機器人創業公司不賣AI,只賣「時薪16美元」這句話
Tutor向從未買過機器人的工廠主推銷時，從不提模型和AI,只說一個數字——時薪16美元的機器人；這背後是美國一年僅部署3.8萬臺工業機器人、九成工廠空白的現實。
原視頻在 YouTube 上放不出來，用音頻聽：
核心論點 · 點時間戳可跳到原聲
反過來想：先部署機器人，再攢數據
Josh說見過的99%機器人創業公司的切入點都是模型或數據的某個洞察，很少有人想清楚機器人到底要做什麼。Tutor的思路是反過來的：假設有一個能把地球上80億人的物理智能連接給任意機器人的萬能軟件，即便如此，機器人造不出來、供應鏈不存在、客戶也不存在的問題依然沒解決——因為機器人至今仍是美國的一個手工作坊式行業，連在製造業、物流這些最自動化的行業裡都只是舍入誤差。於是Tutor選擇先把機器人實際部署到需要它的地方，再用這個過程建數據集、模型和供應鏈。
— Josh機器人世界沒有互聯網，所以要造一個
Josh解釋公司名字的由來：互聯網上人類發社交媒體、寫郵件這些自然行為，無意中給LLM創造了一個漂亮的訓練數據集；但physical world裡的勞動完全沒有被這樣記錄下來——他拿起咖啡杯，沒人知道他手指用了多大壓力、擺了什麼姿勢。Tutor的做法不是指望憑空造出物理智能的算法，而是把機器人鋪到真實世界裡，用人類遠程操作員(即「tutor」)教機器人做新任務，相當於人為造一條「機器人訓練數據的互聯網」,而且這個過程本身在創造經濟價值，讓客戶的商品更便宜。
— Josh美國一年只裝3.8萬臺工業機器人
Josh給出一個對比：2025年全美部署的工業機器人只有3.8萬臺，這個規模小到任何一款類人機器人在統計裡基本都是零。原因不只是數量少，連「種類」都是錯的——Fanuc、ABB這些廠商造的機器人大多不是在美國本土生產，就算是，也是為系統集成商設計的快速重複動作機器，根本不是按照能跟前沿大模型協同設計的那套取捨造出來的。所以Tutor被迫從零開始自己設計、製造硬件，而不是採購現成產品。
— Josh兩款機器人覆蓋八到九成工作
Tutor只造兩款機器人。Cassie是單臂加吸盤的「壯漢」,由2億到4億參數的基礎模型驅動，專攻托盤、紙箱這類重體力搬運，解決的是「平均年齡55歲、三個月就離職」這類招不到人的工作。Sunny是輪式(不是腿式，因為室內地面都是拋光地面)的工業半人形機器人，設計成能在工廠裡以人類的速度和可靠性連續運行三到十年，具備工業級協作安全標準。Josh說如果只考慮製造物流這個市場，這兩款機器人目前能覆蓋八到九成的工作。
— Josh銷售話術不講AI,講時薪16美元
Tutor幾乎所有客戶都是第一次買機器人，這批客戶熟悉的是老一代自動化，默認機器人用不上自己身上。所以打破僵局的方式不是跟客戶聊AI、模型或tutor,而是直接打電話問「有沒有考慮過一個時薪16美元的機器人」——這是一個他們從沒聽過的全新提案。靠這套商業模式實現的激勵對齊，Tutor部署機器人的速度比傳統工業自動化行業快了幾個數量級：從第一次通話到簽約平均40到60天，簽約到機器人現場幹活平均40天，現場落地往往一天甚至幾小時內完成。
— Josh服務大客戶、定製兩年，是機器人公司的死法
Josh復盤此前見過五到十次的失敗模式：一家學術背景很強的供應鏈機器人公司，被某個大客戶承諾的意向書吸引，花兩年打磨一套高度定製的系統，部署後大概率不work,就算work了客戶也未必還有這個問題——公司也就死了。他的反思是跟一批多樣化的中小客戶打交道，反而是一種「強制約束」,逼著公司造一個真正通用的機器人身體加通用模型平臺，而不是只為某個大客戶量身定製的魯布·戈德堡機器。
— Josh造房子只要便宜1%,需求就整體轉移
Josh舉了一個威斯康星住房工廠工人講的例子：在工廠裡造房子目前比傳統現場施工貴5%,但只要工廠造的房子比同等質量的傳統建造便宜哪怕1%,開發商的全部需求都會立刻轉向工廠建造這條路線。這個例子被他用來說明機器人帶來的成本下降不是線性收益，一旦跨過某個臨界點，會觸發整個行業需求的結構性轉移，類似的邏輯也適用於垃圾填埋場材料回收等市場。
— Josh中國押注舊自動化範式可能是長期失誤
被問到機器人變得更通用之後，工廠選址和「一鎮一廠」式格局會怎麼變時，Josh把話題帶到地緣政治：中國在上一代工業自動化範式上投入巨大，這讓中國一度非常成功，但長遠看這可能是個巨大的失誤，因為美國現在是在用通用機器人做「綠地」式的自動化改造，不需要像中國那樣先拆掉舊產線再建。他同時承認今天的供應鏈仍高度全球互聯，中美企業都在對方市場投資、都在建自己的產業能力，Tutor自己也在把更多零部件供應鏈垂直整合搬回Watertown工廠，因為公司已經是部分OEM最大的需求方之一。
— Josh原話 · 已逐字校驗
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.
人類這個互聯互通的智能網絡，靠自然而然的日常行為，給LLM和其他數字世界模型創造了一個漂亮的數據集，我們可以用它來訓練通用模型。
Josh9:27
a human had to put that in a box, which is a crazy revelation for most people.
都是人工把它裝進箱子裡的，這對大多數人來說是個瘋狂的認知。
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?
我們直接打電話問，嘿，你有沒有考慮過一個時薪16美元的機器人？他們從沒想過這個，對吧？
Josh23:58
a robot is a robot unless it works, in which case it's a machine.
機器人只有在不工作的時候才叫機器人，一旦它開始工作，它就只是臺機器了。
Josh25:58
anybody who's built products knows that you can't just one and done a product, right? Doing product requires iteration.
做過產品的人都知道，產品不可能一錘子買賣做完，做產品需要持續迭代。
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.
我們看一臺機器人的價值就一個框架：它能幹多少活，除以它的成本。就這樣，別的都是廢話。
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.
你真正要競爭的對手，是一個只要餵它米飯就能運轉、效率極高的東西——人體。
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.
這會成為美國和其他國家之間的一個巨大平衡器——比如中國在上一代工業自動化範式上投入了很多，這在某些方面讓他們非常成功，但在另一些方面，我覺得回頭看，這可能最終會是一個巨大的失誤。
Josh39:20
數字與實體
| Tutor 員工規模 | 約160人，主要在波士頓 | 2:07 |
| 美國工廠/倉庫無機器人比例 | 十分之九沒有任何機器人 | 23:58 |
| Data Factory One機器人數量 | 100臺Sunny | 19:56 |
| 首次通話到簽約平均週期 | 40-60天 | 24:58 |
| 簽約到機器人現場運行平均週期 | 約40天 | 24:58 |
術語
- teleoperator / tutor遠程操作員/「導師」
- 人類遠程操控機器人、教它完成新任務，數據同時用於訓練模型
- greenfield market空白市場
- 此前幾乎沒有同類產品滲透、相當於從零開始的市場
- HRI(Human-Robot Interaction)人機交互研究
- 研究人類如何與機器人協作、建立信任關係的學科領域
- action diffusion transformer動作擴散Transformer
- 把模型的通用知識轉化為具體機器人動作序列的模型架構
收聽指南
關注機器人硬件落地、製造業自動化、中小企業銷售打法或中美供應鏈博弈的創業者與投資人。
27:00-29:00講機器人起名字的趣聞，信息密度低，可跳過。