機器人會取代人類嗎？他說不會！

原文標題：機器人革命中的人类優勢
原文作者：Sumir Meghani，Instawork Robotics Labs (IRL)
翻譯：Peggy，BlockBeats

編者按：當大多數人仍在討論「機器人是否會取代人類工作」時，本文認為人類不僅不會被替代，反而正在成為「物理 AI 系統」中不可或缺的關鍵基礎設施。

當前行業的核心瓶頸，並不在算法或硬件，而在於「數據與落地能力」。機器人需要通過觀察熟練人類在真實環境中的操作來完成訓練，但高質量、多樣化的物理世界數據極度稀缺，由此形成所謂的「十萬年數據差距」。這也使得一類被長期忽視的能力重新凸顯——具備技能、可調度、可驗證的人類勞動力。

在這一框架下，人類的角色被重新拆解：既是訓練機器的「數據來源」，提供標準化、可標註的操作過程；也是支援系統運行的「現場節點」，承擔維護、維修與遠程操控；最終進入一個由平台連接的「人機協作市場」，成為機器人規模化落地的必要條件。

事實上，技術變革不會消滅勞動，而是重構勞動分工。從 ATM 到互聯網，每一次技術躍遷都伴隨著對就業的焦慮，但被改變的往往不是「有沒有工作」，而是「工作如何被重新定義」。在這一輪以類人機器人為代表的技術周期中，同樣的路徑正在重演：任務被拆解，能力被標準化，崗位被重組，新職業隨之生成。

而真正的機會，不在「替代人」，而在於誰能搭建那座橋梁，將人類能力轉化為可規模化的數據、運維系統與協作網路。

以下為原文：

一年前，我曾提出過一個對勞動力市場來說或許有些不尋常的問題：當機器人到來時，我們平台上的「專業人士」（Pros）會發生什麼？

我們的願景，是為全球的 Pros 與合作夥伴創造經濟機會。如今，有超過一千萬名 Pros 依賴我們維持生計，而他們之中，許多人也早已在思考同樣的問題。我們對此有著深切的責任，必須給出答案。

與此同時，我們還觀察到一個出乎意料的現象：一些機器人公司已經開始出現在我們的應用平台上，與我們的 Pros 進行合作。他們需要那些在機器人訓練任務中具備專業經驗的人，也需要進入各種多樣化的商業場景——也就是未來機器人將被部署的環境。而他們所依賴的，正是我們一直在構建的這套勞動力體系。

就在那一刻，一切突然变得清晰：Instawork 可以为「物理 AI 经济」提供人类劳动力。

「十萬年難題」

Ken Goldberg 將這一問題概括為「十萬年的資料鴻溝」：一方面，是用於訓練語言模型的海量資料；另一方面，則是極其有限、且高度專業化的、用於訓練機器人在物理世界中完成精細操作的資料。

註：Ken Goldberg 是一位在機器人與人工智能領域非常有影響力的學者，同時也是藝術家和跨學科研究者

正是這道鴻溝，使得儘管數十億美元不斷湧入機器人公司，我們依然還沒有看到類人機器人在飯店打掃房間，或在倉庫卸貨……至少現在還沒有。

我們的估算是：整個行業在 2024 年大約收集了 10 萬小時的訓練資料；到 2025 年，這一數字增長到 100 萬小時；而到 2026 年，預計將達到 2000 萬小時。這是指數級的增長，但即便如此，也僅僅完成了彌合這一鴻溝的 0.04%。

越來越多的公司正加入這場競賽，嘗試打造類人或通用機器人：基礎模型實驗室在開發視覺-語言-行動（VLA）模型，硬體公司在構建實體機器，中間環節的參與者也在不斷湧現。資本投入已達數百億美元。而所有這些參與者，都面臨著同一個瓶頸：資料。

但關鍵在於，這一幕我們其實早就見過。

當自動提款機（ATM）出現時，幾乎所有人都預測銀行櫃員將消失。但結果卻恰恰相反——櫃員的數量反而增加了。ATM 降低了網點成本，銀行得以開設更多分支；而櫃員的角色，也從點錢轉向了客戶關係的維護。

這種模式在每一次重大技術變革中反復出現：工業革命、電氣化、互聯網。新技術並不會消滅工作，而是重塑工作，並創造出更多新的機會。

新一輪浪潮正在到來，但這一次，它看起來更像我們自己：擁有手臂、雙腿，還有眼睛。

物理 AI 的三幕劇

第一幕：訓練機器人

過去一年裡，我主動聯繫並向全球機器人學習領域中最優秀的一些人請教——從研究員、實驗室負責人，到打造靈巧機械手乃至完整類人機器人的創業者。他們慷慨地分享時間與見解，讓我印象深刻。坦率地說，我們原本並不屬於這個行業；但聽得越多，我越清晰地看到 Instawork 可以切入的空間。

有一個觀點被反覆提及：機器人是通過觀察熟練的人類，在真實環境中完成精細的物理任務來學習的。這意味著，從規範的刀法切菜，到在人流密集的倉庫中穿行，再到按品牌標準整理酒店床鋪。問題在於，高質量地採集這類數據極其困難——你不能隨便給一個人戴上攝像頭就開始錄製。數據必須覆蓋多樣化的環境、任務和手部動作；更關鍵的是，執行這些任務的人必須真正專業。否則，用「糟糕刀工」訓練出來的機器人，只會學會「糟糕刀工」（這對誰都不是好事）。

這本質上是一個勞動力運營問題：如何招募有技能的工人、對其進行培訓、保障輸出質量，以及在不同地區與場景中管理一個分佈式勞動力網絡——這些正是我們一直在做的事情。我們擁有超過一千萬名經過技能驗證的 Pros，覆蓋數百種任務類型；與合作夥伴建立了深度關係，能夠進入真實商業場景；並掌握哪些人能穩定出勤、持續高質量完成工作的數據。這種組合，是任何數據採集公司都無法從零複製的。事實上，許多實驗室早已自發找上我們，如今我們正與該領域大多數頭部團隊展開合作。

第二幕：機器人「馴養師」的崛起

有一件事常被忽略：機器人同樣需要人。

一家領先機器人公司的高管告訴我，他們有一個關鍵部件需要每 4–6 個月更換一次——頻率不足以配置專職技術人員，但又高到一旦停機就會帶來明顯損失。隨著自動駕駛、配送機器人以及各類自動化部署的普及，越來越多公司面臨類似問題：擴張需要現場支持，但在每個市場都配置專職人員，在經濟上並不現實。

我們已經與多家機器人公司開展試點項目，涵蓋電池更換、部件替換與機器人維修等服務。同時，我們建立了一個面向小時工的機器人認證體系——可以說是行業內的首次嘗試。僅在最初幾周內，就已有超過兩萬名 Pros 獲得認證。

在數據採集端，獲得認證的 Pros 會學習如何操作可穿戴攝像設備、採集高質量視頻、標註傳感器數據——當機器人實驗室需要在真實酒店套房中錄制數小時的鋪床流程時，他們得到的是專業人員，而不是「邊做邊學」的新人。在技術支持端，認證 Pros 則會掌握硬件診斷、安全規範以及針對具體機器人系統的維護流程。

設想這樣一個場景：一家物流公司在十多個倉庫部署自動化機器人車隊。凌晨兩點，孟菲斯倉庫中的機器人出現導航錯誤，或鳳凰城某台設備需要更換感應器模塊。無需再等待工廠技術人員數日後飛抵現場，一名經過認證的 Instawork Pros 可以在數小時內到達並解決問題。與此同時，我們也在開發基於 VR 的遠程操控培訓，以支持實驗室在數據收集規模擴大後，突破單純現場錄製的限制。

如果未來十年將部署數十億台 AI 設備，機會不僅在於維護它們，更在於創造全新的職業類別：機器人技術員、車隊運營者、遠程操控專家，甚至是我們尚未命名的新岗位。

第三幕：人機協作的市場

去年，我與全球一家大型酒店集團的 CEO 共進午餐。他們正在認真思考，如何通過自動化提升客房服務的一致性。大量機器人公司希望進入他們的酒店部署產品，但他們難以判斷——什麼只是「演示效果」，什麼才是真正的「運營成果」。而我們對這些場景、流程與痛點非常熟悉——因為我們早已在這些場所中提供服務。

我們正在構建一個「機器人服務市場」——將機器人公司與準備部署自動化的企業連接起來。我們已經同時服務於供需兩端，這意味著我們不僅僅是「撮合」，而是能夠真正推動落地。

未來不是「機器人取代人類」，而是「機器人與人類協作」。這正是 Instawork Robotics Lab 所要實現的目標：三項能力，一個平台——訓練機器人、支持其在現實世界運行，以及將其連接到真正需要它們的商業場景。

橋樑

在每一次重大技術變革中，問題從來不在於是否會誕生新工作——答案總是肯定的。真正的問題在於：誰來搭建連接當下與未來的那座橋。

我們相信，在這個進程的每一個階段，都需要熟練的人類參與——從訓練第一代機器人，到部署大規模系統，再到設計未來的人機協作流程。我們希望，平台上的 Pros 能夠貫穿整個過程。

在「物理 AI 革命」中，Instawork 希望成為這座橋：在最有影響力的行業中積累深厚經驗；已經在為機器人實驗室提供訓練數據；已經在為數據收集與現場運營培養認證人才；也正在構建一個將機器人與企業需求連接起來的市場。

我們對下一階段充滿期待。

[原文連結]