文章轉載自Wired
瑞士新創 Flexion（前輝達工程師創辦）訓練人形機器人自主完成辦公室雜務。產業共識：人形本身不是革命，背後 operational 的 AI 模型才是。
能跑、能跳、能跳舞的人形機器人不稀奇了，但當它真的走進辦公室，自己開門、爬樓梯、搭電梯、拿回快遞並拆封擺好——這畫面就有點「恐怖片」的味道了。Wired 資深記者 Will Knight 6 月 29 日報導了一家瑞士新創 Flexion Robotics 的展示：一台改裝過的宇樹（Unitree）人形機器人，接到一句「有零食包裹送到前台，走樓梯拿回、搭電梯上樓、拆封放進食品抽屜」的指令後，全程自主完成，而它背後站著一群前輝達（NVIDIA）機器人研究員。
不是「教動作」，而是「教決策」
過去機器人展示多是「單一任務+遙控操作」：人戴著設備遠端操控，機器人學的是某個固定動作（摺襯衫、上貨架），一旦換到陌生環境就失效。Flexion 的做法不同：它先在模擬器（仿真）裡把「開門」「爬樓梯」「搬箱子」等單項技能訓練好，再靠一個「主控 AI」決定這些技能怎麼組合、按什麼順序用。換句話說，它把「做什麼、何時做」的決策，和「怎麼物理執行」的動作分開——前者用 AI 學，後者用模擬器練。
更巧妙的是，主控模型靠「看人類影片」來學習。它消化大量人類做事的影片，學會「要採取什麼動作、在什麼時機」，而不是精確模仿肌肉運動；真到了現場，再觸發模擬器裡練好的技能，並接管馬達控制走路、平衡、伸手。Flexion CEO、前輝達研究員 Nikita Rudin 把「秘密配方」歸結為一點：強化學習——從主控模型、模擬器到馬達控制，每一層都用「試錯」來練。這正呼應了當下機器人學的核心轉向：數據瓶頸不在硬體，而在「讓機器自己學會決策」。
人形不稀奇，「大腦」才值錢
圖片來源：Wired
這篇報導點破了一個被熱鬧掩蓋的真相：人形機器人的硬體（關節、馬達、外殼）正在快速商品化（通用化），真正拉開差距的是軟體——那套決定「何時開門、何時搭電梯」的 AI 模型。ABI Research 分析師 George Chowdhury 說得更直接：人形本身不是革命性的，「背後支撐它的 AI 模型才是」。他所在機構估算，到 2036 年「機器人基礎模型」的市場規模可能高達 1500 億美元。這意味著，未來機器人公司的護城河，不在誰造的鐵皮更堅固，而在誰的訓練數據和演算法能讓機器「懂場景、會組合」。
把視線拉回中美：美國有 Flexion、Figure、Agility 等押注「機器人大腦」的新創，中國則有宇樹、智元、銀河通用等憑藉硬體量產與供應鏈快速拉高產量。邊是「軟」的模型與數據飛輪，一邊是「硬」的製造成本與規模——這正是人形機器人全球競爭的真實切面。而 Flexion 明確說自己在和多家機器人公司合作、跨不同人形形態適配，意圖就是把「大腦」做成可授權的通用層。Chowdhury 也提醒：它必須與硬體廠緊密綁定、且面臨激烈競爭，但「若沒有這種程式設計能力，這個市場根本不成立」。
從「玩具」到「生產力」，差的不是馬達是智慧
Flexion 的展示是一記提醒：所有關於「機器人搶飯碗」的討論，前提都得是機器先學會「在真實辦公室裡不摔倒、不卡住、不傻等指令」。而這一步，靠的不再是更貴的伺服馬達，而是更聰明的決策模型與更扎實的模擬數據。當機器人從展台走向產線、從表演走向雜務，真正的產業變數是軟體抽象能力——誰能把「開門取件」這類瑣碎任務拆成可複用的技能並自動編排，誰就握住了下一代入口。硬體會商品化，大腦不會。
✨ 今日金句
「人形不稀奇，背後的 AI 模型才是革命性的；硬體會商品化，大腦不會。」
