Tutor Intelligence用"人类教练"训练机器人破解物理世界数据荒

这家公司的机器人已经帮美国消费者造出并运送了超过两亿五千万件商品——这个数字出自Claude前一晚的估算，但背后的逻辑链条却完全是人为搭建的。Tutor Intelligence 的创始人 Josh Gruenstein 认为，机器人行业过去六十年一直在犯同一个错误：把它当成某一层的技术问题，而不是一个贯穿模型、硬件、供应链和客户的系统工程。

在 a16z 的这场对话里，Gruenstein 与 Martin Casado、Raghu Raghuram 一起复盘了 Tutor 这五年半走过的路——从一个关于"人类远程操作员如何训练机器人"的思想实验，到如今把机器人直接部署进从夫妻店到财富50强企业的真实业务里。他拥有 MIT 机器人学的技术背景，但谈起公司运营时，语气更像一个盯着供应链和单位经济模型的运营者。这种转变本身，恰恰印证了他对这个行业的核心判断。

1. 机器人行业的数据原罪

互联网自然而然地生产出了海量数据：人们发社交媒体、写邮件，这些行为本身就是在给大语言模型喂养训练集。物理世界没有这种便利——Gruenstein 举了个例子，他拿起咖啡杯的那一刻，没有人记录他指尖的压力分布和姿态轨迹。这类数据从来不存在，也没有人去采集。

这就是 Tutor 名字的由来。公司的核心假设是：如果从零开始发明某种算法去凭空生成机器人智能，这本身就是一场"作弊局"——计算机视觉和自然语言处理从来都不是这么走出来的。与其等待这种数据凭空出现,不如主动构建一个由人类远程操作员（他们称之为"tutor"）连接真实机器人网络的系统，让人教机器人完成新任务，就像互联网无意中为大模型积累训练语料一样，主动为机器人建一个"训练数据互联网"。

这套思路带来了一个意外的副产品：这不是一个纯粹烧钱的资本项目，而是一个边建设边创造经济价值的过程。机器人在部署和采集数据的同时，也在让客户的商品变得更便宜，整个链条是正和博弈，而不是零和投入。

2. 智能解决了，然后呢

Gruenstein 提出了一个反直觉的思想实验：假设你拥有无限强大的软件，可以把地球上任何一个人连接到任何一台机器人，瞬间赋予它人类级别的物理智能——这相当于机器人领域的"ASI"时刻。但即便到了这一步，问题也没有被解决。

机器人在美国至今仍是一门手工作坊式的生意，哪怕在制造和物流这类高度自动化的行业里，机器人也只是误差范围内的存在。原因不在智能本身，而在于你还需要大规模制造机器人，还需要建起配套的软件，还需要让客户真正相信可以买——而客户目前愿意买，恰恰是因为机器人还做不了他们想要的那些工作。

这让他得出结论：机器人从来不是单一层面的问题,不是只靠智能、只靠硬件、或只靠打动客户就能解决的事。真正能跑出一个成功平台的做法,是把智能、硬件、客户这三块拼在一起同时优化,任何一层被单独拎出来孤立解决,都会把90%的可取舍空间直接扔掉。

3. 没有一家机器人公司真正赚到了大钱

谈到为什么过去那么多机器人创业公司都没能真正跑通商业模式，Gruenstein 的答案直指两个结构性缺口。第一，这些公司缺少"智能"这个核心原语，没有它，单位经济模型就永远卡在某个天花板上;第二,整个市场高度碎片化,参与者彼此依赖又互相制衡,而真正需要做的是跨越全栈层面做取舍，这件事没人愿意独自扛。

Casado 提出了一个他们团队观察到的现象：几乎所有机器人公司都是从横向切入，最后却被迫走向纵向——明明一开始说"我们做模型"，结果没多久就在自己买3D打印机、自己管供应链。Gruenstein 认为这不是这个领域永恒的物理限制，而是市场不成熟的表现，早期计算机行业也走过同样的路。

行业终将走向通用化，就像计算从专用机器走向CPU这种通用计算单元，机器人在未来会以人形和类似的通用形态出现，然后再逐步分化出GPU、ASIC式的专用方向。但那一步要等到市场足够成熟之后才会发生，现在还处在"必须自己纵向整合才能活下去"的阶段。真正的问题是怎样搭建通用平台，让想做机器人相关生意的人不必亲自懂芯片架构,就像今天运营软件公司的人不需要懂计算机体系结构一样。而验证这个平台是否真的奏效的唯一方式，就是看它上面能不能真的跑出成功的业务单元。

人工智能在机器人学习层面带来的加速，让这件事第一次有了可能——但智能只是其中一块拼图。Tutor 走的路径,是先把机器人实实在在地送进真实的工厂和仓库,用人类远程操作员填补模型能力不足的空白,再把这些操作记录下来变成训练数据,反哺模型能力的提升,形成一个自我强化的循环。这条路没有捷径,也没有单点突破,它要求创始人同时懂FPGA、懂供应链、也懂去市场怎么卖。

这场对话回到最初的命题：机器人不是某个模型突破或某种硬件创新就能单独解决的问题，它是模型、硬件、软件、供应链、客户和产品共同作用的系统工程。Tutor 用两亿五千万件商品的交付记录证明，唯有把这些层面同时攥在手里做取舍，才有可能真正把机器人送进美国制造业的日常运转里。