机器人行业的“GPT 时刻”，卡住它的可能根本不是 AI。 最近继续研究 @axis_ai，我发现一个很容易被忽略的问题： 过去两年，大家讨论机器人，注意力几乎都集中在模型、芯片和硬件。 谁的机器人走得更稳？ 谁的机械手更灵活？ 谁的模型参数更大？ 但如果把视角往底层再挖一层，你会发现 Physical AI 面临的一个核心问题其实是： 机器人严重缺数据。 ChatGPT 为什么能够出现？ 一个非常重要的前提，是互联网过去几十年积累了海量文字、图片、代码。 模型可以“读完整个互联网”，再从中学习人类知识。 但机器人不一样。 互联网里有几十亿张“杯子”的图片，却没有几十亿条： 机械臂应该用什么角度靠近杯子、施加多大的力、抓住之后如何移动、遇到障碍如何调整。 机器人真正需要学习的是： Action，而不仅仅是 Information。 这也是我最近越来越理解 AXIS Robotics 的地方。 AXIS 做的不是再造一个机器人，而是在尝试解决机器人背后的“数据生产问题”。 它把机器人操作搬进浏览器。 普通用户不需要购买机械臂，也不需要成为机器人专家。 打开浏览器，就可以操控模拟机器人完成抓取、移动、分类、开抽屉等任务。 而你每完成一次操作，背后产生的并不是一局“小游戏记录”。 而是一条完整的 Trajectory（机器人运动轨迹）： 关节状态、物体位置、控制动作、视觉信息、任务结果…… 这些数据经过验证、清洗和处理之后，可以继续用于机器人策略和 Physical AI 模型训练。 这件事情真正有意思的地方在于： AXIS 正在尝试把过去只能发生在机器人实验室里的数据生产，变成互联网规模的数据生产。 传统机器人数据采集有一个非常现实的问题： 想增加数据，就要增加机器人、操作员、实验场地和时间。 本质上是线性扩张。 AXIS 想做的是另一条路线： Simulation First + 全球贡献者。 一个实验室也许只能同时控制几十台机器人。 但如果把模拟环境放进浏览器，理论上可以让成千上万人同时产生不同环境、不同任务、不同操作方式的数据。 这就让我想到一个很有意思的类比： Google 把全世界的信息组织起来。 Wikipedia 把全世界的知识贡献者连接起来。 而 AXIS 想做的事情，有一点像： 把全世界的人类操作经验，转化成机器人可以学习的数据。 更关键的是，这已经不完全停留在 PPT 上。 AXIS 官方披露，2026 年 2 月 Beta 阶段，约 18,000 名参与者在 5 天内完成了接近 100,000 条 trajectories。 此前 Little Prince’s Rose 实验中，社区在 3 天产生了超过 10,000 条有效轨迹。 这些数据随后真的被用于训练策略，并部署到真实机器人，让机器人自主完成浇水任务。 这一步非常重要。 因为它验证的是： Human → Simulation → Data → Model → Real Robot 这条链路到底能不能跑通。 如果答案是 YES，那么 AXIS 的想象空间就不应该只看成“一个让用户做机器人任务的平台”。 它真正想建立的是一个 Physical AI Data Engine。 而且这里还有第二层逻辑。 机器人需要的并不是单纯“越多数据越好”。 真正重要的是： 模型在哪里失败，就继续生产哪里的数据。 比如一个机器人已经可以在桌面上成功抓杯子 95 次。 真正有价值的，可能不是再给它 10 万次完全相同的成功案例。 而是找到剩下那 5 次为什么失败： 光线变了？ 杯子旋转了？ 被其他物体挡住了？ 抓取角度不对？ 然后针对失败场景继续生成新的训练任务。 这也是 AXIS 所强调的 Compounding Data Engine： Task Generation → Data Collection → Model Training → 找到 Failure → 生成针对性数据 → 再训练。 于是数据不再是一次性卖掉的数据集。 而是一个不断反馈、不断迭代的循环。 模型越强，暴露的问题越具体； 问题越具体，下一轮需要的数据越精准。 这才是我认为 AXIS 真正值得观察的地方。 未来机器人竞争，很可能不会只是： Tesla vs Figure vs 1X， 也不会只是： 谁的硬件更便宜、模型参数更多。 在更底层，可能还有一场大家现在关注得并不够多的战争： 谁掌握最大、最多样、可以持续迭代的 Physical AI 数据。 LLM 时代证明了一件事情： 数据规模一旦跨过某个临界点，能力可能出现非线性变化。 如果未来机器人也存在类似的 Scaling Law， 那么今天看起来只是一条条普通的 trajectory， 最终可能会成为 Physical AI 最重要的基础资产之一。 所以我现在看 @axis_ai，关注的已经不是“做任务能拿多少积分”。 我真正想观察的是： 它能不能把全球几十万甚至几百万人，变成 Physical AI 的分布式数据生产网络。 如果这条路线最终成立， 未来训练机器人的方式，也许真的会发生变化： 过去： 造更多机器人 → 雇更多人 → 采更多数据。 未来： 让更多人连接进来 → 产生更多人类操作经验 → 训练更聪明的机器人。 AI 让知识第一次可以被机器大规模学习。 而 Physical AI 下一阶段真正缺少的，也许就是： 一个属于机器人的“互联网级数据层”。 AXIS 正在赌的，就是这个未来。

美国的山里是真没有网，很需要星链！ 前几天在红杉国家公园和国王峡谷,手机一整天SOS，彻底数字排毒😂。昨晚去LA的格里菲斯天文台,上山到半路,也没网。 我小声嘟囔、怪不得需要星链 包车师傅说，我家里就装了Starlink，其它的网有时候会卡，但星链不会。屋外需要装个基站,屋里再放一个设备,有点像我们用的路由器/猫。家用版现在一个月五十几到一百多刀,锅另算三百多刀一次性。 手机也有直连和150多个国家漫游版。我打开注册看了下 Starlink Roam，专为房车、露营、四处跑的人设计的环球漫游网。价格 100GB 每月 50 刀,无限流量每月 105 刀不用就暂停。 美国电信商T-Mobile 和星链合作的手机直连 T-Satellite一个月只要10 刀，靠 650 多颗卫星覆盖全美 50 多万平方英里盲区。 在城里有网，用的常规网络,没信号的地方切换星链，坐飞机美联航正在上免费 Wi-Fi 就是Starlink Aviation,出海有Starlink Maritime，露营、房车、合作国家公园是Starlink Roam。 在中国你很难体会”完全没信号”是什么感觉，我去呼和浩特的山里都有5G Plus。在美国,城里的山上都是数字荒漠… “欢迎来到山城洛杉矶。”朋友从尔湾开车来找我,见面第一句跟我说。“我第一次去墨西哥🇲🇽,担心那里不安全。当地人问我哪来的,我说LA，他笑了 跟你们那差不多啦,别担心。” LA真的有“治安焦虑” 🔫 屋顶上的步枪 朋友开车🚗带我去K Town吃韩餐,路上讲起”屋顶韩国人”Roof Koreans。 1992 年洛杉矶暴动,警察撤去守比佛利山这些富人区,把韩国城丢给了暴徒。韩裔店主就自己拿枪上了屋顶。因为很多人是退伍韩国兵，人人会用枪，在第五街和 Western 大道的加州市场屋顶上。“据说有个阿姨站在家里屋顶上，枪口对着往里冲的人：谁再往前一步,就崩了你！”韩国人赢了。 我其他美国朋友也跟我聊过聊过这个【拥枪自由】当有人闯进你的私人领地,开枪自卫被视为天经地义,是”保护自己”的一部分。跟拓荒精神也有关，德州的同事他们现在也还是会去狩猎。 一体两面。 我订酒店时,系统特别提示，不能携带武器入住。我当时想，谁会带枪进酒店啊?进房间发现门后贴着告示: “法律保护酒店员工免受威胁行为。本酒店为员工配备个人安全设备。——洛杉矶市法典 第十八章 第二条 第182.02节” 我还在地铁站看到 5 个警察按住一个男的，吓得我只敢坐这仅此一次。去逛比弗利山庄的贵妇超市 Erewhon 门口两个安保每个人标配两把枪。 街上有两种小小机器人 开车路上,一台白色圆滚滚的小车在人行道慢慢挪。我还以为是亚马逊送货的，类似于亚朵酒店的外卖机器人？朋友说:那是安保巡逻车。 它叫 Knightscope K5,专做安防机器人的公司造的。一人多高、四百多磅、子弹头造型,带摄像头、热成像、激光雷达、车牌识别,24 小时在商业区、停车场、商场巡逻。商家按月租,一台 650 到 5500 刀，比真人保安便宜。 我们吃的Rose推荐的韩餐Sun Nong Dan门口两个蹲着的名叫“COCO”的粉色方盒子小车。我问那这是干嘛的? 朋友:“送外卖的。人工太贵,有些商家就用机器人。” “那它会上楼吗?” “当然不会啦！有时候还会摔倒,用语音求你扶它起来,超可爱！” Coco 是 Sam Altman(OpenAI CEO)投的,融了超过 1.2 亿美金,街上跑着约 1300 台,零排放,已送出超 50 万单。它不是全自动,背后有真人远程盯着随时接管;爬不了楼梯,只能在人行道跑,所以才动不动翻车卖萌😂 站岗的机器人，送饭的机器人。“它们太常见了，我都不会觉得这很特别。”这就是洛杉矶的街道。 ⚖️ 我怀疑洛杉矶最热门的职业是律师 区别于，旧金山满街的AI 广告，洛杉矶满大街都是律师广告。就在我拍摄的COCO外卖机器人背后，公交车上就有！ “我们为你而战”、The Accident Guys,你的伤害律师,2500+ 五星好评、出了事,不仅让你赢,还让你赢得漂亮….各种律师 朋友说:“在LA真的很容易撞车,奇奇怪怪的人也多。“难怪事故律师能霸屏。也所以他住在更贵的尔湾。 我想起包车师傅说的，她每年都得找人报税。美国个人税太复杂,律师能帮你合理避减减税、省去一堆麻烦,一年才100多刀。在美国一半人报税都要找专业的，只不过大多找会计师 CPA,不是律师，律师打税务官司才上场。 晚上我们还是去了格里菲斯天文台，就是《爱乐之城》里 Mia 和 Sebastian 在星空下跳舞的地方。 “这跟阳明山有什么不一样吗？” “你上去就知道了，这是我最喜欢的夜景🌃”

🌹Niu x Marie Rose Cosplay Photobook🌹 ❤️Oversea purchase sheet ~2/10 ❤️ ❤️ 台灣預購表單 ~2/3 22:00❤️

🌹Niu x Marie Rose Photobook🌹 明天就是FF40了⸜( ˶'ᵕ'˶ )⸝ 攤位兩天都在《 R17 》呦ෆ ̖́- 來攤位消費任意金額都可以合照～ 感覺人很多口罩一定要戴好喔.ᐟ.ᐟ.ᐟ 我們明天見啦٩(＊> ₃ <)۶♥ #瑪麗蘿絲# #MarieRose#