25
0a16z Podcast：Tudor Intelligence 联合创始人兼 CEO Josh Gruenstein 与主持人 Martin Casado、Raghu Raghuram 对谈，讨论机器人公司为什么是"终极系统问题"，以及一支由人类遥操作员"导师"驱动的机器人队伍如何被卖进美国的中小工厂与仓库。公司名在节目中写作 "Tutor Intelligence"，本页按节目梳理使用 Tudor Intelligence。
本期内容
这期对谈从一个看起来很技术、实际上绕不开的问题切入：为什么机器人行业六十年都没有走出真正规模化的公司？Josh Gruenstein 的答案是，机器人既不是单纯的智能问题，也不是单纯的硬件问题或客户问题，而是他口中"终极系统问题"——智能、硬件、供应链、客户与产品必须全栈自建，把其中任何一层排除掉，就等于砍掉 90% 的推进空间。主持人 Martin Casado 从另一个方向补了一刀：他每年看大量机器人公司的路演，几乎所有公司都从横向平台起步，最后被迫纵向整合。双方由此展开的是关于存量和增量、取舍和取舍空间的讨论，而不是又一轮关于人形机器人何时到来的预测。
接着他给出了一个更反直觉的路径：物理世界的劳动从来没有被"联网"，互联网能天然产出训练语言模型的语料，却记录不下人端起咖啡杯时指尖的压力和位姿。他的解法是把问题反过来解——先让机器人真的进厂干活，由名为 Tutor 的人类遥操作员教它，让部署本身就在创造经济价值，数据只是顺带长出来的副产品。公司名里的 Tutor 正来自这里；他还设想了一个思想实验：就算某个无限强的软件能把地球 80 亿人接到任意一台机器人身上，你也仍然得先把机器人造出来、还得找到愿意让它干活的客户。节目随后追问，生成式 AI 那种"分布进分布出"的红利能否在物理世界复现，最后 10% 是否必须靠人。
从这一层往下，话题落到数据和硬件上。前沿模型开始使用 CAD 等 3D 空间数据后训练，补上了机器人此前缺的空间推理这一环，Josh 认为这是把行业弹射到多年的转机；而硬件必须自造，因为 2025 年美国只部署了 3.8 万台工业机器人，供应链既小又是为系统集成商和快速重复动作设计的。于是有了带大量吸盘的单臂 Cassie 和轮式工业半人形 Sunny，100 台在波士顿组成数据工厂。他还描述了真实工厂的样子：不是宣传片里空无一人的机器阵列，而是上百人手工作业、平均 55 岁、三个月换一批人。
最有意思的部分在于这门生意怎么卖、卖给谁。客户几乎全部是人生第一次买机器人的绿地市场，销售话术不是 AI 而是"一小时 16 美元的机器人"，40–60 天签约、约 40 天进场、到货当天上线。他也点出一个常被忽略的结构：买家不是使用者——COO 买、工人用，所以每台机器人出厂都带名字，首次购买不许改名，只有复购扩张才获得命名权，他把船名不能改、狗可以改名的道理用在了工厂里。此外，他谈了自己主动选择服务大量中端客户、把多元化当"强制函数"逼出通用产品，谈到客户其实是在做战略性替代劳动力而不是旺季救急，以及为什么在机器人领域"无处可以推卸责任"。
核心观点
【反直觉】Josh Gruenstein 认为，机器人卡住的不是算法而是数据从哪来：物理世界的劳动从来没被"联网"，所以只能先用叫 Tutor（导师）的人类遥操作员，在真实付费的工厂与仓库里一边干活一边造出一个"机器人数据的互联网"。大家原来以为大多数人（包括不少 AI 圈内人）默认：只要先等一个"零数据也能练出通用智能"的算法突破，机器人自然就会好用；让真人在后台远程操作机器人，只是拿不出手的过渡拐杖。他先做思想实验：地球 80 亿人每个人都自带机器人想要的那种基础物理智能，设想有一个无限强的软件能把任何一个人接到任何一台机器人上，于是你就凭空拿到了无限的机器人智能——但即使这一步已经免费拥有，你仍然得真把机器人造出来、还得有客户愿意让它干活。谈到数据，他端起咖啡杯反问：没有任何东西记录下你指尖的压力和位姿，互联网天然产出了训练语言模型的语料，却从没产出过这份物理劳动的资产。所以他建议把问题反过来解，并且强调这是正和博弈：客户真实付钱让机器人干活，部署本身就在创造经济价值，数据只是顺带长出来的副产品，因此你能确定它有价值。
Josh Gruenstein 认为，机器人行业有一个被忽视的结构性事实——买家不是使用者：付钱的是 COO，整天和机器待在一起的是产线工人，所以"人机关系"必须当产品功能一样专门设计。他先讲了一条他觉得好笑的推文来分层："机器人就是机器人，除非它能干活，那它就是一台机器"——工厂经理层面确实只当设备看。但因为他们只自动化工厂或仓库里的部分岗位、剩下的工人还在现场，人机长期共处，关系就不能靠"设备而已"带过。他们从人机交互（HRI）研究里借用了一堆技巧：每台机器人出厂都带名字，首次购买不许改名，只有复购扩张时才获得命名权——船名不能改，但狗可以改名，于是让"新机器"承载新名字，绕开了这个禁忌。有客户用自己孩子、最喜欢的橄榄球球员和流行歌手的名字给机器人命名，Raghu 点出这会带来更强的拥有感，Josh 答"正是如此"。他把这种依恋归因于真实收益而不是拟人化：重体力活少了、工人被提升到更高岗位、工厂经理的工作轻松了一千倍。
Josh Gruenstein 认为，机器人公司最常见的死法不是技术不够，而是把自己做成了某一个大客户的定制工程承包商；最好的解药是服务大量中端市场客户，用它当"强制函数"逼出真正的通用产品。他拆了一条具体的失败剧本：大客户有一个极具体的单一问题，愿意给一纸"闪亮的承诺"说今后会大量采购，公司于是花两年做一套高度定制系统再部署。但产品需要迭代，赌两年做出来的东西大概率跑不通；就算跑通了，也没法保证客户两年后还有同一个问题——"砰，公司完蛋"。他说自己亲眼见过这种崩盘连续发生五到十次，正因为怕"这事发生在我们身上太丢人"才主动把客户分散开。他补充了一层市场结构性理由：美国绝大多数制造与物流企业本身就是中小企业或中端市场企业，所以服务多元客户不是小清新策略，而是逼你不能造一台只对客户 A 好用的鲁布·戈德堡式机器。他给出一个操作性检验：如果一家中端客户两周就签完合同、签完当天就有机器人上岗，而且用的是和其他客户完全同一套产品，那你就知道自己做对了。这背后是他的价值公式——机器人价值 = 它能完成的工作量 ÷ 成本，其余都是注释。
【反直觉】Josh Gruenstein 认为，客户买机器人不是在旺季救急，而是在做战略性替代劳动力；而且制造业的账是二元的，没有软件公司那样"压一点利润就过去了"的缓冲。大家原来以为大家以为机器人是"忙不过来时临时加的那双手"——比如黑色星期五快到了、临时需要人手赶一批货的那种弹性需求。他直接否认了被动救急这个描述：客户面临的是一个艰难选择。因为他们清楚自己的劳动力队伍在变老、需求随各种长期趋势在上升、而完成这些活的成本基础也在涨，于是会反复算"我们这门生意到底还划不划算"。他把物理世界的生意和软件生意硬分开：这些不是毛利率巨大、随时能挤一点利润出来的软件公司，制造业的账要么成立要么不成立，中间没有缓冲。正因为如此，客户要的不是一台设备，而是一个能做机器人的长期伙伴——就像做除臭剂的专注做除臭剂、专门做蜡笔的专注做蜡笔，成为那个品类的运营专家，把机器人交给懂机器人的人。
嘉宾
Josh Gruenstein（嘉宾）：Tudor Intelligence 联合创始人兼 CEO。公司约 160 人，主基地在波士顿，成立于约 2020 年中，节目中他提到已做了五年半。他有 MIT 机器人研究背景，自称做研究时就习惯从制造、硬件一直想到 FPGA/ASIC 的全栈思维。本期他主张机器人是"终极系统问题"，并以做人类遥操作员连接机器人网络、在真实付费劳动里攒数据作为公司的核心打法。
Martin Casado（主持人）：a16z 普通合伙人，与 Raghur Raghuram 一同主持本期。节目里他说自己每年看大量机器人公司路演，观察到机器人公司多半从横向起步、最终被迫纵向整合；他还提到所在机构刚发布了一份聚焦机器人供应链、结论是中国处于核心环节的报告。他习惯追问抽象层、单位经济学和组织方法。
Raghu Raghuram（主持人）：a16z 普通合伙人，本期另一位主持人。他从投资人视角提问，讲到在投资前对 Tudor 的客户做尽调访谈时发现，客户根本察觉不到是后台的导师在操作还是模型在操作，并把机器人公司称为"终极系统公司"。在命名哲学那段，他补了一句：用孩子的名字给机器人命名会带来更强的拥有感。
技术背景
机器人数据从哪来
语言和图像模型能吃下海量互联网语料，但物理劳动几乎没有被记录下来——没有人把工人抓取、搬运时的力度和位姿存成数据。所以机器人领域的瓶颈往往不是模型架构，而是拿不到"想要的分布"下的示范。本期 Josh Gruenstein 的核心方案是用人类遥操作员实时接管机器人，在真实付费的工厂活儿里顺手把这份示范录下来，形成部署越多、数据越多、能力越强、能接更多任务的飞轮。他强调架构技巧只是加速飞轮，飞轮本身才是长期代际价值。
机器人基础模型与可供性预测
机器人基础模型通常指在大规模机器人数据上训练、可跨任务和跨物体复用的模型；视觉-语言-动作（VLA）是其中的主流路线。本期的具体例子是 Cassie 的第一代基础模型（200–400M 参数级），主要预测"可供性"——一个物体或环境能被怎样抓取和操作，再由机器人执行。这条路线说明机器人智能并不需要先在仿真里事事想清楚，而是先学会判断"这里可以怎么下手"。
半人形形态与数据工厂
人形或半人形机器人指带躯干与双臂、但不必带双腿的形态，轮式半人形则是把移动交给轮子、把操作交给双臂。Josh 把它类比为干净抽象层：工厂与仓库的工位本来就是为人设计的，按人的形状做机器人，能覆盖制造与物流 80%–90% 的工作，再按市场成熟度重新专用化。他用 100 台 Sunny 组成 Data Factory One，因为强化学习在小批量数据下根本不奏效，必须先有一个大规模采集真实轨迹的场所。
美国工业机器人市场与供应链
国际机器人联合会（IFR）的 World Robotics 报告长期统计各国工业机器人年安装量，是全球最常被引用的行业底数。节目中 Josh 给出的数字是 2025 年美国只部署了 3.8 万台工业机器人，他据此判断市场极小，且现有供应链是为系统集成商和快速重复动作设计的，并不服务于"与前沿模型协同设计"的需求，这也是 Tudor 选择自造硬件、只外购执行器和相机的原因。该数字的具体统计口径与年份在本页未做独立核实，宜按嘉宾口述理解。
人机交互（HRI）与命名
HRI（Human-Robot Interaction）是研究人与机器人如何相处的成熟学术领域，关注信任、归属感、长期共处中的行为设计。本期把它当产品功能用：因为 Tudor 只自动化工厂里的部分岗位，剩下的工人要和机器人长期共处，于是团队每台机器都起名、首次购买不许改名、复购扩张才给命名权。Josh 把工人对机器人的依恋归因于真实收益——重体力活变少、工人被提升到更高岗位——而不是靠拟人化。
单位经济学与成本结构
单位经济学（unit economics）指单台设备、单个客户或单个工位的收支结构，是判断机器人生意能不能成立的基本单位。Josh 反复强调的公式是"机器人价值 = 它完成的劳动量 ÷ 成本"，其余都是注释。他还指出成本大头已经从一次性硬件投入（Capex）转向持续的推理与遥操作开销，这意味着投资人评估机器人公司时，盯住硬件 BOM 反而不够。
时间戳
00:00 磊哥导读：机器人缺的不是算法
07:37 机器人是终极系统问题：Josh 讲他五年不变的论点：全栈自建，少任何一层就砍掉 90% 的取舍空间，Martin 则指出机器人公司大多从横向起步、最终被迫纵向整合。
15:03 Tutor 之名的由来：为什么物理世界缺一份"互联网式"的训练数据，以及用人类遥操作员当场干活、把部署变成数据来源的打法，还有他那个"无限强软件"的思想实验。
21:41 3D 数据的转机与自造硬件：CAD 等 3D 空间数据补上空间推理这最后一环；美国一年 3.8 万台安装量下不合适的供应链，逼出自造的 Cassie、Sunny 和 100 台机器人的数据工厂。
29:00 绿地市场与 HRI 命名哲学："一小时 16 美元的机器人"、40–60 天签约与到货当天上线，以及为什么首次购买不许给机器人改名、复购才获得命名权。
35:30 中端市场作为强制函数：大客户定制承包商式的死法，为什么服务大量中端客户能逼出通用产品，以及他那个能自检"做对了没有"的验收标准。
41:54 战略性替代劳动力与供应链：客户不是在旺季救急而是在做战略选择；制造业的账是二元的；中国供应链、2026 年的相互依存，以及 Data Factory One 背后的 RL 现实。
术语表
Ultimate systems company（终极系统公司）：Raghu 在本期里对机器人公司的定位：必须像系统公司一样整体构建，不能只做技术栈的某一层。对应 Josh 的"机器人是终极系统问题"。
Tutor（导师（人类遥操作员））：远程操作机器人的人类。他们教机器人做新任务，同时让这次示范成为训练数据——这也是公司名里 Tutor 的由来。
Data flywheel（数据飞轮）：部署越多机器人→采集越多真实数据→模型越强→能接更多任务→再部署更多。Josh 认为架构技巧只为加速飞轮，飞轮才是长期代际价值。
Deus ex machina（解围之神）：本期指 Josh 的思想实验：假设有个无限强的软件能把任意一个人接到任意一台机器人上，你凭空得到无限的机器人智能——但光凭这个也做不出规模化生意。
Affordance（可供性）：物体或环境可供机器人抓取、操作的可能方式。Cassie 的第一代基础模型主要就在预测可供性与抓取。
Cassie：Tudor 第一款机器人，定位是能干重活的粗重机型，单臂配大量吸盘，主要干托盘和纸箱搬运这类折腰活。
Sunny：第二代工业级轮式半人形机器人，设计目标是在工厂里以人的速度和可靠性连续运行 3–10 年；100 台在波士顿的数据工厂里跑。
Semi-humanoid（半人形机器人）：带躯干与双臂、不一定带双腿的形态。Sunny 即轮式半人形，Josh 把它当作覆盖工厂与仓库大部分工位的"干净抽象"。
Data Factory One（数据工厂一号）：波士顿的百台 Sunny 集群，用作研究试验台，解决的是如何在真实世界里做大规模的强化学习——因为小批量 RL 根本不奏效。
Greenfield market（绿地市场）：没有既有格局、全新开垦的市场。Tudor 的客户几乎都是人生第一次买机器人，卖的是增量而不是替换存量。
Greenfield vs. retrofit（绿地建设与被替代存量）：Josh 用来说明中美起跑线的差异：美国可以从零建，中国要先拆掉上一代自动化产线才能上新。
HRI (Human-Robot Interaction)（人机交互）：研究人与机器人关系的成熟学术领域。本期被当作产品功能用：出厂带名字、首次购买不许改名、复购才给命名权。
Forcing function（强制函数）：Josh 描述服务多元中端客户的效果：逼着公司放弃定制工程，做出真正通用、所有客户共用的机器人产品。
Rube Goldberg machine（鲁布·戈德堡机械）：过度复杂、只为单一目的拼装的机关装置。Josh 用它形容只取悦某个大客户的定制机器人，也形容《How It's Made》里那种自动化奇迹——后者只占美国制造业物流的极小部分。
Unit economics / COGS（单位经济学 / 销货成本）：Josh 反复强调的取舍原则，核心是"机器人价值 = 它能干的活 ÷ 成本"；成本大头已从一次性 Capex 转向持续的推理与遥操作开销。
Embodiment（具身形态）：机器人的身体形态。轮式适合室内工业场地，腿式才进得了建筑工地与垃圾填埋场，家庭暂时既划不来也太"工业化"。
Go-to-market（市场进入与销售）：本期具体到"有没有考虑过一小时 16 美元的机器人"这类话术、40–60 天的签约周期，以及跟着客户跑的销售与技师。
Warehouse / manufacturing automation incumbent（传统工业自动化巨头）：以 FANUC、ABB 为代表的厂商，其机器人多为非美国本土制造、为系统集成商与快速重复动作设计，未与前沿模型协同设计，这是 Tudor 自造硬件的理由。
延伸阅读
原节目：a16z Podcast 。
本节目为英文原节目的中文译制，每位说话人都用自己的声音说中文，观点以原节目为准。
原节目：The Robots Already Working in American Factories | Tutor Intelligence
原节目发布时间：2026-11-02
