TechCrunch的Equity播客最近请了个狠人。在NVIDIA干了七年机器人产品营销的Amulya Vishwanath，直接戳破了资本圈吹了一年的机器人ChatGPT时刻。
核心看点
- 发生了什么：前NVIDIA高管指出机器人行业还在“乐高时代”。
- 真相是什么：基础构建块如执行器、机械手和安全标准仍在重建，远没到通用模型一统天下的地步。
- 影响是什么：打工人暂时不用焦虑机器人马上抢饭碗，老板画的物理AI替代大饼还得晾一晾。
她这番话直接给焦虑的打工人喂了颗定心丸。物理世界的AI还在泥潭里挣扎，数字世界的AI已经把你按在地上摩擦。认清这个边界，你才知道精力该往哪投，别在错误的方向上浪费保命的学习时间。
▎资本圈的通用模型大饼
Amulya现在是Techable VC的创始人和管理合伙人，专门投物理AI。她在播客里跟主持人Dominic-Madori Davis聊得很透。之前General Intuition的CEO Pim de Witte放过话，说通用基础模型会让现在的专用机器人工作变得多余，马上就是机器人的ChatGPT时刻。
Amulya直接反驳了这种观点。她指出机器人现在根本不是什么“一脑统天下”的阶段，而是处于Lego era（乐高时代）。执行器、机械手、软件、安全标准，这些最基础的积木块还在重新造。连最底层的硬件和安全规范都没理顺，谈何通用模型直接接管？
播客原声与嘉宾主页：
▎保命精力分配决策框架
既然物理AI还在拼乐高，数字AI已经卷上天，打工人保命的精力分配就得有侧重。别去焦虑那些五年内落不了地的机器人岗位，把注意力拉回到大模型已经能干的活上。
比如，你老板让你用AI写周报、做数据分析，你得马上学提示词工程和Agent工作流。把省下来的时间拿去研究怎么让AI帮你把活干完，而不是担心一个连楼梯都爬不明白的机器人来抢你的工位。物理世界的仗让资本家去打，数字世界的活你得先保住。
▎硬件迭代不吃大力出奇迹
为什么资本喜欢吹ChatGPT时刻？因为好讲故事，好融资。Pim de Witte那种说法，听起来就像大模型刚出来时一样性感。但物理世界不吃这套。
软件模型可以靠堆算力和数据大力出奇迹，但硬件不行。机械手抓个鸡蛋不碎，执行器在复杂地形不摔倒，这些需要的是物理世界的长期迭代。Amulya作为投早期物理AI的VC看得很清楚，现在投那些指望靠一个通用大模型就搞定一切机器人的项目，大概率会踩坑。硬件的容错率极低，代码写错了可以回滚，机械臂撞坏了就是生产事故。
▎识别老板画饼的适用边界
怎么判断老板是在画饼还是真懂行？看他提的AI落地场景。如果他让你去搞具身智能或者机器人自动化流水线，并且指望半年内见效，这就是典型的失败条件。
物理AI的硬件迭代周期是按年算的，软件模型可以按月发版。遇到这种项目，赶紧要求增加预算和延长周期，或者干脆申请调岗去纯数字AI的业务线。别在硬件没准备好的时候，去背软件落地不力的锅。认清物理AI的边界，能让你少接几个根本完不成的KPI。
▎数字AI已经按在地上摩擦
对普通白领来说，最大的影响就是稍微松口气。老板天天开会喊AI要替代人，机器人要进车间，搞得大家人心惶惶。现在NVIDIA前高管出来背书了，机器人离真正进厂打螺丝、进办公室端茶倒水还早得很。
但这不代表我们可以躺平。大模型在软件层面的替代可是实打实的。写代码、做PPT、写文案、处理表格，这些数字世界的AI已经能帮你干完大半。物理AI的泡沫破裂，反而让你看清了真正需要警惕的竞争对手不在车间，而在你的电脑屏幕里。
▎别学虚无缥缈的具身智能
物理AI的泡沫破裂，对打工人其实是件好事。它扯下了资本用“通用模型”忽悠人的遮羞布。你不需要去学那些虚无缥缈的具身智能大模型概念，因为那离你的日常工作十万八千里。
把精力集中在文本、代码、图像这些纯数字大模型上，研究怎么把它们接入你现有的工作流。等那些拼乐高的机器人真的能帮你端茶倒水了，你早就靠数字AI升职加薪了。想保住饭碗，先把大模型写代码和做PPT的提示词练熟，物理世界的仗让资本家自己去打。
点个赞再走？
老板天天拿AI焦虑PUA你，你觉得他是真懂AI，还是只看了几篇自媒体文章？
往期推荐
- ·
- ·
- ·原帖作者让Claude查代码，半小时揭开25年悬案
点击公众号头像 → 历史消息，可翻阅以上文章
