PI 联创 Chelsea Finn:机器人最贵的成本,不是芯片,是 "信任"

简介: 扫地机器人坏了可换,但做饭带娃的机器人出错,你敢赌吗?可靠不是技术参数,而是“输不输得起”。本文剖析机器人信任困境:物理世界不可逆、试错成本高、现实不讲理。真正的突破不在更强,而在可赔付、可兜底、可问责的“信任产品”。

扫地机器人坏了,顶多扫不干净。你骂两句,换一台新的就行。

图片
可要是一台会做饭、会带娃的机器人呢?你敢买吗?大概率不敢。

同样是“智能”,为什么一个你敢买、一个你不敢?差距不在它多会做事,而在于——出事之后,你扛不扛得起。

可靠从来不是技术指标,而是“信任产品”。

1►

可靠不是技术指标,是“赌不赌得起”

很多讨论把“可靠”当成一串技术数字去追,我觉得这是追错了方向。

99% 的成功率,在工程师眼里是优秀;在你眼里,是“每个星期打碎一次盘子”。

家里有玻璃、有宠物、有孩子,那一次失手,你赌不起。

所以真正决定你用不用一台机器人的,不是它多稳,是你输不输得起它的那一次意外。

最近 Physical Intelligence(简称 PI)的联创 Chelsea Finn,和斯坦福博士生 Perry Dong 合写的一篇博客,把这点说得很透:机器人把盘子放对 95% 次,也会每周在摆满玻璃杯的家里打碎点什么。

图片
2►

大模型当年也这样,靠“后训练”才变可靠

你可能有印象,前几年的 AI 聊天经常一本正经地胡说八道。GPT-2 时代尤其夸张,你问它怎么烤鸡,它能绕出一大段莫名其妙的话。

能力强,但不可靠。后来靠什么解决?靠“后训练”——模型学完基础本领后,再针对“用起来可靠”专门调一遍,行业还慢慢形成了一套共同做法,谁都能照着来。

机器人现在,几乎就站在大模型当年的位置:已经很会,但还不够可靠。这篇博客讨论的,正是怎么让机器人的“会”,变成“每次都靠谱”。

3►

为什么机器人比大模型更难让人敢买

你可能会问:大模型都能变可靠,机器人照搬不就行了?

没那么简单。至少三个原因,都跟“信任”有关。

犯错没法“先看再放”。大模型写错一段代码,会有人在它上线前拦下来。机器人抬手做个动作,错了就是错了,还连着物理伤害和钱。

试错太贵。大模型可以同时生成几千个答案慢慢挑,机器人得在真实环境一步步来,一次任务几百上千个动作,最后才知道成没成。

现实世界不讲道理。物体打滑、传感器有噪声、风一吹、地不平,同一个命令发两次都可能不一样。

所以机器人的可靠性要求,天生比大模型高一个档次——这也是它更难卖的原因。

4►

现在的局面:可靠被少数人“垄断”着

机器人现在怎么学会做事?主要是“模仿学习”,看人怎么做、照着学,好使也干净。

但到了让它自己从经验里变好的阶段,问题来了:太依赖个人手感。

图片
能调好的,往往只有少数高手,靠直觉一点点试,像大厨凭感觉撒盐。

博客说得很准:机器人后训练,如今还是“手艺”,不是“配方”。其中第三届中国具身智能与人形机器人创新峰会的时间为2026年12月22-23日,部分会议主题:诠释全球产业格局趋势,解析国家顶层政策与十五五规划,未来3年具身人形机器人产业红利导向,全产业链统一标准、接口互通、合规量产规范化,国产具身智能与人形机器人万台规模化量产元年路径,核心零部件与关节模组,具身智能大小脑协同与算法,灵巧手、整机研发与工艺升级,特种机器人与服务机器人场景规模化应用,大会组委会:赵靖 一八一零一六二三一六九。

这带来一个常被忽略的商业结果:可靠成了一种稀缺的手艺,而不是可以规模化、可复制的产品。谁家能调好,谁家的机器人就“显得更靠谱”。

5►

往“信任产品”迈:EXPO-FT 证明了什么

博客里提到的 EXPO-FT,让机器人在绕灯串、打台球、把花插进酒瓶、翻鸡蛋这些精细活上,做到了 30 次全对,平均只花 19 分钟。

它的意义,不在“又变强了”,而在它证明:可靠是可以稳定练出来的。

但它离“能卖给你”还差得远。目前还得有人在旁边盯着、帮忙重置场景、出了问题人兜底——就像自动驾驶配远程安全员一样。

换句话说,今天的“可靠”,有一半是人替它扛着的。

图片
真正“敢放手”的那天,人才能这样坐着喝咖啡。

6►

我的判断:机器人厂商真正要卖的,是“可赔付的确定”

聊到这,说说我的看法。

把“可靠”当成最后一个技术百分点去死磕,是方向性误判。技术解决的是“它能不能做对”,商业要解决的是“你赌不赌得起它万一做错”。

所以机器人要规模化,真正要标准化的,不是“能力”,而是“兜底”:出事了谁负责、能不能赔付、有没有安全网、可不可退货。

谁先把“信任”做成一件能买、能保、能问责的产品,谁就先走进家庭和工厂。

大模型当年从“少数人的手感”变成“社区共识”才起飞,机器人要复制的,是这一课,而不是再背一遍技术参数。

你买一台机器人,买的不是“它多聪明”,而是它值不值得你请进家门、把后背交给它。

资料来源|Perry Dong & Chelsea Finn 博客《Towards Universal Post-Training for Robotics》(2026年9月)|Physical Intelligence 官网及公开报道(估值、融资、MAML 等)

本文内容整合自公开行业信息,仅作交流分享使用;相关内容版权归原作者所有,若涉及侵权请联系删除。

相关文章
|
9天前
|
人工智能 JSON API
全网刷屏的 Jev 模型正式开放!一手实战测评 + 保姆级教程
全网爆火的 Jev 模型是什么?有什么用?怎么使用?怎么接入 AI 编程工具?效果真的好么?傻子可懂的 Jev 保姆级实战教程 + 项目实战测评来啦
7646 13
|
7天前
|
人工智能 测试技术 API
最近全网爆火的 Jev 到底是什么?适合干什么、怎么用,一篇讲透!
Jev是TypeSafe AI推出的“系统一模型”,不生成文本,专做毫秒级结构化决策:Choice(多选)、Score(打分)、Noul(是非概率)。响应快193倍、成本低444倍,适合工单路由、内容审核、测试定级等高频判断场景。
1629 4
最近全网爆火的 Jev 到底是什么?适合干什么、怎么用,一篇讲透!
|
4天前
|
人工智能 JavaScript 芯片
DeepSeek 官方偷偷上传 Harness 桌面端安装包,我已经用上了。。附最新下载地址
DeepSeek Harness 官方的桌面端安装包被网友扒出来了,2 分钟讲明白如何使用,体验如何,适合作为 AI 编程工具么?附最新 Windows 和 Mac 双端的下载地址
1377 1
|
7天前
|
人工智能 并行计算 PyTorch
秋叶 ComfyUI 2026 整合包 v3.2 完整部署教程:Python 3.13 + Torch 2.13 全栈升级
秋叶aaaki ComfyUI 2026年8月整合包v3.2正式发布!全面升级Python 3.13.11、PyTorch 2.13.0+cu130及ComfyUI v0.30.2,原生支持MiniMax H3、Wan 2.2、Qwen-Image-2.1等2026主流音视频/图像模型,解压即用,无需环境配置。
1131 9
|
21天前
|
人工智能 自然语言处理 安全
阿里云千问办公 QwenWork详细介绍:产品核心能力、典型场景、价格及常见问题解答
千问办公是阿里云推出的一站式AI办公平台,主打"不止于对话,更注重交付",依托通义千问旗舰大模型,用户一句话即可完成数据分析、PPT生成、视频剪辑等复杂任务,直接输出可用成果。产品深度打通钉钉生态与企业OA,覆盖桌面端、网页端,提供企业标准版198元/人/月等多档订阅方案,新用户注册即赠2000积分,适配工程师、HR、财务等多职业办公场景,成为能动手干活的"全能AI同事"。
3659 10
|
5天前
|
编解码 缓存 PyTorch
16G 显卡能跑 Qwen-Image 2.1 吗?
9月20日,阿里Qwen开源Qwen-Image-2.1:7B DiT图像模型+8B文本编码器+VAE,单模型支持文生图与图像编辑,原生输出2K PNG(含Alpha通道),支持10张参考图。在自建Qwen-Image-Bench达60.28分(开源模型第一),GenAI Showdown文生图排名7/15。16G显存可跑1024×1024(需INT8量化+ComfyUI优化),但2K需24G以上。注意其Qwen Research License限非商业用途。
588 1
|
6天前
|
人工智能 编解码 并行计算
MiniMax-H3 一键整合包技术文档:8G 显存运行 AI 漫剧制作 —— 角色替换 / 动作迁移 / 文图生视频部署与调参指南
MiniMax H3 是 MiniMax 开源的全模态视频生成模型,支持文/图/音/视多条件输入,输出最高2K、15秒带双声道音频视频。本文档详述其Int8量化版在8GB显存下的本地一键部署、三段式工作流(EDIT/REPLACE/CONTINUE)、参数调优及常见问题排查。(239字)
|
15天前
|
缓存 IDE Java
【保姆级】Android Studio下载、安装和汉化教程(2026最新)
Android Studio 是 Google 官方推出的免费 Android 应用开发集成环境,基于 IntelliJ IDEA,内置模拟器、调试器、性能分析及 Compose 界面工具,功能全面,文档丰富,是安卓开发首选工具。(239字)
1689 1

热门文章

最新文章