机器人还没下台：硅谷AGI峰会现场实录与祛魅思考

机器人会跳舞，但还下不了台

7月12日，斯坦福大学教职员俱乐部内，两台中国机器人登台演出：宇树机器人伴奏二胡名曲《赛马》，智元机器人随《Levitating》完成节奏互动。掌声响起，但台下安静下来得更快——人们开始问：它真能干活吗？真能自主吗？真能被信任吗？

一盆冷水：技术热度掩盖了现实水位

CMU教授、Skild AI联合创始人Deepak Pathak在演讲中直指行业幻觉：“网上那些机器人突破的视频很容易让人误解。机器人会跳舞，不代表它理解世界。”他重提莫拉维克悖论：对机器而言，“困难的事容易，容易的事困难”。后空翻靠精确控制，而走一段楼梯需要实时感知环境、判断高度、避开障碍——这恰恰是当前具身智能最深的断层。

为什么机器人进化比大语言模型慢？答案是数据。大模型吞噬整个互联网；机器人却必须在真实世界里“用身体试错”，而每一次试错又依赖已有的智能系统支撑——形成典型的“鸡生蛋”闭环。破局方向正在浮现：构建一个“通用机器人大脑”——Any robot, any task, one brain。模拟数据提供规模，人类操作视频提供行为多样性，真实产线数据锚定可靠性。这套系统已进入英伟达GPU工厂装配环节，并在台湾富士康产线开展落地验证。

商业化不是倒计时，而是条件未齐备

关于“机器人的GPT时刻何时到来”，现场最坦率的回答来自英伟达通用具身智能体实验室科学家罗正宜：“每次有人问我还需要几年，我都会说三到五年——而‘三到五年’通常意味着我不知道。”

猎豹移动董事长傅盛更进一步：“人形机器人5年内不会规模商业化。”他指出，目前约七成的人形机器人流向科研机构，这不是市场热情，而是商业闭环尚未成立。三大瓶颈清晰可见：软件上，缺乏物理世界大规模高质量数据，“机器人的ChatGPT时刻还没真正到来”；硬件上，关节、灵巧手、高扭矩电机等核心部件尚未形成成熟供应链，单点故障维修周期长达数周；形态上，轮式机器人成本仅为人形的十分之一，却可覆盖95%实际场景。“客户要的是解决问题，不是一个人形玩具。”

活下来的公司，都不执着于“像人”

九号公司副总裁Tony Ho坦言，团队曾尝试酒店配送、巡检等多个方向，最终在割草机器人上跑通模型——产品已服务全球百万家庭。“不要拿着锤子找钉子，先搞懂客户真正的问题是什么。”

傅盛则从亲身经历切入：因滑雪受伤坐轮椅数月后，他发现老人轮椅最大痛点是频繁撞门撞家具，于是将机器人级导航避障技术移植进智能轮椅，首批产品已出海欧洲。关键不在形态，而在是否击中“刚需、重复、可控”三个标尺。

交付效率成为To B生存命脉。过去部署一台机器人需工程师驻场调试一两天；如今通过Agent驱动的自配置系统，30分钟即可完成上线。UCLA副教授、Coco Robotics首席AI科学家周博磊提醒：机器人公司必须像科研一样定义自己的benchmark（基准测试）和niche（不可替代性）。iRobot的溃败即是前车之鉴——长期困于单一清洁场景，在中国供应链的成本与性能双重冲击下，于2025年12月申请破产，最终被代工厂深圳杉川机器人收购。

信任，才是AGI时代真正的基础设施

技术狂奔之下，信任正快速流失。Alecto AI创始人Breeze Liu在现场讲述自己成为Deepfake色情内容受害者的经历：全网查到至少800条伪造内容链接，其中142条托管在微软服务器。她向平台申诉，得到的回应是“我们没有这个技术”。这段遭遇推动她参与起草并促成美国首部针对性法案《Take It Down Act》，已于2025年5月签署生效。

她将Deepfake虐待称为“数字形式的缠足”：“98%的Deepfake是色情内容，99%的受害者是女性。对幸存者收费，我不认为那是对的。”其公司Alecto AI提供的检测与删除服务对个人用户完全免费。

斯坦福医学教授John Ioannidis从科研维度补刀：他统计317家AI独角兽的论文产出，发现仅占全球AI科学文献的0.1%；估值与真实科学贡献几乎零相关。“如今每7篇论文中约有1篇存在造假，规模约合每年100万篇。”

人类的工作，正在被重写而非取代

Metix AI创始人傅立科指出，当前产业最大瓶颈不是资金、算力或模型，而是人才——真正能推动技术落地的复合型工程人才极度稀缺。一位顶尖高校毕业生一周投递1082份简历零回音；一家机器人公司三个月面试22人，仅1人达标，且最终因更高薪酬跳槽。

未来组织的核心竞争力，不再是人力数量，而是高价值人才密度。“30位真正优秀的人才，完全可能创造超过300位普通员工的价值。”他强调：AI可以生成方案、执行任务，但它无法承担责任——执行会越来越自动化，而责任会越来越属于人类。

沃顿商学院副教授Lynn Wu基于加拿大经济研究发现：企业大规模采用机器人后，就业总量上升，但技能结构彻底重构。投资顾问AI暴露率达95%-99%，而水管工、电工不足10%。她直言：“软件工程师再也不手写代码了，现在交的代码都带水印。”但她更关注“工作的质量”：“如果我们创造的都是大家不愿做的工作，那就麻烦了。”

管理者的角色，正从“管人”转向“管智能体”

中层管理者正经历三重消解：自动化率先替代监控与计划职能；两年后，幸存管理者因技能滞后再度被裁；AGI时代，一个经理或将同时管理“5个人+100个智能体”。TSVC联合创始人夏淳提出新定位——“黑领工人”：如足球裁判穿黑衣满场奔跑却不触球，AI就是那个“球”。人的新职能有三：划界（明确定义AI与人的分工边界）、做园丁（培育、修剪、调控智能体生态）、担责（为AI决策签字、授权、承担法律后果）。

真正的三定律，不在科幻里，在标准中

Vecna Robotics创始人Daniel Theobald在闭幕时感慨：“阿西莫夫的机器人三定律是文学遗产，现实世界需要真正的三定律——可互操作、可理解、可叫停。”

今天，你坐进任何一辆车都知道如何启动，因为界面标准化了；而工厂机器人、配送机器人、家用机器人各有一套操作逻辑。他正推动跨厂商人机交互互操作标准，首轮会议已有超200家机器人制造商参与。最基础的问题是：人类如何告诉任何一个机器人“停下来”？

这与赫拉利早上的警示同源：“一辆时速100公里、却没有交通规则和刹车系统的汽车，不是先进，而是危险。”

结语：舞台还在，但主角正在换人

机器人还没准备好接管世界。它们会跳舞，但“下不了台”。而台下的我们，正站在一场静默转型的起点：重新学习如何工作、如何管理、如何定义人类独有的价值——判断、创造与责任。这场转型不靠口号，而靠一个个具体问题的解决：怎么让机器人听懂“停下”？怎么让AI输出可追溯、可问责？怎么让技术进步真正转化为“好工作”？

一切都已开始转动和发生。