机器人行业四大领袖对话：人形机器人何时迎来「ChatGPT 时刻」
ANYbotics、1X、波士顿动力、Agility Robotics 四家负责人就机器人形态、巡检 ROI、人形机器人…
在知名播客《All-In Podcast》7 月 29 日录制的一期节目中，主持人 Calacanis 邀请了 ANYbotics、1X、波士顿动力、Agility Robotics 四家机器人公司的负责人，围绕「机器人从实验室走向真实部署」这一拐点展开近 70 分钟对话。讨论覆盖了硬件形态分歧、巡检场景的真实回报率、人形机器人交付时间线、训练数据来源以及商业模式收敛五大议题。嘉宾们普遍认为，未来三到五年将决定哪种外形、训练路径与商业模式成为主流。
形态分歧：工业用四足，场景用双足
讨论首先围绕一个尖锐问题展开：双足人形机器人在演示中频繁摔倒，为何不直接做四足？ANYbotics 的 Fankhauser 给出工业场景的答案：在湿滑、不平、有雨水与积雪的钻井平台、化工厂、海上变电站表面，四条腿凭借宽大足底和低重心提供了不可替代的稳定性。但他承认，在需要与人眼平齐交互、空间狭窄的场景如咖啡店或办公室，双足更合适，「这确实取决于具体用途」。
Agility Robotics 的 Hurst 进一步指出，在人类环境中真正的限制并非移动，而是操作能力：单臂只能处理小物件，双臂才能搬运仓库周转箱这类大件；增加第三、第四条手臂的协调复杂度迅速上升，边际效用急剧递减，「很难看出有什么用途值得把它装上去」。
巡检机器人的真实 ROI：防停机价值远超替代人力
Fankhauser 与波士顿动力的 McMaster 分别证实，巡检机器人已跨过价值门槛，但驱动因素并非替代工人，而是防止灾难性停机。ANYbotics 的机器人搭载热像仪、声学麦克风、气体浓度传感器与高性能 GPU，服务的工业资产每小时停机损失可达数十万美元。Fankhauser 表示：「我们每帮他们节省一分钟、一小时，基本上就赚回了机器人的成本。」这一逻辑使满配机器人可收取「数十万美元」售价加上每年数万美元的服务合同。
McMaster 引用了一个具体案例：Spot 在某工厂发现一处空气泄漏，每天为公司避免 300 万美元的停机损失。她强调，即便安排了人员巡检，实际执行往往并不充分。Spot 的平均干预间隔超过 3000 小时，单次充电可运行 90 分钟，通过机队级调度可实现近乎连续运行。海上风电场与石油平台的直升机巡检航次单次成本数万美元，是机器人替代的典型场景。
值得注意的是，Fankhauser 透露一个关键拐点：原本只用于巡检的客户开始询问机器人「能否修理泄漏」，能否转动杠杆、打开柜子。但他同时坦言：「在爆炸性环境中达到 99.9% 的可靠性，仍在开发中。」
人形机器人时间线：2026 年首批交付，三到十年见分晓
1X 的 Borick 亮出最激进的判断：Neo 预售以一次性全款或每月 500 美元订阅两种模式推出，头几天即售出首批 1 万台。交付将从 2026 年开始，他承诺少数客户将在当年收到产品。Borick 认为「距离机器人硬起飞不到十年」，并把个人押注缩短到三年，即机器人建造机器人、数据中心、芯片厂、采矿与精炼，形成自给自足的系统，「就算花了十年，在人类历史上仍然只是一瞬间」。
Agility Robotics 的 Digit V5 将于 2026 年晚些时候推出，是首款获准在没有物理安全围栏情况下与人类并肩工作的人形机器人。Hurst 表示这项认证实现了「自下而上的本质安全」，为此公司花了多年重新设计系统，因为亚马逊曾拒绝部署虽达成研发目标但未通过认证的 Digit V4。Digit 采用新型快充电池，每天可运行 20 小时，五年寿命内每年运转 8000 小时，按目标硬件成本计算单位经济性接近每小时 1 美元，而工厂人力成本为每小时 20–40 美元。
数据金字塔与商业模式收敛
1X 的 Borick 给出了关于人形机器人如何学习的最清晰框架——四层数据金字塔：「AI 领域的每一个重大突破，都是因为有人找到了利用庞大新数据源的方法。」1X 的赌注是让 Neo 在物理上尽可能接近人类形态，从而可在所有现存的人类视频数据上进行预训练。Hurst 认同大语言模型让感知「几乎已经解决」，但生成针对每个传感器输入给每个电机的扭矩控制数据仍是瓶颈，需要世界模型、仿真、远程操作与现实世界实践多管齐下，滚雪球式汇集资源。
商业模式上，四位嘉宾在单位经济性上达成近乎共识：20 小时/天 × 365 天 × 5 年 ≈ 40000 小时，若整机成本降至 40000 美元的「汽车级别」，硬件成本即可降到每小时 1 美元。McMaster 表示工业客户倾向于资本支出购买 Spot，视其为两年内回本的工业资产；但人形形态可能推动 RaaS（机器人即服务）模式。Borick 则为 Neo 建立类似应用商店的平台，允许第三方开发者创建并销售技能，让 Neo 更像「体力劳动操作系统」。
嘉宾们的共识大于分歧：四足与双足平台的硬件问题已基本解决，剩余瓶颈是软件智能，尤其是以互联网规模生成训练数据的能力；安全认证才是走向规模化的真正门槛。OpenAI 创始人奥特曼在近期采访中也表示，未来 2–3 年内将迎来属于机器人的「ChatGPT 时刻」，与 1X 的判断方向一致。