搜尋 rose… 相關推文 — 推特瀏覽器

2026.08.30 05:18

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。

0

100

55

1

轉發到社區

Yuki@Yuki27__

2026.06.12 13:13

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🌃”