自20世纪 60 年代以来，机器人就一直在工作，以减轻体力劳动。Roomba 等消费设备甚至在我们的家中也变得很受欢迎。然而，工业和消费机器人技术历来以线性速度增长，尚未实现指数级普及。尽管有炫目的演示，但机器人项目在不同环境和成本方面仍面临挑战。
当今的机器人还没有弄清楚如何进行零样本、可泛化的学习。随着类人机器人等外形尺寸的发展和机器人的通用性（自适应而非预编程），我们相信这项技术正在跨越鸿沟并进入主流。
机器人在基本能力方面落后于人类，这令人惊讶。
一般来说，单一用途的机器人被编程为能够很好地执行一项特定功能；我们在全球的工业用例中都看到了这一点。然而，它们无法将学习到的行为转化为新任务和环境，也无法即时实现复杂的推理。与数字世界中的其他模式不同，机器人技术严重受限于缺乏高质量的训练数据，这是实现通用智能的主要限制因素。
幸运的是，过去几年的开放研究加速了生成大量可扩展训练数据的进程。与此同时，随着硬件变得更加实惠，投入成本持续下降。
竞赛已经开始，来自Figure和Tesla等公司的 20 多种新型人形机器人正在开发中，以突破机器人通用性。
创始人、投资者和记者们都想知道，机器人领域是否会迎来类似 ChatGPT 的盛会——一个让主流感受到人工智能机器人潜力的“WOW！”时刻。
我们认为，由于采用的物理限制、高昂的前期拥有成本以及生态系统的新生，机器人不可能拥有 ChatGPT 时刻。
相反，我们看到机器人技术正在更缓慢地跨越鸿沟，随着机器人能力的快速成熟，当我们在咖啡店或人们家中与机器人互动时，每个人都会体验到自己独特的机器人时刻。
我们预计通用机器人浪潮
将成为技术领域最大的浪潮之一
我们看到一个蓬勃发展的机器人生态系统正在兴起。过去十年，随着领先的学术和 AV 人才在整个堆栈中成立新公司，投资者已经投入了 40 多亿美元来资助下一代机器人初创公司。
与 LLM 一样，我们预计机器人技术将受益于加速研究、可访问计算和可用资本方面的顺风；然而，我们认为数据稀缺、供应链限制和硬件限制等一些不利因素仍将构成巨大挑战。
无论公司采取合作还是垂直整合的方式，我们都相信软件将在硬件之上的生态系统中推动差异化价值。我们对Skild和Physical Intelligence (π)等这一层级的公司能够释放出什么感到兴奋。
