OEM 厂商；当你的量变大，它们就不再只是 OEM，而更像代工厂商，甚至你的业务量占了它们相当大的一部分。这时关系和合作方式都会改变：这类零件继续找联合制造商合适吗，还是应该自己生产？

我想是这样。

可能两者都有。Tutor 要成功，美国就得有成熟的机器人供应链。我们会成为这条供应链的主要需求方，所以既有责任，也有机会大力投资，在美国建设这种产能。这就是我们在马萨诸塞州沃特敦制造机器人的原因，也是我们预计会继续垂直整合、在美国制造越来越多机器人零部件的原因。

我们在思考大语言模型的发展过程，哪些相似、哪些不同。LLM 的一项关键经验是，数据来源可以很多样，但数据质量的顶峰是真实世界的强化学习轨迹，也就是实际执行你想让模型完成的任务。因此，我们设计研究项目时就在想，怎样最大限度利用机器人在真实世界的经验。

我们在波士顿建了一支 100 台机器人的队伍，叫 Data Factory 1。据我们所知，这是美国规模最大的半人形机器人数据采集场。我们把它当作研究试验台，探索怎样让机器人在真实世界大规模开展强化学习。强化学习是一类技术，小批量数据通常效果不好；如果有大批机器人在真实世界运行，就能开始试验这些方法，我认为学界和业界此前都没法这么做。

我们什么岗位都在招：研究人员、工程师，覆盖技术栈的每一层。我们也在招制造机器人的技师。

对，方方面面都得管。你想不想管，最终都得面对；区别在于你是否理解它。我们正在组建一支很特别的团队：技术栈各层之间要跨学科合作。更特别的是，可能全世界只有少数地方，上午还能围着白板讨论模型架构，下午就去看工厂产线、观察机器人怎么工作。

团队分布在美国各地，尤其是市场拓展人员和技师，他们要和客户打交道，而我们的客户遍布全美。