手比模型懂得多
Tesla花钱雇人穿着动作捕捉服走路。机器人缺的是熟练的手如何干活的数据,因为从来没人把它写下来。

Tesla花过钱雇人走路。这个职位2024年8月在帕洛阿尔托招聘,名叫“数据采集操作员”。工作内容是穿上动作捕捉服、戴上虚拟现实头显,每天走七个多小时,身上背着最多30磅的设备。时薪25.25美元到48美元。应聘者的身高得跟那台机器人差不多,他们是在替它走路。
机器人、电机和芯片,Tesla都自己设计。它造不出来的,是一个走路的人。关于人形机器人的报道总在讲硬件和模型规模,但这个行业更缺的是数据,尤其是劳动者的技能,因为从来没人把它写下来。
默会知识没有档案
语言模型的日子好过。人们把什么都写了下来,又放到了网上。伯克利的机器人学家肯·戈德堡估算,训练今天的大模型所用的数据,一个人要读或看大约10万年。他2025年8月在《科学·机器人学》上撰文时,已报道的最大机器人数据集,量级只有一年左右。
钱填不上这个缺口。互联网记录的是人们说得出来的东西。没人写下厨师怎样握刀、钟表匠怎样把一个齿轮装到位,因为谁也写不出来。去问厨师,她会做给你看。学会要好几年。
物理化学家出身、后来转向哲学的迈克尔·波兰尼,把这类知识称为默会知识。在1966年出版的《默会维度》里,他从一个他称之为事实的命题出发:“我们知道的比我们能说出的多。”他举的例子是人脸:一个人能从一百万张脸里认出一张,却说不出是怎么认出的。2014年,经济学家大卫·奥托把由此产生的后果称为波兰尼悖论:一项任务的规则如果谁也说不清,就没法把规则交给机器。他也指出了一条绕过去的路,就是造出能从人类示范中学习的机器。

“说”的局限,我是从内部了解的,因为使用说明书曾经是我的本行。说明书是工业界最认真的一次尝试,想用文字讲清一只手该做什么,而它最多只能说清该按哪个按钮。
胶囊咖啡机走的是另一条路。它把技能拿掉,用一颗胶囊和一个按钮顶替咖啡师。厨房或作坊里的机器人没有这样的出路。它得掌握技能,而说不出来的技能,只能做给它看。
模拟器感觉不到的东西
眼下有两条捷径。模拟器产出练习的速度比任何作坊都快,已经教会了机器人奔跑和后空翻。按戈德堡的统计,YouTube上的视频约有3.5万年。两者结合,一家公司可以虚构出一百万间厨房,其余的从互联网已经拍下的东西里借,一分钱也不用付给厨师。
两条路都够不着手。戈德堡并不与自己的领域为敌,但他说,在机器人操作方面,模拟“出了名地不可靠”。用他的话说,从视频中还原手和物体的精确运动,是“计算机视觉的一项重大挑战,预计在可见的将来都解决不了”。
技能存在于接触之中,在手指的压力里,在洋葱于刀下微微塌陷的那一下里。模拟器只能猜这些力,房间另一头的摄像机根本没看见它们。一段厨师的视频,只能证明洋葱切好了。

看看这些公司实际在花钱买什么。Tesla给走路的人发的是动作捕捉服,没人要他们解释自己是怎么走路的。戈德堡指出,许多公司正在组建由机器人和人组成的队伍,通过远程操作采集数据:一个人操纵机器完成某项任务,比如叠毛巾,一遍又一遍。一个能买下任意多算力的行业,在雇人走路、雇人叠毛巾。
工作的过去
厨师和机械师通常被归入工作的过去,被看作自动化即将取代的人。可每一台用手做有用之事的机器人,之所以能做到,都是因为他们中有人先做过,而且有人想到把做法记录下来。这份记录必须在工作台前、灶台边,由在那里干活的人来完成。我参与创立的Archaí Physics,正在为此制造仪器。
这份记录也改变了什么才算稀缺。芯片可以订购,模型可以复制。一个在工作台前坐了几十年的钟表匠,却难找得多。一张机芯图纸规定了每一个零件,对把齿轮压入到位的那份力道却只字未提。
Rea Stark是苏黎世的工业设计师和创业者。他为Sony和Nespresso做过设计,联合创立了Piëch Automotive和Archaí Physics,研究机器如何感知和操作物理世界。关于
本文图片由人工智能生成。