Midjourney创始人大卫·霍尔茨，曾在社交平台上提出一个大胆判断：到2040年代，地球上将出现大约10亿个人形机器人。

马斯克随即回应，认为这个数字“大概差不多”，但前提是人类文明的根基保持稳定。

对马斯克来说，这并不是一时兴起的附和。在人形机器人问题上，他给出的判断往往比这还要激进。

“我的预测是，机器人将比人还多。”他曾这样说。

他还设想：“我认为地球上每个人都会有一个，也都会想要一个。谁不想要一个机器人呢？

在假设它非常安全的前提下，它可以帮你看孩子、照顾宠物。”

十亿台机器人，乃至机器人比人还多，究竟是可以预期的未来，还是又一轮科技狂想？

围绕这个问题，长期关注人形机器人的伦敦作家、记者詹姆斯·文森特（James Vincent），以及加州大学伯克利分校机器人学教授肯·戈德堡（Ken Goldberg），在接受Vox旗下《Today Explained》采访时给出了相当冷静的判断。

人形机器人最近确实“无处不在”，这里说的不是割草机器人或扫地机器人，而是会走路、会说话、看上去甚至有点吓人的那一类。

它们在北京跑了半程马拉松，有说法称其成绩比此前的人类纪录还快了整整六分钟。它们出现在新一部《Jackass》电影里，被拍成给人做前列腺检查的桥段。

它们也被宣传为家务、养老护理，甚至战争等各个领域的未来。

在特斯拉，人形机器人已经成为首要任务。马斯克说：“正如你们听我说过几次的，我认为Optimus将是我们最大的产品。

不只是特斯拉有史以来最大的产品，很可能是有史以来最大的产品。”

文森特曾为美国《Harper's》杂志撰写封面报道《Kicking Robots》（踢机器人）。在他看来，人形机器人和殖民火星一样，都是马斯克的“痴迷”。

马斯克提出过各种“疯狂的说法”，比如Optimus将是有史以来最高产、最赚钱的产品。文森特直言：“我认为这是典型的马斯克式夸张。

”不过他也承认，马斯克的兴趣极大地带动了这个市场，他入局之后，许多公司纷纷跟进。

## 从穿紧身衣跳舞的“机器人”说起

当下这股热潮，可能要追溯到2021年的特斯拉AI Day。这是特斯拉每年一次的大型媒体活动，用于展示新产品和路线图。在此之前，受AI发展推动，人形机器人领域已经积累了越来越多的势头和关注。

文森特说，马斯克往往会推动公司、或者试图推动公司走得非常快，所以那一次他手里并没有能完整运行的原型机可以展示。于是，一个穿着紧身机器人服的人走上台，伴着电子舞曲跳起舞来。

这一幕后来“臭名昭著”，也广为人知。在文森特的报道里，这次展示显得虎头蛇尾、相当无聊，但正是它可能催生了如今的热潮。

马斯克当时还特意谈到安全问题：“我们设定的是，在机械层面、物理层面，你可以跑得过它，而且很可能制服它。希望这种情况永远不会发生，但谁知道呢。”

此后，特斯拉很快造出了能运行的实体原型机。但文森特认为，他们“正撞上当前技术的局限”。

最新版Optimus已经多次推迟，外界仍在等待。“我们开始看到，这到底是纯粹的炒作，还是真能做出点什么。

我认为马斯克和特斯拉正在为此接受严峻考验。”

## 一次没能实现的“踢机器人”

为了弄清这些机器到底能做什么，文森特实地接触了美国两家领先公司的机器人，具体见了多少台，他说“数到前几个就数不清了”。

一家是Apptronik，做的是通用型机器人，身体比例接近人类，直立行走，人可以和它“平视”。

其机器人Apollo的设计用途是在工厂里与人类并肩工作，分担繁重的体力劳动；公司的长期目标是让它先在地球上工作，再去空间站，并从那里前往月球、火星乃至更远的地方。

另一家是专注仓储的Agility Robotics，它的机器人外观没那么像人，膝盖向后弯，腿有点像蚱蜢，可以蹲下从地上捡东西，还能出人意料地上下楼梯。该公司宣称自己的工厂是全球首家人形机器人工厂。

文森特和机器人握了手，还玩了石头剪刀布。但他真正想做的是踢它一脚。踢机器人是检验机器稳定性的高效方法，近年来厂商的测试已经从踢升级到推、绊，甚至用折叠椅砸。

对方以存在安全隐患为由没让他踢，而是递给他一根“高科技棍子”，在他看来，那不过是末端缠了安全泡沫的扫帚柄。对方还告诉他，这是一台价值数十万美元的原型人形机器人。

他很紧张：要是真把它推倒弄坏了，那是条好素材，但也意味着他和这家公司的合作就此结束。

第一次推，机器人只是晃了晃。对方让他再用点力，他便使出全力。

这台位于奥斯汀的机器人向后踉跄，像人一样把双臂举起来，重新找回平衡，然后小跑回来，直视着他的脸。他形容那一刻“非常诡异”，心里只有一个念头：“天哪，这些东西是真的。”

## 人形，是为了能做“一切”

按照融资路演材料和鼓吹者的说法，人形机器人应该能做“一切”，也就是一个四肢健全的人能做的任何事：直接走进工作场所，分拣包裹，给汽车装车门。之所以做成人的样子，正是为了让它能接手人类劳动者的所有工作。

文森特的评价是：“这是个很高的要求。”

参与这场竞赛的主要是美国和中国公司，两国是机器人领域的两大领先者。过去以初创公司为主，如今越来越多科技巨头入场，其中一些只是在做小规模研究。

5月1日，Meta收购了一家名为ARI（Assured Robot Intelligence）的初创公司，该公司为人形机器人开发基础模型，目标是让机器人在家中从事体力劳动。

Meta希望成为人形机器人行业的“安卓或高通”，为整个行业提供软件、硬件、人工智能、传感器和算力等底层支撑。Google则长期涉足机器人，一直在机器人上测试自家AI。

Google DeepMind宣布与波士顿动力合作，其人形机器人在CES上抢尽风头。文森特说，Google的机器人非常灵巧，能折纸、打包午餐。

为什么热潮恰好出现在现在？文森特认为，最大的原因是AI，即ChatGPT带来的热潮，以及支撑语言模型和聊天机器人的深度学习技术。

许多人相信，这套方法可以迁移到人形机器人身上，让机器像聊天机器人学会复现人类语言那样，学会在物理世界中行动。

过去的机器人需要手动编程，比如逐一设定手臂向下移动多少度、施加多大压力。新型AI则基本靠自己学：输入大量数据，告诉它想要的结果，它会学会把两者联系起来。

这些公司寄望于只要数据足够，就能“解决”物理机器人的难题，造出灵巧、可以胜任多种任务的机器。

批评也正集中在这里，文森特指出，机器人和聊天机器人不在同一个世界。

聊天机器人处理的是文本，至今仍会出错，但用它做研究时出点错问题不大，人可以发现并纠正。一旦错误转移到物理世界，潜在的危险就大得多。

他打了个比方：如果家用机器人收拾碗碟时，每10个杯子就打碎一个，你会对这种质量满意吗？他认为不会。

谈到中美差异，文森特的判断很直接：中国做得“更快、更好”。

美国公司更侧重家用产品，营销对象是富裕人群，卖点是“帮你包揽所有家务”。中国则是全球人口老龄化最快的国家之一。

“我想，预计到2040年，60岁以上人口将占30%。”他说。

老龄化同时带来制造业劳动力流失和社会养老负担加重，他认为在中国看来，人形机器人可以同时填补这两个缺口。

此外，中国经济具有美国所没有的规模优势，有能力大规模制造这类机器人，“一次能造几千台”，这是他认为中国领先的原因。

如果说文森特是从旁观察，那么戈德堡就是身在其中的研究者。他从小就对机器人着迷，那是上世纪60年代《杰森一家》的年代。

父亲是爱捣鼓的工程师，两人在70年代合造过一台机器人，“从没成功运转过，但超前于时代”。上大学后他进了机器人实验室，做过能摸索物体并判断形状的触觉机械手，也做过跑步机器，之后专攻抓取。

“45年来，我一直在研究同一个问题：怎么拿起一个杯子。”他说，要可靠地做到这一点极其困难。

他把难点归结为“不确定性”，其一是感知的不确定：看不清杯子，也无法精确判断它在空间中的位置。

其二是控制的不确定：即使看清了，也无法把夹爪精确移动到指定位置。

其三是物理的不确定：不知道物体的摩擦特性和质量特性，而这些恰恰对抓取至关重要。

三重不确定性在指尖叠加，所以今天的机器人虽然有进步，但仍然常常显得笨拙。

这里存在一个有趣的悖论：对人类来说轻而易举的事，对机器人反而很难；而人类觉得很难的事，比如下围棋，AI却很擅长。戈德堡说，国际象棋大约20年前就被攻克了，此后围棋一直是AI研究的“圣杯”之一。

这一现象在机器人学界常被称为“莫拉维克悖论”，人之所以能轻松抓取东西，是因为“我们进化了3亿年”。

那为什么自动驾驶已经上路，却还没有能稳稳拿起杯子的人形机器人？戈德堡解释，自动驾驶花了20年才变得可行，而且可能仍不具备成本效益。

但它相对容易，因为目标基本上只是别撞到东西，又有较好的地图等信息，也容易模拟。行走同样以避障为主，后空翻也“相当容易模拟”。

人们看到这些画面，就顺势推断机器人什么都比人强。他认为这种推断虽然是人之常情，却是错误的。

现实是，机器人还无法可靠地在桌上堆起一小摞方糖，也拿不稳一个杯子。很多机械手看起来很像人手，关节动得也很快，但“你见过几次机器人手系运动鞋鞋带？没有吧”。偶尔能看到机器人叠衣服，可他的妻子仔细一看，说“这不合格”。

机器人手术似乎是个反例：用很简单的夹爪也能完成精细操作。但戈德堡提醒，那是由人操控的机器人，只有两个夹爪，有人掌舵时它能做到惊人的事。一旦像他的实验室所尝试的那样把人从回路中拿掉，一切都会难得多。

在马斯克描绘的“人手一台”图景背后，最让人焦虑的是就业。戈德堡认为，“机器人会让所有人失业”是一种误解。现实恰恰是劳动力短缺，尤其缺少愿意在仓库、工厂、农场干苦活、打扫酒店房间的人。

面对追问，比如很多人喜欢在Costco上货的工作，薪水不错还有医保，假如10年后被机器人取代该怎么办，戈德堡表示非常同情，也很关心工人，但他不认为机器人是来抢工作的。在他看来，这是人们过去对移民的担忧，如今被转嫁到了机器人身上。

他自称乐观主义者，觉得这项技术很有意思、方向也很有趣，但不认为它会毁灭人类，“不必担心机器人末日”。

回到那个“十亿台”的预言。霍尔茨的判断指向2040年代，马斯克的认可附带着“文明根基保持稳定”的前提，而他本人更激进的说法，是机器人终将比人还多。

文森特的看法要保守得多，他认为，人形机器人的发展节奏“更接近飞行汽车，而不是聊天机器人”。

能力上确实出现了“实实在在的飞跃”，但这并不意味着已经达到马斯克等人和一些领先公司所宣称的水平，比如“明年就有一台机器人在你家包揽所有家务，从不出错，绝不会摔倒压死你的猫”。“这些承诺不是真的，根本不是真的。”他说。

但他并没有否定长远前景：“我能看到人形机器人在未来10多年里，在工作场所和家庭中变得更加常见，当然，绝对可以。但在未来五年、三年内，我真的很怀疑。”

从穿紧身衣跳舞的演员，到被全力一推后小跑回来直视记者的原型机，人形机器人的进步是真实的。可在戈德堡的实验室里，拿起一个杯子依然是一个研究了45年的问题。

十亿台机器人究竟会不会在2040年代走进现实，或许要先看它们能否可靠地拿稳桌上的那只杯子。