摘要

1X的核心判断是，家庭是触达消费者规模和发展具身智能的最快路径，而不只是自动化的又一个市场。 早期EVE机器人在重复性的安防或物流任务上运行约20–40小时后就会出现学习平台期，但家庭场景尚未显现多样性天花板。Bernt Bornich估算，部署10,000台机器人后，整个机群每天产生的非重复有效数据可能超过YouTube：“互联网其实没那么大。”
即使完全自主还未实现，短期商业模式也已经具备实用价值。 Peter Diamandis提出约$30,000的买断价，或每月$300的租赁价——每天$10、每小时约$0.40；Bornich回应“我认为我们可以做得更好”，但拒绝公布实际价格。工厂计划在2026年底达到年化产能20,000台以上，不过由于产能爬坡，2026年实际产量会更低。
NEO Gamma的工业优势在于刻意简化、轻量化的架构，而不是汽车式复杂度。 这台身高5英尺4英寸、体重66磅的机器人据称可举起约150磅、携带约50磅，续航4小时、从完全没电充满约需2小时；其零部件数量为数百个，而汽车约有50,000个。Bornich对制造的概括是：“它更像冰箱，而不是汽车。”
1X押注的是，物理智能必须具备空间、时间、触觉和互动维度，而不是以语言为起点。 互联网视频提供了观察结果，却没有智能体的目标、选择的动作或观察到的后果；机器人则可以执行“提出假设—采取行动—获得反馈—修正”的科学方法循环。Bornich不愿断言具身性在理论上不可或缺，只说这“比文本或低保真模拟短得多”。
远程操控既是产品栈的一部分，也是训练栈的一部分，而透明度承担了大部分信任成本。 早期客户获得的将是尽力而为的自主运行与预约式人工辅助工作的组合；用户必须批准远程操控，机器人会明显提示有人介入，操作员看到的是经过过滤的场景。私人数据有24小时的预训练删除窗口，人工审核则需要用户批准并提供解密密钥。
安全边界既通过物理设计设定，也通过动作条件世界模型加以约束。 NEO Gamma质地柔软，整体设计使意外撞击可能造成疼痛，但不太可能导致严重伤害；烹饪及其他涉及危险物体的任务初期仍会禁用，因为“一旦你拿起一壶滚烫的水，就再也无法保证自己是安全的”。在模型评估中，1X把控制器放入模拟世界，让“机器人身处Matrix”，测试性能、红队案例和不安全行为。
上行空间是一套劳动与基础设施飞轮，但约束条件高度依赖物理世界。 Bornich设想的“硬启动时刻”是机器人开始制造机器人、芯片工厂、数据中心、能源系统、实验室和专业自动化设备；Peter将劳动估算为全球$110万亿美元GDP的大约一半。Bornich认为到2040年拥有10 billion台人形机器人“可能大致正确”，甚至可能偏晚，前提是许可、电力、铝、稀土加工、磁体、晶圆厂以及足够多的机器人能够支撑所需劳动力的启动。

精读

1. 家庭是1X的数据引擎

Bornich选择家庭的首要原因是规模：消费硬件可以触达数十亿台设备，而人形机器人只有在规模带来可靠性、成本、智能和生态改善后才真正有吸引力。对于任何单一工业任务，他说，“总会有更好的自动化系统”。
经验警示来自2022–2023年EVE在安防和物流领域的部署。每项任务的学习在约20–40小时后进入平台期：反复移动一个杯子接近低端，而导航、开门和设施安防则超过40小时。
在Bornich看来，工厂重复一项操作无法通往通用智能。相比之下，1X目前的家庭场景尚未发现多样性天花板；他将1X定位为朝着AGI前进，而不只是快速在工厂里应用劳动力。
他对丰裕的更广泛公式，是用知识或智能乘以劳动、商品和服务。只改善模型层，物理底座仍受约束：智能需要能够在社会中学习的机器，最终还需要扩张承载智能运行的基础设施。

2. 家庭机器人必须理解社会语境

Diamandis把NEO Gamma比作探索物理世界的幼儿，Bornich接受这一比喻，但补充了一个条件：机器人必须先从互联网、模拟和合成训练中获得有用的先验行为，尝试合理动作，而不是随机游荡。随后才进入真实世界互动，目前还无法判断这一循环能扩展到多大规模。
家庭场景更深层的难题在于，“我们做的一切都是社会性的”。一个空咖啡杯可能意味着需要续杯、清洗，或只是继续留在原处使用；正确的物理动作取决于周围的人、时间和习惯，而重复性的工业数据无法捕捉这些变量。
这套逻辑催生了1X十年前的创立要求：机器人必须足够安全、足够有能力、也足够便宜，才能“生活在我们中间并向我们学习”。同时做到3点，意味着在保留人类级力量的同时简化系统，并把价格压到规模化可负担的水平。设计工作最终导向了腱驱动机器人，以及持续十年的原创研究。
Bornich将机器的社会角色描述为既不是另一个人，也不是另一只宠物，而是“介于两者之间的某种东西”——他对Calvin and Hobbes的比喻很简单：“它就是Hobbes”。一个终身陪伴者可以记住主人，通过目光和肢体语言交流，让AI真正具备物理存在感。

3. 价格目标是消费经济学，而非工业资本开支

Diamandis提出了$30,000买断或每月$300租赁的工作区间——每天约$10、每小时$0.40。Bornich没有确认价格，只回答“我认为我们可以做得更好”，同时认可这一范围在方向上合理。
Bornich强调，1X既要做出最好的产品，也要具备价格竞争力。他说，综合考虑自由度和能力，NEO Gamma仍能与中国替代品竞争，并称1X已经显著降低了系统复杂度。
Bornich说，一项民调发现，人们通常至少想要2台机器人，具体取决于价格。David Blundin随后推测，4台或6台可能会成为常态，因为机器人之间的协作比人类搬运工更精确。Diamandis认为数量过多，称一台NEO Gamma只有在需要团队时才会带来额外机器的需求。
Bornich把问题框架进一步拉宽：劳动丰裕也会让更大的房屋和更多实物商品变得可负担，因此今天的家庭尺寸可能并不适合用来估算机器人数量。在他的叙述中，机器数量会与它们能够创造的建成环境共同演化。

4. 物理智能从动作开始，而不是从语言开始

Bornich反对智能始于语言这一前提。语言是人类创造的高效压缩格式，但核心在于“空间和时间”：智能体如何观察、感受、预测并在世界中行动。他偏好的架构从这些模态出发，再叠加文本。
Blundin提出，具身性让智能得以产生，而语言让智能得以扩展。Bornich谨慎地回答，他无法严格证明具身性是必需的；他只能说，有“非常、非常强的证据”表明，具身性是通往人类级乃至更高智能的更容易工程路径。
关键的数据差异在于能动性。YouTube记录发生了什么，却遗漏了行动者的目标、内部世界模型、选择的动作和由此产生的反馈；机器人则同时拥有观察结果、目标与动作，以及观察到的结果。Bornich将其直接对应到科学方法：提出假设、进行测试、观察结果、重复并学习。
他承认模拟可能复现这一循环，因此不会断言其他路径不可能。问题在于实践：模拟的保真度远低于现实，弥合差距极其困难，而且相比在物理世界收集互动经验，模拟消耗的算力要多得多。

5. 机群数据与制造规模相互复利

Bornich的粗略计算是，10,000台机器人每天运行大部分时间，收集的有效、非重复数据将超过YouTube每天上传的数据。大规模部署后，机器人生成的经验可能远超互联网数据，在设备数量与模型能力之间形成反馈循环。
他纠正了主持人对产量的理解：1X跨多个世代总共制造了超过100台机器人，但NEO Gamma不超过100台。规划中的工厂将在2026年结束时达到20,000台以上的年化产能，不过产能爬坡意味着2026年实际产量无法达到这一完整数字。
后续工厂的目标是再迈上一个接近数量级的台阶，但Bornich提醒说不会完全达到。他提到iPhone约1.7倍的增长节奏，包括规模化暴露新约束时出现的平台期；当被问及2030年前能否达到年产数十万台时，他回答：“远不止。”
规模最终会撞上铝精炼和装配劳动力。即使零件很少，NEO Gamma的制造仍比iPhone复杂；如果所需劳动是后者的5倍，劳动力供给会先失效。因此必须转向机器人组装机器人，并扩张晶圆厂、数据中心和能源供应。

6. NEO Gamma的工程逻辑更像家电，而不是汽车

NEO Gamma身高约5英尺4英寸，体重66磅。Bornich称它能举起约150磅、携带约50磅，具备“运动型人类的重量—力量比”，同时支持公司对轻量、柔软机器的强调。
电池续航约4小时，充满电约需2小时。Bornich不太在意连续运行时间，更关注短暂、择机充电的间歇是否足以保持机器可用；他家里的那台通常会在自然停顿期间充电，而不是把电池完全耗尽。
家庭场景一个容易被忽略的规格是静音。他说，第一天听起来可以接受的机械声，到第三天就会变得令人烦躁，因此“完全安静”是硬要求，而不是后续优化。柔软和适合拥抱同样重要，因为人必须能够在机器的工作空间里保持放松。
NEO Gamma有数百个零部件，而Bornich估算汽车接近50,000个零件、重4,000磅。“如果你在这里做得非常好，它更像一台冰箱”——尽管是一台复杂的冰箱——而不是汽车；这个比较概括了其目标制造经济性。

7. 灵巧性抬高可学习行为的上限

许多人形机器人停留在约26个自由度，通常覆盖腿、手臂和颈部，但省略手腕。NEO Gamma增加了3个用于表达的颈部轴、3个贯穿脊柱的自由度、完整的手臂关节，以及每只手22个自由度。
Bornich说，这只手在功能上接近人类的22个自由度，不过具体数量取决于是否将细小的腕骨运动单独计算。这一差异很重要，因为捧持、可变形物体、精细处理和手内操作会带来一整类低能力机械手无法接触的经验。
他的智能指标是多样性，由2个相互独立的变量决定：环境的多样性和机器人的物理能力。一台复杂机器人只执行一项工厂任务，仍然会进入平台期；一台能力不足的机器人置身丰富家庭，也无法收集操作数据。因此策略是“两个维度都要拉满”。

8. 远程操控既是能力测试，也是带标签数据

当硬件团队和软件团队争论任务为何失败时，Bornich的诊断方法很简单：让最好的远程操作员试一遍。如果远程操控能够成功，“正确的神经网络加上足够数据就能做到”；这证明机械系统能够实现该行为，但不证明自主系统具备广泛泛化能力。
操作员并不是穿着VR服逐个操控关节。指令越来越抽象——把手放到这里、抓住那个物体——而低层控制由学习系统解决运动细节。自下而上的运动能力与自上而下的行为模型，目标是“在中间相遇”，直到操作员消失。
这一调试方法已经开始以一种令人鼓舞的方式失效。NEO Gamma的手能够提供快速、高保真的触觉反馈，而这些反馈无法高效传给人类操作员；现实世界强化学习已经开始生成一些操作行为，远程操作员“只能梦想做到”。
Blundin在最初指出演示可能误导观众对自主性的判断后，仍为远程操控辩护。Bornich的区分很准确：远程操控机器人显然能够完成这一物理动作，但还不能自主完成。透明标注很重要，因为这些演示相当于机器人领域的专家标注微调数据。

9. 快速控制留在本机，机群学习保持共享

所有将感知转换为电机扭矩的部分，都是端到端学习得到的；Bornich说，外围代码只有几百行，因为“全部都是权重”。参数数量仍属机密，而且相对较小，因为控制器必须在设备端快速运行，同时处理视觉输入。
出于工程原因，算力被放在头部，而非为了视觉拟人化。其他位置已经塞得很满，且最高带宽的数据流来自眼睛；1X使用高分辨率、高频视觉，不配备LiDAR、结构光、腕部摄像头或类似传感器，因此即便把算力移到躯干，数据路径也会变得尴尬。
控制系统是分层的：分布式电机级决策约以25赫兹运行，机载“大脑”约为5–10赫兹并保持低延迟，更慢的、类似语言的约1赫兹流式处理可以放在机外。云端推理无法闭合操作所需的高频触觉循环。
一台机器人学会打鸡蛋，并不意味着经验留在单机内部。经过验证的机群数据会训练共享模型，改进后的检查点可以部署到每一台设备。Bornich还预计会进行大量端侧联邦学习，让每个陪伴者保留私人的个人经验，同时共享一套共同的智能骨干。

10. 隐私由用户控制，但存在真实取舍

Bornich明确表示，早期用户需要用部分隐私换取参与权：“没有数据，我们就无法把产品做得更好。”日常数据可以进入自动化训练而不接触人工；如果1X希望查看某个具体时间窗口，用户会收到相关视频，并自行决定是否提供解密密钥。
训练还会延迟24小时进行，让用户有时间在事件进入模型权重前，将其“从存在中抹掉”。
远程操控必然会暴露任务场景，因此1X会把人物过滤成色块，并突出被操作的物体。未经批准，任何操作员都不能进入；NEO Gamma的灯光会明显变化，操作员必须来自用户批准的名单。Bornich举的例子是，由4名指定操作员为一个家庭提供服务。
产品将尽力而为的自主运行与预约式任务完成分开。在家中，Bornich可以要求机器人处理白色衣物、接收并冷藏Instacart配送，以及在他外出时进行一般整理；其中一部分工作自主完成，另一部分由人工辅助，但“我其实不在乎组合是什么，任务完成就行”。

11. 第一阶段的安全边界由危险工具，而不是原始力量决定

尽力而为的自主运行允许通过失败学习：用户可以说“坏机器人”，Bornich称任务在失败后推进得比成功后更快。更难的对齐场景是奶奶要求拿威士忌，因为模型倾向于迎合，可能会执行本应拒绝的请求。
内在安全意味着，NEO Gamma的低质量、柔软材质和顺应性运动应使意外撞击最多造成疼痛，而不太可能导致严重伤害。但当它拿起一壶滚烫的水等危险物体时，这一保证就会消失。
因此烹饪功能初期不会上线，尽管公司内部已经开展相关工作，Peter也提出过制作照烧三文鱼的要求。Bornich预计，危险能力只有在行为置信度提高后才会逐步解锁；他不会为了早期实用性而交换一个没有边界的家庭安全风险。
物理防护还要与模型评估结合。Bornich反对发布一个控制器，再等客户进行“体感检查”，因为机器人和自动驾驶汽车一样，必须在部署前证明性能更好，同时安全性得到保留。

12. 世界模型为自动化红队测试提供“Matrix”

1X的世界模型会根据选择的动作预测后果，包括渲染观察结果和物理力。“本质上就像机器人身处Matrix”：控制器表现得仿佛自己在一个家庭中，却不知道环境是生成出来的。
工程师随后可以大规模重放普通任务、对抗性场景和自动化安全检查。这个模型既是AGI研究方向，也是更近期的发布评估工具，用来测试新控制器是否改善性能，同时没有引入危险行为。
Blundin问，这种模型与数据资产是否比单纯的设备销量更能解释行业的高估值。Bornich说，最终它会被产品化，覆盖数字劳动和物理劳动，但预计机器人收入将“永远占主导”，因为物理世界承载的价值远超投资者的假设。
Diamandis估算当前全球GDP约为$110万亿美元，劳动约占一半，意味着现有可触达市场超过$50万亿美元。Bornich认为这仍低估了机会，因为新能力会扩大工作和生产总量，而不只是替代现有劳动。

13. 人形机器人首先胜在通用平台

面对Salim Ismail提出的“为什么不是6只手臂或一只章鱼”，Bornich承认人形机器人并非唯一可行机器。他的理由是，没有其他形态能同时匹配人类形态的通用性，以及它与人类建造世界的兼容性。Diamandis还认为，学习成果很难直接迁移到6臂形态，Bornich也同意至少会更困难。
Blundin补充说，形态会建立直觉预期：用户已经知道一个类人机器大概能做什么、不能做什么。陌生的6足设计则迫使用户重新学习其能力，破坏了本应消除技术采用门槛的自然接口。
把Apple设备当作打字机使用，显得极度过度工程化——人类掌握纳米级芯片制造，只为写一份文档——但规模让它比专用替代品更便宜、更可靠，也建立了任何专业机器最初都无法匹敌的生态系统。
只有在通用市场足够庞大后，专业化才会回归。机器人最终可能像Star Wars一样，出现维修无人机、额外机械臂和特定任务工具，但这些细分市场首先需要人形机器人创造出的规模和知识。他的结论是：“人形机器人只是一个阶段。”

14. 中国的优势是积累下来的工艺知识

Bornich称中国硬件生态“非同寻常”：一块损坏的电路板、一台机器或一个零部件，跨条街就能找到替代品，使设计和制造迭代速度达到硅谷无法匹敌的水平。更不显眼的优势，是生产线上长期积累并分散在各处的工艺知识。
他用磁体举例说明护城河：科学家可以理解材料，也可以遵循教科书中的每一步，但他们没有那个知道“2小时后必须向左搅，而不是向右搅”的老工人。稀土资源很重要，但可重复的高等级生产依赖这种隐性技艺。
Diamandis认为，中国的地位部分来自自上而下指定机器人城或磁体城。Bornich对此不太确定，更强调中国创业公司和资本的活力；在他看来，自由经济区——更快的许可、更低的摩擦，以及可以建设的许可——才更可能是政策上的关键一招。
两人都希望美国获得类似支持。Bornich建议在美国国内设立经济特区、加快审批；Blundin则认为，数十年来对软件的偏好扭曲了风险投资组合。他直言自我批评：即便自己的基金在种子阶段会向硬问题投出第一笔支票，也不投资硬件，“我也是问题的一部分”。

15. 1X的护城河在电机、腱和耐心资本

Bornich说，1X自行制造电机，包括绕线、制造、自动化和相关电子设备，因为市场上不存在合适的零部件。他称，NEO Gamma电机的扭矩重量比达到世界纪录基准的5.5倍，提供了足够力量，从而无需齿轮。
电机和腱驱动设计让机器人更轻、更易驱动、更具顺应性，同时降低制造成本。它们还要求材料能够承受“数百万、数百万、数百万次循环”，以及新的电机驱动、电力放大、磁性材料和制造方法——这些是研究问题，而不是目录式工程。
AI在硬件栈中的出现已经超过十年：早在Transformer之前，Bornich就编写神经网络来学习电机设计。他将硬件领先优势描述为以年计，而即便优秀的世界模型领先优势可能也只有3个月，因为软件优势扩散得快得多。
公司能够存活下来，是因为一位早期挪威投资者最终卖掉了那座曾容纳其谷仓创业公司的农场，以延长资金期限。1X有意保持小规模7年，开发核心技术，随后向Palo Alto迁移，以利用当地密集的产品、规模化、API、制造和机器人人才。

16. 终局是机器人建设基础设施，而不是徒手完成每份工作

Bornich的10年愿景从可持续丰裕开始：当能源和劳动不再稀缺，社会就不必仅仅为了压低成本而牺牲环境。下一前沿是建设让所有人获得高质量生活的基础设施，随后是规模大得多的科学系统。
粒子加速器、生物科技实验室、化学实验项目和其他高度依赖实验的计划，都需要实体建设与重复操作。他拒绝“天空中的神一般AI”通过眼镜指挥人类的未来，更偏好“人与机器之间的共生与共同发明”。
人形机器人会填补缺口、建设专业自动化，而不是永远低效地模仿机器。它们不会让30个身体共同搬运一副汽车底盘，也不会拿着Dremel逐个加工零件；它们会使用CNC机床等现有自动化设备，建造更多自动化系统，并帮助扩张晶圆厂、数据中心和能源基础设施。
太空提供了一个早期高价值延伸场景：NEO Gamma只有66磅且能效较高，可以降低发射负担，但电机环氧树脂需要进行真空硬化，散热也仍然困难。对于轨道组装，Bornich倾向于先由轨道上的专业人类进行低延迟远程操控，直到积累足够演示数据后再实现自主化。

17. 100亿台机器人是供应链与许可审批问题

Bornich曾承诺在2025年推出早期用户计划，但拒绝给出具体预购日期。他对预期的设定异常直接：客户购买的是“一张参与这场转型的门票”——他们会“领养一台Neo”、教会它，并获得有用但并不完美的产品，同时面对大量粗糙之处。
当被问及Elon Musk和Brett Adcock关于2040年达到100亿台人形机器人的估算时，Bornich称这一数字“可能大致正确”，并表示可能更早实现。条件是社会愿意移除人为约束，让矿山、炼厂、电力系统、工厂和劳动力足够快地扩张。
Blundin进一步指出了半导体供给错配：他估计每台机器人需要约1块完整GPU，可能是2块，而全球每年仅生产20 million块GPU，TSM占晶圆制造的66%。Bornich则把问题再往上游追溯到ASML，以及每增加一座晶圆厂背后脆弱的设备供应链。
铝、稀土和高等级磁体也存在同样问题：拥有材料却没有加工经验仍然不够。许可审批最终可能决定时间表；机器人只有在已经存在能够制造机器人本身的初始工业基础后，才能帮助建设缺失的基础设施。
公司的名字最终回到了它对可信度的标准。Bornich说，机器人视频经常以“4X”或“8X”速度播放，而1X展示的是实时速度：“我们做的一切都是实时的，因为我们制造的是真正的机器人。”

第152期—2025年8月15日中国正在能源上碾压美国。这是否意味着他们会赢得AGI？— Casey Handmer