机器人创业公司不卖AI,只卖「时薪16美元」这句话
Tutor向从未买过机器人的工厂主推销时，从不提模型和AI,只说一个数字——时薪16美元的机器人；这背后是美国一年仅部署3.8万台工业机器人、九成工厂空白的现实。
原视频在 YouTube 上放不出来，用音频听：
核心论点 · 点时间戳可跳到原声
反过来想：先部署机器人，再攒数据
Josh说见过的99%机器人创业公司的切入点都是模型或数据的某个洞察，很少有人想清楚机器人到底要做什么。Tutor的思路是反过来的：假设有一个能把地球上80亿人的物理智能连接给任意机器人的万能软件，即便如此，机器人造不出来、供应链不存在、客户也不存在的问题依然没解决——因为机器人至今仍是美国的一个手工作坊式行业，连在制造业、物流这些最自动化的行业里都只是舍入误差。于是Tutor选择先把机器人实际部署到需要它的地方，再用这个过程建数据集、模型和供应链。
— Josh机器人世界没有互联网，所以要造一个
Josh解释公司名字的由来：互联网上人类发社交媒体、写邮件这些自然行为，无意中给LLM创造了一个漂亮的训练数据集；但physical world里的劳动完全没有被这样记录下来——他拿起咖啡杯，没人知道他手指用了多大压力、摆了什么姿势。Tutor的做法不是指望凭空造出物理智能的算法，而是把机器人铺到真实世界里，用人类远程操作员(即「tutor」)教机器人做新任务，相当于人为造一条「机器人训练数据的互联网」,而且这个过程本身在创造经济价值，让客户的商品更便宜。
— Josh美国一年只装3.8万台工业机器人
Josh给出一个对比：2025年全美部署的工业机器人只有3.8万台，这个规模小到任何一款类人机器人在统计里基本都是零。原因不只是数量少，连「种类」都是错的——Fanuc、ABB这些厂商造的机器人大多不是在美国本土生产，就算是，也是为系统集成商设计的快速重复动作机器，根本不是按照能跟前沿大模型协同设计的那套取舍造出来的。所以Tutor被迫从零开始自己设计、制造硬件，而不是采购现成产品。
— Josh两款机器人覆盖八到九成工作
Tutor只造两款机器人。Cassie是单臂加吸盘的「壮汉」,由2亿到4亿参数的基础模型驱动，专攻托盘、纸箱这类重体力搬运，解决的是「平均年龄55岁、三个月就离职」这类招不到人的工作。Sunny是轮式(不是腿式，因为室内地面都是抛光地面)的工业半人形机器人，设计成能在工厂里以人类的速度和可靠性连续运行三到十年，具备工业级协作安全标准。Josh说如果只考虑制造物流这个市场，这两款机器人目前能覆盖八到九成的工作。
— Josh销售话术不讲AI,讲时薪16美元
Tutor几乎所有客户都是第一次买机器人，这批客户熟悉的是老一代自动化，默认机器人用不上自己身上。所以打破僵局的方式不是跟客户聊AI、模型或tutor,而是直接打电话问「有没有考虑过一个时薪16美元的机器人」——这是一个他们从没听过的全新提案。靠这套商业模式实现的激励对齐，Tutor部署机器人的速度比传统工业自动化行业快了几个数量级：从第一次通话到签约平均40到60天，签约到机器人现场干活平均40天，现场落地往往一天甚至几小时内完成。
— Josh服务大客户、定制两年，是机器人公司的死法
Josh复盘此前见过五到十次的失败模式：一家学术背景很强的供应链机器人公司，被某个大客户承诺的意向书吸引，花两年打磨一套高度定制的系统，部署后大概率不work,就算work了客户也未必还有这个问题——公司也就死了。他的反思是跟一批多样化的中小客户打交道，反而是一种「强制约束」,逼着公司造一个真正通用的机器人身体加通用模型平台，而不是只为某个大客户量身定制的鲁布·戈德堡机器。
— Josh造房子只要便宜1%,需求就整体转移
Josh举了一个威斯康星住房工厂工人讲的例子：在工厂里造房子目前比传统现场施工贵5%,但只要工厂造的房子比同等质量的传统建造便宜哪怕1%,开发商的全部需求都会立刻转向工厂建造这条路线。这个例子被他用来说明机器人带来的成本下降不是线性收益，一旦跨过某个临界点，会触发整个行业需求的结构性转移，类似的逻辑也适用于垃圾填埋场材料回收等市场。
— Josh中国押注旧自动化范式可能是长期失误
被问到机器人变得更通用之后，工厂选址和「一镇一厂」式格局会怎么变时，Josh把话题带到地缘政治：中国在上一代工业自动化范式上投入巨大，这让中国一度非常成功，但长远看这可能是个巨大的失误，因为美国现在是在用通用机器人做「绿地」式的自动化改造，不需要像中国那样先拆掉旧产线再建。他同时承认今天的供应链仍高度全球互联，中美企业都在对方市场投资、都在建自己的产业能力，Tutor自己也在把更多零部件供应链垂直整合搬回Watertown工厂，因为公司已经是部分OEM最大的需求方之一。
— Josh原话 · 已逐字校验
That network of human intelligence for LLMs and other kind of digital world models by natural emission has created this beautiful data set that we can use to train general purpose models.
人类这个互联互通的智能网络，靠自然而然的日常行为，给LLM和其他数字世界模型创造了一个漂亮的数据集，我们可以用它来训练通用模型。
Josh9:27
a human had to put that in a box, which is a crazy revelation for most people.
都是人工把它装进箱子里的，这对大多数人来说是个疯狂的认知。
Josh21:57
We call them up and we're saying, hey, have you ever considered a robot for 16 bucks an hour? And they haven't, right?
我们直接打电话问，嘿，你有没有考虑过一个时薪16美元的机器人？他们从没想过这个，对吧？
Josh23:58
a robot is a robot unless it works, in which case it's a machine.
机器人只有在不工作的时候才叫机器人，一旦它开始工作，它就只是台机器了。
Josh25:58
anybody who's built products knows that you can't just one and done a product, right? Doing product requires iteration.
做过产品的人都知道，产品不可能一锤子买卖做完，做产品需要持续迭代。
Josh30:10
we have this framework of the value of a robot is you take how much work a robot can do and you divide it by its cost. And that's it, right? Everything else is commentary.
我们看一台机器人的价值就一个框架：它能干多少活，除以它的成本。就这样，别的都是废话。
Josh36:19
I mean, you're really competing with like something that you feed rice to and it's very, very efficient, right? Like the human body.
你真正要竞争的对手，是一个只要喂它米饭就能运转、效率极高的东西——人体。
Josh37:19
this is going to be a great equalizer between the United States and other companies, or excuse me, other countries like China invested in the previous regime of industrial automation. And in some ways that made them very successful. And in other ways, I think in hindsight, that might end up being an enormous mistake.
这会成为美国和其他国家之间的一个巨大平衡器——比如中国在上一代工业自动化范式上投入了很多，这在某些方面让他们非常成功，但在另一些方面，我觉得回头看，这可能最终会是一个巨大的失误。
Josh39:20
数字与实体
| Tutor 员工规模 | 约160人，主要在波士顿 | 2:07 |
| 美国工厂/仓库无机器人比例 | 十分之九没有任何机器人 | 23:58 |
| Data Factory One机器人数量 | 100台Sunny | 19:56 |
| 首次通话到签约平均周期 | 40-60天 | 24:58 |
| 签约到机器人现场运行平均周期 | 约40天 | 24:58 |
术语
- teleoperator / tutor远程操作员/「导师」
- 人类远程操控机器人、教它完成新任务，数据同时用于训练模型
- greenfield market空白市场
- 此前几乎没有同类产品渗透、相当于从零开始的市场
- HRI(Human-Robot Interaction)人机交互研究
- 研究人类如何与机器人协作、建立信任关系的学科领域
- action diffusion transformer动作扩散Transformer
- 把模型的通用知识转化为具体机器人动作序列的模型架构
收听指南
关注机器人硬件落地、制造业自动化、中小企业销售打法或中美供应链博弈的创业者与投资人。
27:00-29:00讲机器人起名字的趣闻，信息密度低，可跳过。