为何人形机器人短期内难以赶上人类工人

# 为何人形机器人短期内难以赶超人类工作者 来源：https://www.understandingai.org/p/why-humanoid-robots-wont-catch-up *今日机器人周专题由80,000 Hours（http://80000hours.org/understandingai）赞助——这家非营利机构致力于帮助职场新人最大化发挥职业潜能。* 若你近一两年持续关注机器人领域，想必已注意到人形机器人正以惊人速度进步。 2024年10月，埃隆·马斯克在特斯拉新款Cybercab发布会上（https://www.understandingai.org/p/teslas-robotaxi-event-offered-few），安排数台Optimus机器人为活动嘉宾提供饮品服务。 马斯克在现场表示："Optimus绝非预录视频，也不受隔离限制。这些Optimus机器人将与各位共处一堂。" 随后在2026年2月春节联欢晚会上，中国公司宇树科技呈现了震撼的武术表演。人类演员与人形机器人混合编排，完成了一套完美同步、流畅自然的舞蹈动作。机器人完成了旋转、跳跃甚至后空翻等高难度动作。 相较于2025年春晚（https://www.youtube.com/watch?v=Fw_dSNxhhY4）——当时机器人动作僵硬地在舞台上挥舞手帕——这无疑是巨大进步。 就在上周举行的2026年北京世界人形机器人运动会上，某机器人以8.86秒完成百米冲刺（https://www.aljazeera.com/sports/2026/8/25/chinese-robot-tiangong-clocks-sub-9-second-100-metres-in-beijing），打破尤塞恩·博尔特9.59秒的人类世界纪录。而在去年赛事（https://www.youtube.com/watch?v=zhheV19FQrU）中，最快机器人跑完百米需超过20秒。 此类演示令众多普通观众惊叹——也引发了对未来失业潮的担忧。如果人形机器人已能提供饮品服务、完成复杂舞蹈编排并超越人类奔跑速度，那么距离数百万人失业还有多久？ 但若与机器人专家交流——近月我已与多位专家深入探讨——会发现更复杂的现实图景。 如Physical Intelligence联合创始人卡罗尔·豪斯曼所言（https://goingdirect.substack.com/p/38-karol-hausman-and-kevin-black-4b6），人们（包括他自己）"不擅于判断机器人领域的进展，或区分何为真正令人惊叹的突破"。诚然，机器人能完成"人类极难实现"的特技动作，但随后会发现"像拾取可乐罐这般简单的动作反而极其困难"。 部分最震撼的人形机器人演示涉及远程操控——即所谓的"遥操作"。例如2024年Optimus机器人服务场景明显采用该方式：特斯拉硬件足以胜任调酒工作，但软件尚不成熟，因此特斯拉（https://www.businessinsider.com/tesla-optimus-robots-bartending-controlled-by-humans-2024-10）显然雇用了人类操作员进行远程控制。 [配图说明]2024年10月特斯拉"We， Robot"活动中Optimus机器人向与会者提供饮品（截取自特斯拉官方直播（https://www.youtube.com/watch?v=6v6dbxPlsXs&t=3189）） 虽然宇树机器人的舞蹈并非遥操作，但这并不能充分说明其实际工作能力。大多数体力劳动涉及现实世界的物体操作——装箱、钉钉子、翻煎汉堡等。正如后文所述，训练机器人完成此类物理操作任务比训练其舞蹈要困难得多。 更存在超越单一任务的宏观挑战。例如人类工作者具有极高灵活性——能完成多样任务且易于在岗学习。目前尚无人找到赋予AI机器人模型同等泛化能力的方法。 当今最先进的机器人演示仅涉及人类数分钟内可完成的任务。但人类工作者还需处理耗时数小时的工作——例如"重建汽车引擎"或"组装这些橱柜"。训练机器人完成长期项目需要构建短期任务所不具备的能力，例如持续追踪已完成环节的能力。 此外，一旦尝试在现实世界部署机器人，大量实际的经济与安全问题将显而易见。机器人需持续工作数小时而不故障，制造、训练或维修成本不能过高，且在人类身边操作必须绝对安全。 克服所有这些挑战需要多年甚至数十年时间。诚然，人形机器人在近年取得显著进步，但前路依然漫长。 机器人领域的核心挑战在于预测外部世界对潜在机器人动作的反应。这方面舞蹈比多数任务简单，因为（正如Bracket Bot（https://www.bracketbot.com/）首席执行官布莱恩·马查多所言）"地板不会做出任何反应"。 然而尽管特技机器人观赏性极强，但让机器人跳舞或后空翻实际用途有限。大多数有效工作涉及与会随机器人动作产生动态变化的物体交互。 Genesis AI（https://www.genesis.ai/）机器人初创公司总裁特奥菲尔·热尔韦告诉我："机器人领域真正核心且未解决的问题——能解锁90%以上价值的——是操作能力。" 拾取物体不仅改变其位置，还可能改变其形态。不同物体响应方式各异，难以建立通用模型。试想抱起枕头、薯片袋和水杯时的不同反应。 2025年9月，机器人学家本杰·霍尔森（曾任谷歌X研究员，现任职OpenAI）发布"人形机器人奥运会"（https://generalrobots.substack.com/p/benjies-humanoid-olympic-games），列出15项他认为将推动研究者"突破技术边界"的操作任务。 其中多数任务对八岁儿童而言轻而易举。三项涉及开门操作，一项是在有面包和密封花生酱罐的情况下制作花生酱三明治。对人类而言最难的任务可能是剥橙子。 [配图说明]为演示任务，霍尔森身着银色机器人服装拍摄视频。此为他演示金牌任务——进入带杠杆把手自动关闭拉门——的视频截图（https://generalrobots.substack.com/i/173034465/gold-medal-entering-a-lever-handle-self-closing-pull-door）。 即便对人类如此简单的任务，当Physical Intelligence（https://www.pi.website/blog/olympics）在三个半月后宣布成功演示其中10项时，仍属惊人成就。 霍尔森告诉《科学美国人》（https://www.scientificamerican.com/article/why-humanoid-robots-are-learning-everyday-tasks-faster-than-expected/）："机器人公司在首三个月内几乎完成所有任务，这太疯狂了。" 但Physical Intelligence的成果存在局限性。 研究人员通过反复操控机器人（即"puppeting"）教会其执行任务，最终微调出完成任务的模型。为将袜子翻面，他们使用了176个成功案例（约8小时数据）进行训练。剥橙子数量如此之多，以至于研究人员向霍尔森（https://generalrobots.substack.com/p/physical-intelligence-wins-the-olympics）表示"街角杂货店可能注意到橙子销量激增，而公司里那位特别喜欢柑橘的同事已对此相当厌倦"。 几乎所有任务中，机器人耗时都是人类的4至10倍——且成功率仅52%！ 这并非贬低Physical Intelligence：其成果确属重大突破。但即便在这些相对简单的任务上，机器人表现仍远未达到人类水平。 而我们仍能找到对人类简单直接、对机器人却完全超出能力范围的任务。今年1月，霍尔森发布了（https://generalrobots.substack.com/p/benjies-humanoid-olympics-part-ii）新的操作挑战集。虽然这些任务难度更高，但对多数成年人仍属基础：铺床、钉钉子、接住鸡蛋而不打破。 霍尔森新任务列表中有一类操作值得关注：耗时较长的任务。许多人类能完成耗时数小时的体力工作——如组装床铺或粉刷房间。但如同当前（https://www.understandingai.org/p/context-rot-the-emerging-challenge）LLMs一样，当今机器人仍难以完成较长的多环节任务。 霍尔森包含两项他称为"长周期"的任务：清理家中垃圾和煎单面蛋。任一任务耗时均未超过五分钟。 我推测要将机器人模型能力扩展到超越这些数分钟任务的范畴，还需大量工作。当前机器人模型记忆先前操作的能力有限——例如Physical Intelligence最新模型通过（https://www.pi.website/research/memory）将先前观察结果压缩为文本的方法，仅能记住15分钟内的操作[1]（https://www.understandingai.org/p/why-humanoid-robots-wont-catch-up#footnote-1）。模型也尚未足够可靠地串联数十乃至数百个不同子任务。 当我询问热尔韦关于长周期任务时，他表示并不担心。"我认为无论是否采用全栈方案，机器人基础模型公司的任务是构建更基础的5至10分钟周期任务"，而非彻底解决机器人推理问题。他预计通用AI公司将解决长时间规划与执行问题。 但短期任务与长期规划能否清晰分离尚不明确。通常人类在处理单个子任务时，会获得促使我们调整整体计划的信息。由不同模型分别负责长期规划与短期任务完成的系统，可能缺乏我们实时调整的能力。 [机器人周特惠]年费订阅享75折（https://www.understandingai.org/b79e0aa4） 霍尔森发布第二批挑战任务已超过七个月。据我所知，尚无人宣布解决其中任何任务。或许未来数月情况会改变。但即使操作能力急剧提升，仍存在关键的关联挑战：泛化能力。 机器人公司已掌握通过巨大投入训练机器人完成特定任务的方法。但此类高投入方法具备经济可行性的多数单任务，已通过传统自动化技术解决。关键瓶颈在于：机器人能力能否在无需大量训练数据的情况下泛化至新环境。 例如今年5月我访华时（https://blog.readsail.com/p/we-spent-10-days-touring-chinese），在医药仓库见到Galbot机器人作业。其任务是逐个将货箱从货架移至配送员使用的滑槽。 尽管任务简单，机器人将每件商品放入滑槽需约40秒。（Galbot表示新版部署速度提升一倍。）每当仓库新增商品，Galbot都需训练机器人拾取该特定新商品——不过公司称仅需五分钟训练。 [配图说明]Galbot半人形机器人在北京医药仓库抓取商品（凯·威廉姆斯摄） 如今几乎所有类人形机器人部署都采用类似方法：选择具有足够变异性使传统自动化方法失效的任务。但变异性不能*过高*，否则当代AI方法同样会失效[2]（https://www.understandingai.org/p/why-humanoid-robots-wont-catch-up#footnote-2）。且每次部署通常需要大量设置与训练工作。 部分初创公司期望AI能使机器人更容易部署到多样化任务中。Rhoda AI（https://rhoda.ai/）首席执行官贾格迪普·辛格告诉我，公司正致力于在制造业与仓储物流中部署"超过100种不同应用场景"。 今年3月我参加（https://en.wikipedia.org/wiki/Nvidia_GTC）英伟达GTC大会时，多位机器人学家告诉我，他们印象最深刻的演示来自名为Generalist的公司。 [配图说明]Generalist关于GTC演示的博文（https://generalistai.com/blog/the-real-breakthrough-behind-our-gtc-demo）截图，在该公司办公室运行演示任务。Generalist未对演示任务转移至GTC展厅环境进行任何特定训练。 Generalist展示了机器人使用两条机械臂将手机从包装盒中取出放入的过程。虽然该任务本身对当前机器人相当困难，但最令人惊叹的是Generalist准备演示所用时间与精力之少。该公司（https://generalistai.com/blog/the-real-breakthrough-behind-our-gtc-demo）声称仅有数日准备演示，且明确指出未在展厅现场训练机器人执行任务。 此演示令机器人专家印象深刻，恰恰说明过往模型的脆弱。历史上许多机器人演示异常不稳定——例如光照变化可能导致其失效。 虽然Generalist首席执行官皮特·弗洛伦斯告诉我，向不同背景环境泛化在今天基本"已解决"——至少对公司而言如此——但其他类型泛化仍然困难。他向我举例："假设你已训练将午餐盒放入带拉链开口的某种背包，但随后他人递给你另一个带搭扣的不同背包。" 尚不明确当前机器人能否泛化到这种新场景。 机器人泛化技术前沿正飞速发展。8月20日Generalist（https://generalistai.com/blog/gen-1.5）宣布其最新模型仅需一次人类演示即可完成新任务。上周初创公司Skild AI（https://skild.ai/blogs/s1）表示其S1模型也能通过单次视频演示（长达十分钟的任务）完成新任务。 另有数家公司公开宣布将在2026年底前开始向家庭环境——高度多样化的场景——部署机器人。但我预计这些部署将相当有限。部分