马斯克支持大胆预言：14年后的地球，将有大约10亿个人形机器人！

一台号称靠人工智能自主干活的机器人，在一场演示里其实被一个真人在幕后远程操控着。更巧的是，这个操控者的名字，正好叫图灵。

当马斯克在公开场合抛出那句"地球上人人都会有一个、也都会想要一个"，还预言十几年后星球上将有约十亿台人形机器人的时候，你很难分清这是技术判断，还是又一场精心包装的资本故事。

先看那台被人操控的机器人。它叫Neo，出自一家名为1X的创业公司，创始人是伯恩特·伯尼奇。

按照他的说法，Neo几乎整个行为都是AI在驱动——它接收图像、力觉、触觉以及关于世界的一切信息，输入一个庞大的神经网络，输出的是驱动电机的指令，一直细到它施加的力和扭矩，从而完成平衡、行走到抓取的动作。

和传统机器人每次用同样方式重复固定任务不同，用AI的机器人理论上能在不可预测的环境里边干边学。这套东西有个名字，叫物理AI，涵盖人形机器人、通用机器人和无人驾驶汽车，凡是靠电机、传感器、摄像头加AI模型去理解周围世界的，都算。

这两个字母就是全部魔力所在：A和I。过去几年AI投资井喷，无数人抓住这个风口去做各种沾边的事，机器人是其中之一。

真正把火烧旺的，是那几张最有影响力的面孔。英伟达的黄仁勋说，这么多人形机器人需要的正是物理AI来充当大脑，而英伟达既有能塞进机器人体内的芯片，又几乎垄断了训练大模型所需的数据中心GPU——因为人形机器人的真实世界模型，和生成式AI用的是同一套技术底座。

OpenAI、谷歌、特斯拉也都在押注同一件事：把AI从屏幕里搬到现实中，能挖出巨大的钱。而马斯克的口径最夸张，他说特斯拉的Optimus每年能带来数以万亿美元计的收入。数字一旦大到这个地步，吹嘘也就随之而来。

可吹嘘既建不起供应链，也改写不了全球劳动力市场。要做到这些，缺一样东西：数据。加州大学伯克利分校的肯·戈德堡研究机器人四十年，他点出了要害。ChatGPT这类大语言模型是"书本聪明"，它做的是根据一串词预测下一串合适的词。

可机器人要生成的不是词，是动作——它需要一串图像、一段视频，再配上一串发给机械臂的动作指令。而这类physical experience几乎从没被记录过。摄像头输入对应着什么动作输出，没人系统采集过。戈德堡把这道鸿沟称作"机器人数据缺口"。

想让机器人叠衣服，你得先有海量关于衣服怎么叠的信息，它才能从中看出规律。可你想过没有，光是捏起一块布料而不把它攥坏，对一双机械手指来说有多难？

为了填这个坑，各家在拼命造数据。

一是仿真，在虚拟世界里让成千上万台机器人同时学习，长处是规模，短处是虚拟世界缺乏真实细节。

二是扒YouTube上人操作物品的现有视频，可从二维画面里还原三维结构极其困难。

三就是遥操作，戴着VR眼镜的人在幕后当"提线木偶"，把机器人的动作和画面一并录下来当训练数据，慢是真慢，但确实有一批"数据农场"的人正在这么干。

这也是Neo演示里那位"图灵"在做的事。再往后，1X越来越多地用一种"世界模型"——像AI视频生成一样，先预测机器人该做的动作画面，再让真实机器人去执行，从结果里反过来改进预测。戈德堡管这种越滚越强的循环叫"飞轮"。

有意思的是，把机器人真正推出实验室、丢进现实里滚数据这件事，有个地方跑得比谁都快。北京一座旧奥运滑冰馆里办起了首届世界人形机器人运动会，机器人在里面跑、跳、跳舞、拳击、踢球。这背后是国家层面的长远布局。

早在中国制造2025的规划里，机器人就和新能源汽车、半导体一道被列为增长引擎，大笔资金持续投入，还追加了近万亿元人民币去推动新兴技术。结果是超过一百家中国企业都在做人形机器人，多到官方都出面提醒可能存在泡沫。

即便如此，中国目前在人形机器人出货上已经领先，就像当年在电动车上做的那样。像智元、优必选、宇树这些公司，一年里出货量位居各国前列。凭什么？

凭电子产业从电路层到整机的供应链几乎都在中国，凭规模，凭垂直整合——传感器、AI芯片、电池的零部件都能自己供上。规模意味着更好的经济性和更快的动作。当一个国家正面对劳动力萎缩、又已在工业机器人部署上领跑世界时，这种优势会很管用。

但要让这些投入回本，光会后空翻远远不够，它们得去上班。一位研究技术变革对福祉影响的经济学家说得冷静：担心技术抢饭碗从来不是新鲜事，真正该想的是部署时工人是否被纳入进来，因为部署方式将直接决定人们工作的质量。

工厂里机器人干了几十年焊接、喷漆、装配这类固定活，问题是它们不通用，而人形机器人正是冲着"人能干的活我都能干"来的。据估计，仅美国到2033年前后就可能有近两百万个制造业岗位空缺。

可想补这个缺，机器人得像人一样安全地在人身边移动和解决问题，而眼下这只发生在极少数、被严格控制的试点里，操盘的都是大公司。

宝马在跑试点并公布早期数据，亚马逊、现代也在测。物流公司GXO的帕特里克·凯莱赫说，他们发现人形机器人在冷库这类环境或许有用——机器人能在里面顶满一整块电池的时间干活，而不必让员工长时间待在严寒里受罪。

只是它们还差得远。凯莱赫直言，这些机器人会损坏货物、掉货、把东西放错位置，必须有员工在旁边纠错和审核。它们慢、电池撑不久，拿起一个箱子、握住一件物品这种我们习以为常的事，恰恰需要它们靠电机和执行器很难复现的灵巧。

他判断未来几年内，人形机器人拿不走员工手里那些太复杂、太关乎质量的活，而且基于最终成型的技术，投资回报究竟如何，眼下根本没算清。

更别提医院和家庭这种半结构化环境——有流程有规范，却处处是意外，甚至是生死攸关、犯错代价极高的场合。工厂能把人隔开让机器人自己干，医院不能。若是把一个还会掉货放错位的机器去照看病人，换成你，敢放心吗？

戈德堡在这行干了四十年，他说自己很乐观，这个领域还有许多年的问题值得研究，但重要的是对时间表保持现实。

回到那句"十几年后十亿台"的预言，飞轮转得再快，也绕不开那道数据缺口，绕不开一只捏不稳布料的手。片子最后留下的画面，是一台人形机器人站在阳台上向你挥手，无人机缓缓拉远——挥手的那台，或许仍需要幕后一个"图灵"替它抬起胳膊。