首页人物观点整个机器人行业即将把十年的进步压缩到 18 个月内完成，而几乎没有人把这件事计入定价。硬件其实早就准备好了。早在 2018 年，波士顿动力的 Atlas 就已经能做后空翻。瓶颈从来不在电机或执行器，而在于——每一个机器人行为都必须手写代码。捡一个箱子？一套程序捡一个瓶子？另一套程序在仓库里把箱子从 A 架子搬到 B 架子，灯光稍微变了？ 👉 全部重来基础模型（Foundation Models）彻底打破了这一点。在 VLA（视觉-语言-动作）模型之前，教会机器人一个技能，就只得到一个技能： * 没有复利 * 没有迁移 * 没有泛化一个会叠衬衫的机器人，不会叠毛巾，除非从零开始再训练。数据生成的高人力成本，使得机器人数据集极其狭窄，模型严重过拟合，物体重量或桌子高度的微小变化，都会导致任务失败。现在不同了。一个 Gemini Robotics 模型，就可以处理它在训练中从未见过的任务。 Google 的端侧（On-Device）模型，只需要 50–100 次示范就能学会新行为，不是 50,000 次，是 50 次。这意味着：👉 新能力所需数据量下降了 1000 倍。速度效应开始层层传导第一层影响：部署时间崩塌过去需要 6–12 个月定制编程的工作，现在只需要几天微调。第二层影响：可服务市场爆炸式扩大大量以前“不值得自动化”的任务，突然变得可行，因为集成成本被数量级降低。第三层影响：数据飞轮加速每一台运行 Gemini Robotics 的机器人，都会把新数据反馈回基础模型。部署越多 → 模型进化越快 → 可部署场景越多。 Physical Intelligence 融资 24 亿美元，是因为投资人终于理解了这一点。波士顿动力与丰田研究院（TRI）合作，把大型行为模型（Large Behavior Models）接入 Atlas。所有人形机器人公司，都在疯狂寻找：👉 自己构建，或授权一个他们本来并不具备的“智能层”。市场的错误定价市场仍在按照硬件差异化给机器人公司估值。但硬件正在商品化。波士顿动力花了十年时间把运动控制做到极致，而现在，这只是入场门槛（table stakes）。价值正在彻底迁移到：谁拥有能跨不同形态泛化的基础模型。 Google 的真正位置 Google 用人类历史上最大的多模态语料库训练了Gemini，然后把 “物理动作” 加成了输出模态。这不是一家机器人公司在“加 AI”，而是：一家 AI 公司，它的模型现在开始输出电机指令。谁在看对？谁在看错？看对的公司：围绕基础模型的访问权构建业务看错的公司：仍然以为护城河在机械工程时间线错配，才是整个交易的核心 AGI 进入物理世界，不是 10 年后的预测。 Gemini Robotics：3 月发布具备链式思考（Chain-of-Thought）的 1.5 版本：9 月发布 👉 6 个月一次迭代而硬件公司呢？👉 3 年一个周期结论（直指本质）软件智能的时间线与硬件开发的时间线之间的巨大差距，就是整个机器人产业的机会所在。这，才是真正的 trade。 The entire robotics industry is about to compress a decade of progress into 18 months, and nobody’s pricing it in. The hardware has been ready for years. Boston Dynamics had Atlas doing backflips in 2018. The bottleneck was never motors or actuators. It was that every robot behavior had to be hand-coded. Pick up a box? That’s one program. Pick up a bottle? Different program. Move the box from shelf A to shelf B in a warehouse with slightly different lighting? Start over. Foundation models broke this completely. Before VLAs, teaching a robot one skill gave you exactly one skill. Zero compounding. Zero transfer. A robot trained to fold shirts couldn’t fold towels without starting from scratch. The labor intensity of data generation meant robotics datasets stayed narrow, robots overfit, and small variations like object weight or table height caused failures. Now a single Gemini Robotics model handles tasks it has never seen in training. Google’s On-Device model learns new behaviors with 50-100 demonstrations. Not 50,000. Fifty. That’s a 1000x reduction in the data requirement for new capabilities. The speed implications cascade through everything. First order: deployment timelines collapse. What took robotics teams 6-12 months of custom programming now takes days of fine-tuning. Second order: the addressable market explodes. Tasks that were never economical to automate suddenly are, because the integration cost dropped by orders of magnitude. Third order: the data flywheel accelerates. Every robot running Gemini Robotics feeds learning back into the foundation model. More deployments means faster improvement means more deployments. Physical Intelligence raised at $2.4B because investors finally understood this. Boston Dynamics partnered with Toyota Research Institute to bolt Large Behavior Models onto Atlas. Every humanoid company is scrambling to either build or license the intelligence layer they don’t have. The market is still valuing robotics companies on their hardware differentiation. But hardware is commoditizing. Boston Dynamics spent a decade perfecting locomotion, and now that’s table stakes. The value is migrating entirely to whoever owns the foundation model that generalizes across embodiments. Google trained Gemini on the largest multimodal corpus ever assembled. Then they added physical actions as an output modality. That’s not a robotics company bolting on AI. That’s an AI company whose models now output motor commands. The companies pricing this correctly are building around foundation model access, not around proprietary hardware. The companies pricing this wrong are still acting like the moat is in the mechanical engineering. AGI moving into the physical world isn’t a 10-year prediction. Gemini Robotics shipped in March. The 1.5 version with chain-of-thought reasoning shipped in September. They’re iterating on a 6-month release cycle while hardware companies iterate on 3-year cycles. The gap between software intelligence timelines and hardware development timelines is the entire trade.

整个机器人行业即将把十年的进步压缩到 18 个月内完成，而几乎没有人把这件事计入定价。硬件其实早就准备好了。早在 2018 年，波士顿动力的 Atlas 就已经能做后空翻。瓶颈从来不在电机或执行器，而在于——每一个机器人行为都必须手写代码。捡一个箱子？一套程序捡一个瓶子？另一套程序在仓库里把箱子从 A 架子搬到 B 架子，灯光稍微变了？ 👉 全部重来基础模型（Foundation Models）彻底打破了这一点。在 VLA（视觉-语言-动作）模型之前，教会机器人一个技能，就只得到一个技能： * 没有复利 * 没有迁移 * 没有泛化一个会叠衬衫的机器人，不会叠毛巾，除非从零开始再训练。数据生成的高人力成本，使得机器人数据集极其狭窄，模型严重过拟合，物体重量或桌子高度的微小变化，都会导致任务失败。现在不同了。一个 Gemini Robotics 模型，就可以处理它在训练中从未见过的任务。 Google 的端侧（On-Device）模型，只需要 50–100 次示范就能学会新行为，不是 50,000 次，是 50 次。这意味着：👉 新能力所需数据量下降了 1000 倍。速度效应开始层层传导第一层影响：部署时间崩塌过去需要 6–12 个月定制编程的工作，现在只需要几天微调。第二层影响：可服务市场爆炸式扩大大量以前“不值得自动化”的任务，突然变得可行，因为集成成本被数量级降低。第三层影响：数据飞轮加速每一台运行 Gemini Robotics 的机器人，都会把新数据反馈回基础模型。部署越多 → 模型进化越快 → 可部署场景越多。 Physical Intelligence 融资 24 亿美元，是因为投资人终于理解了这一点。波士顿动力与丰田研究院（TRI）合作，把大型行为模型（Large Behavior Models）接入 Atlas。所有人形机器人公司，都在疯狂寻找：👉 自己构建，或授权一个他们本来并不具备的“智能层”。市场的错误定价市场仍在按照硬件差异化给机器人公司估值。但硬件正在商品化。波士顿动力花了十年时间把运动控制做到极致，而现在，这只是入场门槛（table stakes）。价值正在彻底迁移到：谁拥有能跨不同形态泛化的基础模型。 Google 的真正位置 Google 用人类历史上最大的多模态语料库训练了Gemini，然后把 “物理动作” 加成了输出模态。这不是一家机器人公司在“加 AI”，而是：一家 AI 公司，它的模型现在开始输出电机指令。谁在看对？谁在看错？看对的公司：围绕基础模型的访问权构建业务看错的公司：仍然以为护城河在机械工程时间线错配，才是整个交易的核心 AGI 进入物理世界，不是 10 年后的预测。 Gemini Robotics：3 月发布具备链式思考（Chain-of-Thought）的 1.5 版本：9 月发布 👉 6 个月一次迭代而硬件公司呢？👉 3 年一个周期结论（直指本质）软件智能的时间线与硬件开发的时间线之间的巨大差距，就是整个机器人产业的机会所在。这，才是真正的 trade。 The entire robotics industry is about to compress a decade of progress into 18 months, and nobody’s pricing it in. The hardware has been ready for years. Boston Dynamics had Atlas doing backflips in 2018. The bottleneck was never motors or actuators. It was that every robot behavior had to be hand-coded. Pick up a box? That’s one program. Pick up a bottle? Different program. Move the box from shelf A to shelf B in a warehouse with slightly different lighting? Start over. Foundation models broke this completely. Before VLAs, teaching a robot one skill gave you exactly one skill. Zero compounding. Zero transfer. A robot trained to fold shirts couldn’t fold towels without starting from scratch. The labor intensity of data generation meant robotics datasets stayed narrow, robots overfit, and small variations like object weight or table height caused failures. Now a single Gemini Robotics model handles tasks it has never seen in training. Google’s On-Device model learns new behaviors with 50-100 demonstrations. Not 50,000. Fifty. That’s a 1000x reduction in the data requirement for new capabilities. The speed implications cascade through everything. First order: deployment timelines collapse. What took robotics teams 6-12 months of custom programming now takes days of fine-tuning. Second order: the addressable market explodes. Tasks that were never economical to automate suddenly are, because the integration cost dropped by orders of magnitude. Third order: the data flywheel accelerates. Every robot running Gemini Robotics feeds learning back into the foundation model. More deployments means faster improvement means more deployments. Physical Intelligence raised at $2.4B because investors finally understood this. Boston Dynamics partnered with Toyota Research Institute to bolt Large Behavior Models onto Atlas. Every humanoid company is scrambling to either build or license the intelligence layer they don’t have. The market is still valuing robotics companies on their hardware differentiation. But hardware is commoditizing. Boston Dynamics spent a decade perfecting locomotion, and now that’s table stakes. The value is migrating entirely to whoever owns the foundation model that generalizes across embodiments. Google trained Gemini on the largest multimodal corpus ever assembled. Then they added physical actions as an output modality. That’s not a robotics company bolting on AI. That’s an AI company whose models now output motor commands. The companies pricing this correctly are building around foundation model access, not around proprietary hardware. The companies pricing this wrong are still acting like the moat is in the mechanical engineering. AGI moving into the physical world isn’t a 10-year prediction. Gemini Robotics shipped in March. The 1.5 version with chain-of-thought reasoning shipped in September. They’re iterating on a 6-month release cycle while hardware companies iterate on 3-year cycles. The gap between software intelligence timelines and hardware development timelines is the entire trade.

Aakash Guptayoutuber, growproduct

2025/12/25 08:54 UTC

观点原文

整个机器人行业即将把十年的进步压缩到 18 个月内完成，而几乎没有人把这件事计入定价。

硬件其实早就准备好了。早在 2018 年，波士顿动力的 Atlas 就已经能做后空翻。瓶颈从来不在电机或执行器，而在于——每一个机器人行为都必须手写代码。

捡一个箱子？一套程序

捡一个瓶子？另一套程序

在仓库里把箱子从 A 架子搬到 B 架子，灯光稍微变了？

👉 全部重来

基础模型（Foundation Models）彻底打破了这一点。

在 VLA（视觉-语言-动作）模型之前，教会机器人一个技能，就只得到一个技能：

没有复利
没有迁移
没有泛化

一个会叠衬衫的机器人，不会叠毛巾，除非从零开始再训练。数据生成的高人力成本，使得机器人数据集极其狭窄，模型严重过拟合，物体重量或桌子高度的微小变化，都会导致任务失败。

现在不同了。

一个 Gemini Robotics 模型，就可以处理它在训练中从未见过的任务。

Google 的端侧（On-Device）模型，只需要 50–100 次示范就能学会新行为，不是 50,000 次，是 50 次。

这意味着：👉 新能力所需数据量下降了 1000 倍。

速度效应开始层层传导

第一层影响：部署时间崩塌

过去需要 6–12 个月定制编程的工作，现在只需要几天微调。

第二层影响：可服务市场爆炸式扩大

大量以前“不值得自动化”的任务，突然变得可行，因为集成成本被数量级降低。

第三层影响：数据飞轮加速

每一台运行 Gemini Robotics 的机器人，都会把新数据反馈回基础模型。部署越多 → 模型进化越快 → 可部署场景越多。

Physical Intelligence 融资 24 亿美元，是因为投资人终于理解了这一点。

波士顿动力与丰田研究院（TRI）合作，把大型行为模型（Large Behavior Models）接入 Atlas。

所有人形机器人公司，都在疯狂寻找：👉 自己构建，或授权一个他们本来并不具备的“智能层”。

市场的错误定价

市场仍在按照硬件差异化给机器人公司估值。但硬件正在商品化。

波士顿动力花了十年时间把运动控制做到极致，而现在，这只是入场门槛（table stakes）。

价值正在彻底迁移到：谁拥有能跨不同形态泛化的基础模型。

Google 的真正位置

Google 用人类历史上最大的多模态语料库训练了Gemini，然后把 “物理动作” 加成了输出模态。

这不是一家机器人公司在“加 AI”，而是：

一家 AI 公司，它的模型现在开始输出电机指令。

谁在看对？谁在看错？

看对的公司：围绕基础模型的访问权构建业务

看错的公司：仍然以为护城河在机械工程

时间线错配，才是整个交易的核心

AGI 进入物理世界，不是 10 年后的预测。

Gemini Robotics：3 月发布

具备链式思考（Chain-of-Thought）的 1.5 版本：9 月发布 👉 6 个月一次迭代

而硬件公司呢？👉 3 年一个周期

结论（直指本质）

软件智能的时间线与硬件开发的时间线之间的巨大差距，就是整个机器人产业的机会所在。

这，才是真正的 trade。

The entire robotics industry is about to compress a decade of progress into 18 months, and nobody’s pricing it in.

The hardware has been ready for years. Boston Dynamics had Atlas doing backflips in 2018. The bottleneck was never motors or actuators. It was that every robot behavior had to be hand-coded. Pick up a box? That’s one program. Pick up a bottle? Different program. Move the box from shelf A to shelf B in a warehouse with slightly different lighting? Start over.

Foundation models broke this completely.

Before VLAs, teaching a robot one skill gave you exactly one skill. Zero compounding. Zero transfer. A robot trained to fold shirts couldn’t fold towels without starting from scratch. The labor intensity of data generation meant robotics datasets stayed narrow, robots overfit, and small variations like object weight or table height caused failures.

Now a single Gemini Robotics model handles tasks it has never seen in training. Google’s On-Device model learns new behaviors with 50-100 demonstrations. Not 50,000. Fifty. That’s a 1000x reduction in the data requirement for new capabilities.

The speed implications cascade through everything.

First order: deployment timelines collapse. What took robotics teams 6-12 months of custom programming now takes days of fine-tuning. Second order: the addressable market explodes. Tasks that were never economical to automate suddenly are, because the integration cost dropped by orders of magnitude. Third order: the data flywheel accelerates. Every robot running Gemini Robotics feeds learning back into the foundation model. More deployments means faster improvement means more deployments.

Physical Intelligence raised at $2.4B because investors finally understood this. Boston Dynamics partnered with Toyota Research Institute to bolt Large Behavior Models onto Atlas. Every humanoid company is scrambling to either build or license the intelligence layer they don’t have.

The market is still valuing robotics companies on their hardware differentiation. But hardware is commoditizing. Boston Dynamics spent a decade perfecting locomotion, and now that’s table stakes. The value is migrating entirely to whoever owns the foundation model that generalizes across embodiments.

Google trained Gemini on the largest multimodal corpus ever assembled. Then they added physical actions as an output modality. That’s not a robotics company bolting on AI. That’s an AI company whose models now output motor commands.

The companies pricing this correctly are building around foundation model access, not around proprietary hardware. The companies pricing this wrong are still acting like the moat is in the mechanical engineering.

AGI moving into the physical world isn’t a 10-year prediction. Gemini Robotics shipped in March. The 1.5 version with chain-of-thought reasoning shipped in September. They’re iterating on a 6-month release cycle while hardware companies iterate on 3-year cycles.

The gap between software intelligence timelines and hardware development timelines is the entire trade.

ABAB AI 解读

下面给你的是一次性、终局级解读。不是产业评论、不是技术笔记，而是站在文明生产方式、资本定价、技术扩散速度与权力转移最高层的解析。

一、这段话真正讲的不是“机器人”，而是人类生产函数正在被重写

这句话的核心不是：机器人要爆发了

而是：“智能”第一次从软件世界，进入了物理世界，而且速度远超所有人的心理预期。

这不是一个行业升级，而是一次生产力跃迁。

二、为什么“硬件早就准备好了”是关键判断

这点极其重要。

过去十年，机器人行业的共识是：

硬件不行
成本太高
精度不够
稳定性不足

但事实是：

Atlas 2018 年就能后空翻
工业机器人早已 24/7 无人运行
传感器、电机、执行器早就成熟

👉 硬件从来不是瓶颈。

真正的瓶颈是一个更深层的问题：机器人“不会理解世界”。

三、手写行为代码，本质上是“用人脑模拟智能”

过去的机器人逻辑是：

每个动作 = 一段程序
每个物体 = 一套规则
每个环境变化 = 一次重做

这是在用：人类工程师的智力，硬编码所有可能性。

这在数学上是必然失败的：

环境是连续空间
行为是组合爆炸

（变化是无限的

👉 这条路必然无法规模化。

四、Foundation Models 的真正革命：第一次引入“行为的复利”

这是全文的核弹点。

在 VLA（Vision-Language-Action）之前：

一个技能 = 一个技能

没有迁移
没有泛化
没有学习曲线
这是“线性劳动”。

Foundation Models 做了什么？

它让机器人第一次具备了“能力复利”。

学会抓 → 推 → 放
学会一个 → 顺带学会十个
学过厨房 → 能适应仓库

这不是性能提升，是范式切换。

五、“50 次示范”这件事，严重被低估了

你要理解这一点的含义。

以前：50,000 次示范、数月采集、专用数据集

现在：50 次、当天完成、现场教学

👉 这意味着什么？

机器人从“工程项目”，变成了“可教的劳动力”。

这在经济学上是毁灭性的。

六、为什么说“十年压缩成 18 个月”

因为三个时间常数同时被打破：

1️⃣ 开发时间坍塌

从年 → 天

2️⃣ 集成成本坍塌

从百万美元 → 几万美元

3️⃣ 试错成本坍塌

从实验室 → 现场

一旦这三件事同时发生，扩散速度不再是线性的，而是指数级的。

七、真正的爆炸点：不是工厂，而是“过去不值得自动化的领域”

这是很多人没意识到的。

机器人真正的机会不在：汽车工厂、晶圆厂

而在：仓储、零售后端、医疗辅助、物流、服务业、建筑、农业

原因只有一个：这些地方不是“技术不行”，而是“工程成本不值”。现在这个约束消失了。

八、数据飞轮 = 物理世界版的互联网效应

这是全文最重要的“资本逻辑”。

每一个机器人：不是终端、是数据采集器、是模型训练节点

这意味着：

部署越多 → 学得越快
学得越快 → 能做的越多
能做的越多 → 部署越多

👉 这是互联网式正反馈，第一次发生在物理世界。

九、为什么投资人突然“懂了”

Physical Intelligence 融资 24 亿美元不是因为：团队更强、PPT 更好

而是因为投资人终于意识到：机器人不是硬件生意，而是“具身智能的分发渠道”。

谁控制模型，谁就控制所有机器人。

十、为什么“硬件差异化”估值模型已经失效

这是对整个市场的直接否定。

硬件的命运只有一个：商品化 + 压利润。

波士顿动力做到极致的运动控制，现在只是“最低要求”。

未来的价值结构是：

硬件：壳
传感器：输入
模型：大脑
数据：护城河

十一、Google 的位置，远比“机器人公司”恐怖

这句话非常重要：“这不是机器人公司加 AI，而是 AI 公司开始输出电机指令。”

这意味着：Google 不需要成为机器人厂商，只需要成为智能层的垄断者

就像：Android 不造手机但控制所有手机

十二、时间线错配，才是真正的“alpha”

这是最后、也是最狠的一刀。

模型：6 个月一代
硬件：3 年一代