一小时16美元的机器人，美国大多数工厂连一台都没有

美国大多数工厂里，一台机器人都没有。Tutor Intelligence给这些工厂的报价是：一台机器人，每小时16美元。

这个价格在美国制造业里，卡在一个微妙的位置。联邦最低工资是7.25美元，但算上福利、培训、招聘和流动成本，一个产线工人的实际时薪远不止这个数。16美元一小时，买的是一个不会请假、不会跳槽、不需要医保的劳动力。至少Tutor是这么卖的。

a16z的Martin Casado和Raghu Raghuram把Tutor Intelligence的CEO Josh Gruenstein请来聊了近45分钟。Gruenstein的说法是，机器人行业一直把问题搞反了。大家盯着模型，盯着人形，盯着通用能力。Tutor的做法是先从工作本身出发，看工厂里到底有什么活需要干，然后把机器人放进去。

这个方法的关键在名字里。Tutor，导师。机器人干不了的活，人类tutor补上。tutor在旁边的操作、纠正、示范，全部变成训练数据。Tutor建了一个100台机器人的数据工厂，机器人叫Cassie和Sonny。每一台在真实环境里干活，每一台都在产生数据。Gruenstein说，这是真实世界的大规模强化学习。

这个模式有它聪明的地方。机器人不需要一开始就什么都会。它只需要在有人兜底的情况下，把能干的活干了。人类tutor不是临时补位。它是数据飞轮的一部分。干得越多，数据越多，机器人越能干，tutor介入越少。成本结构也跟着变。

Tutor的客户是第一次买机器人的企业，重点是中小企业。这个选择有道理。大企业有自动化团队，有集成商，有预算做定制。中小企业没有。他们需要的东西开箱即用，按小时付费，不占用资本开支。16美元一小时的定价，直接对着人力成本去，决策门槛低得多。

Gruenstein还聊了工厂、中国和美国供应链。美国制造业的机器人密度低得惊人，大多数工厂连一台都没有。这个事实和硅谷每天谈论的人形机器人、通用人工智能，像两个平行世界。更聪明的模型解决不了这个问题。Tutor赌的是更便宜、更实用、更愿意从脏活累活干起的机器人。

空间推理的进步是其中一个变量。前沿模型让机器人对物理世界的理解快了很多。但Gruenstein没有把宝押在模型上。他的逻辑是系统问题，AI、硬件、制造、工作本身，缺一不可。

16美元一小时，这个价格能不能撑住，要看tutor的成本能不能被数据摊薄。如果机器人学得够快，tutor的需求下降，单位经济模型就成立。如果学得慢，tutor就成了隐形成本。Tutor的数据工厂就是在赌前一种情况。

美国工厂的自动化，可能不会从人形机器人开始。它会从一台每小时16美元、旁边站着一个tutor的机械臂开始。这个画面不性感，但账算得过来。

完整对话在a16z的频道：https://www.youtube.com/watch?v=lXkjXSul6yg