Appearance
第二次奇点 | 通用人形机器人理论（免费版）
原文标题: The Second Singularity | A General Theory on Humanoid Robotics (Free) 来源: Jason's Chips
💡 核心观点
本文提出机器人与人工智能在发展阶段上精确对应，机器人技术比AI大约落后四年，正在走向其“ChatGPT时刻”和“Claude Code时刻”。作者将机器人分为四个阶段（笼式机械臂、协作机器人、自主移动机器人、人形机器人），并与AI的四个阶段（专家系统、神经网络、ChatGPT、智能体AI）一一映射。最终阶段的人形机器人将实现“经济奇点”，当机器人的全成本低于人类劳动力时，需求将自我驱动发展。关键临界任务是重复性、固定工位、承重的体力劳动（如工厂工作），对应的“Moravec悖论”解释了为什么这些任务先被自动化。作者还预测了两次拐点：机器人ChatGPT时刻在2026-2028年，Claude Code时刻在2029-2031年。
📖 中文全文
第二次奇点 | 通用人形机器人理论（免费版）
机器人就是2022年的AI，正朝着它自己的ChatGPT时刻、Claude Code时刻和RSI（机器人自我改进）飞速前进。
有一种美妙、显然且优雅的方式来看待即将到来的机器人革命，但我还没有在任何地方看到过这种表述。
机器人 = AI。
只不过它的发展早四年，而且是物理世界而非数字世界。
机器人技术中的每一个概念在AI中都有对应物，而且这些对应是精确的、结构性的、一对一的，以至于到了不可思议的程度。两者都是通用自动化技术，而在宇宙中，只有这两种，因为需要自动化的活动只有两种：数字活动和物理活动。整篇文章将把机器人技术中的每个概念映射到AI中的对应物，你会看到这样能多么轻松地直观理解这项技术及其未来的市场潜力。
引言
为什么两种如此不同的技术会如此精确地押韵？因为它们都完全泛化到了人类的能力集，从而取代人类劳动力，而不仅仅是增强。1965年，数学家I.J.古德写道：“第一台超智能机器将是人类需要做的最后一项发明”，因为一台能设计机器的机器将设计出它的继承者，并将人类智能抛在后面。几乎所有引用这句话的人都认为存在一项最后的发明，而且那就是AI。
事实上，存在两项最后的发明，因为思考和行动是可分离的，而AI只做思考。无论你能在一个数据中心里塞进多少天才，他们 literally 连一个回形针都动不了。你可能会说：“哦，他们肯定足够聪明，能设计一个机器人替他们做，所以人形机器人只是AGI的副产品。”
然而，让我问你：AGI如何制造那个人形机器人？它有供应链关系吗？它能建造工厂吗？它能浇筑混凝土吗？是的，我想也是。
第二项最后的发明是通用人形机器人。人工通用机器人（AGR）。不是AGI，而是AGR。两者一起，也只有一起，才能覆盖人类劳动的全部。
大多数通用技术（电力、智能手机）是增强性的。这两项技术是取代性的，而取代创造奇点。这类技术（只有两种）遵循相同的模式：相同的自主阶段、S曲线或L曲线、经济奇点、RSI、Moravec悖论，甚至非常可疑地相似的三家大实验室。
第二次奇点即将到来——物理奇点。
欢迎来到通用人形机器人理论。
目录
机器人的四个阶段
AI的四个阶段
三大实验室
L曲线的拐点
Moravec悖论
VLA与世界模型
经济奇点
机器人自我改进（RSI）
结论：预测ChatGPT和Claude Code时刻
哔哔啵啵
订阅
哔哔啵啵嘟嘟哔哔啵啵嘟嘟条款与条件。哔哔啵啵，不构成财务建议。
机器人的四个阶段
机器人技术有四个阶段，每个阶段比上一个更通用。
- 笼式机械臂
- 协作机器人
- 自主移动机器人
- 人形机器人
每个阶段都是自己的市场。市场之间的区别如下：机器人越通用，你需要重新设计世界来使用它的部分就越少，它的扩散就越呈指数级。
为什么更自主、更通用的机器人会指数级增长？很简单。要么是环境围绕机器人重建，要么是机器人适应环境。改变环境昂贵且缓慢。因此，随着机器人变得更通用，部署到从未见过的环境中变得便宜且快速，从而解锁了数量级更大的可寻址市场的用例，直到它饱和所有体力劳动。
是的，我知道那是一条看起来很滑稽的曲线。我是认真的。当我说L曲线时，我真的是那个意思。
现在让我们逐一讨论每个阶段的机器人。
第一级 - 笼式工业机械臂
那些焊接汽车的机械臂。它们盲目、愚蠢、预编程，被围栏与人隔开，因为它们无法感知人走进工作区。整个工厂都是围绕它们设计的，所以每增加一个机器人就需要设计和建造另一个定制环境。这是最昂贵、最不灵活的采用形式，这正是曲线呈线性且终端价值低的原因。尽管这项技术已有几十年历史，但安装基数很小。
如果你观察市场，很明显笼式机械臂根本不是前沿技术。相反，它是一种工业设备，其增长与工业完全一致。国际机器人联合会统计每年新增约50万台安装量，并预测到2028年全球安装量每年仅增长约7%，市场价值（2024年约450亿美元）最多以低两位数的复合增速增长。增长与制造业和汽车资本支出紧密相关，以至于2024年日本和韩国的安装量实际上下降了。
结论：这些机器人是设备，而不是技术。
第二级 - 协作机器人
协作机器人有足够的感知能力，可以与人类共享地面。环境仍然要围绕它调整，只是程度更低。因为每次部署现在需要更少的环境成本，曲线变得更为陡峭，呈现温和的幂律，终端价值上升，尽管其硬件比笼式机械臂更弱。拐点正在到来。
协作机器人服务于相同的终端市场，但由于其更高的通用性，增长速度略快，从而在工业内部获得更大可寻址的用例池。它不太成熟，因此起点基数较小（2024年约为10亿至20亿美元），并以高十几到低二十几的百分比每年复合增长，尽管硬件更弱，但速度是笼式机械臂的数倍。
第三级 - 自主移动机器人
仓库搬运机、自主移动机器人、自动驾驶汽车、无人机、四足机器人，甚至送餐机器人！在这里，机器适应它从未为之建造的情况：一辆自动驾驶汽车在从未见过的道路上行驶，四足机器人在油田行走。环境几乎不变，所以这才是真正机器人的开始，曲线变成真正的指数增长。但有一个天花板，命名它是整个梯子的关键：这些机器在不重塑世界的情况下在世界上移动。它们不能操纵环境。缺失的那一级通用性正是第三级的上限。
数据又上了一个台阶。自主移动机器人市场（2024年约40亿美元）以大约每年20%到27%的速度复合增长，基数更小、更不成熟，这还不包括自动驾驶出租车和无人机，它们属于同一通用性类别。这是第一个真正指数级的机器人市场，因为这些机器适应现有的仓库、道路和场地，而不是要求新的。
第四级 - 人形机器人
这是终局。能够复制人类所有行动并完全取代体力劳动的机器人形态。
人形机器人消除了最后一个约束，因为它是以整个已建成世界早已为之设计的形状建造的：人体。任何人类可以去和行动的地方，它都可以去和行动，所以环境完全不需要重新设计。重新设计已经发生过了，为了我们，在几个世纪前。
加上操纵能力，即改变世界而不仅仅是穿越世界的能力，通用性就完整了。这就是为什么第四级是唯一呈L曲线形状的层级：一条长而平坦的接近线，然后是一道垂直的墙。
为什么是垂直的？因为首先，今天并不存在人形机器人市场。它从零基数开始。其次，当你加入操纵能力——这是通用化的最后一个单元——机器人和人类劳动者之间的唯一区别就是成本。对于世界上那些不体面的体力劳动（人类并不从中获得内在乐趣或目的，且更愿意做其他工作）来说，一旦机器人的成本低于人类，就没有理由不雇佣机器人。因此，存在一个经济交叉点，之后你会有一条从零到一的采用曲线。
“分析师预测”差距大得可笑：高盛说2035年达到380亿美元（这个数字在一年内向上修正了六倍），摩根士丹利说2050年达到5万亿美元。基本上，没人知道。对于一个还不存在的市场，收入是错误的指标。稍后我会论证，正确的指标是从人们预测AI的方式中直接借用的一个能力数值。
总之，机器人越通用，可寻址市场越大，当前基数越小，增长越指数级，越像前沿技术。
AI的四个阶段
现在来看AI。
第一级 - 预编程专家系统
如果你对AI研究足够深入，你可能听说过ELIZA。
在神经网络之前，AI依赖专家系统，即字面上的预写代码。
或许一些更相关的专家网络应用是信用评分、保险费或大学录取标准。这甚至不能算是软件。它只是决策树的概念。相当于笼式工业机械臂。没人谈论它们。没人关心它们。但它们无处不在，运行着我们很多最重要的系统。
但它们没有在增长，不可泛化，且不是技术。
第二级 - 神经网络
你听说过CNN吗？
卷积神经网络是计算机视觉领域的重大突破，让神经网络能够区分猫和狗，在2010年代普及。
这一类别还包括谷歌翻译和棋引擎Stockfish。它们都是非常好的AI！唯一的问题是它们只能做一件事。当AI在国际象棋上击败人类时，人们大概惊讶了两秒钟，然后就不在乎了。市场也不在乎。这些东西的增长可能只与普通软件市场一样快，尽管它们是AI，但没有引起任何技术加速或繁荣。
为什么？因为你需要围绕AI重新设计环境才能让AI工作，就像你需要为工业机器人设计工厂才能让那些机器人工作一样。要让Stockfish成为地球上最聪明的人类，你必须给它一个棋盘。要让CNN正确分类图像，你必须收集带标签的数据。
再次，没有适当的通用性，它就不是具有真正指数增长的前沿技术。
第三级 - ChatGPT
这是第一个被人类称为“时刻”的AI应用。具体来说，是ChatGPT时刻。这就是你知道它是一个具有S曲线的真正技术。
这相当于移动机器人，因为它会移动。它不是穿越物理空间，而是穿越知识领域，从一个领域到另一个领域。它可以帮你完成关于《了不起的盖茨比》的高中精读作业问题，然后在同一个聊天中为你编写一个你想发到网上的糟糕SVG表情包代码。
但它仍然不能对世界采取行动。这正是移动机器人与人类机器人仍然分开的原因。也正是为什么前面还有另一个时刻，即增长从S曲线变为L曲线的时刻。
第四级 - 智能体AI
啊，是的，Claude Code。这就是为什么SMH（半导体ETF）今年迄今上涨76%的原因。它太有用了，以至于 literally 一切都在短缺。
这不是一个回答问题的AI，而是一个做工作的AI，进入任何计算机并操作它。这是软件领域的人形机器人，关键术语与限制第三级的相同：操纵。智能体操纵数字环境，就像人形机器人操纵物理环境一样，而这最后的通用性增量将S变成了L。
结论
我们从1960年代就有AI，从2010年代就有真正有用的AI，但世界直到2023年才在意。为什么几十年的AI以普通经济速度增长，而不是像“AI”那样？因为第一级和第二级是领域特定的，而领域特定的技术扩散的速度只等于围绕它建立的环境的速度，正好与机器人第一级和第二级一样。曲线只有在通用性到来时才弯曲。这一教训干净地转移了：机器人已经经历了漫长的1960年至2010年时代，它即将迎来它的2023年。
哔哔啵啵
订阅
三大实验室
机器人技术如此AI编码，以至于连三大实验室都是相同的。
你知道AI实验室：OpenAI、Anthropic和Google。但机器人实验室呢？
…Figure AI、Apptronik和Tesla！
它们一一对应，你看出相似之处了吗？
…没有？
Figure是（早期的）OpenAI。它是“典范”纯私人公司，拥有最高估值（390亿美元）且“处于领先”。它们的名字都以AI结尾！它们的投资者名单（微软、英伟达、OpenAI、杰夫·贝佐斯）读起来就像OpenAI自己的股东表。如果你看过Brett Adcock至少说过三句话，你就会明白他们的整个理念是：我们是领导者，没人接近。他们完全垂直整合，采用苹果方式：同时构建硬件和自己的AI模型（其Helix系统，不依赖外部模型供应商），并且是第一个在2024年就向付费客户宝马发货的公司。它用最高调的语气说话，四年内10万台机器人，通往地球上最有价值公司之一的道路。Figure是最大典范，像OpenAI一样，它既引来最多炒作，也引来最多“他们承诺太多了”的怀疑。但如果你回想OpenAI的支出承诺（以及ORCL图表操纵），当你成为最大典范时，起初人们认为你疯了，直到你被证明正确，所以这家公司可能是个极好的赌注。
Apptronik是Anthropic。名字都押韵。它们是务实、埋头执行的对应方，估值低得多，只有50亿美元。
其创始人公开自律且反对炒作，他们或多或少会告诉你其他人在利用非理性繁荣，“没有做工作”。策略上，Apptronik是这个领域的Android：更模块化、更模型无关、是一个平台玩法而不是单一封闭产品。它与Google DeepMind合作AI模型（DeepMind有史以来最大投资），同时拥有硬件、平台和数据飞轮。
Tesla是Google。这无需解释，因为它们都是Mag7公司，旗下有前沿实验室部门（Tesla的Optimus，Google的DeepMind）。
就像Google一样，它们以其他实验室无法做到的方式垂直整合。其他实验室可以垂直整合，但作为大型股，你可以超垂直整合：机器人、工厂、自己的TPU边缘芯片（AI5）、电池、AI训练栈，以及关键的是，自己的第一个客户，因为Optimus第一个要赢取的位置就在特斯拉自己的工厂里。这可能意味着初始部署风险更低，数据优势更大。为了进一步推动这个Google类比，这就像在整个Google生态系统中部署Gemini。所以，是的，Google的硬件版。
当然还有宇树科技（中国），它是DeepSeek，但区别在于它们已经是一个巨头。它们拥有迄今为止最低的成本结构，物料清单只有西方领导者的三分之一，旗舰产品H1售价16,000美元。这仅仅是因为它们距离所有供应商在十英里范围内，而西方必须从德国和日本进口零件。这对半导体很有效，因为细分是一种资产，人才分布全球（因为质量和推动前沿至关重要），但在机器人领域，迭代时间和成本结构才是最重要的。
但与AI不同，没有开源。西方市场会禁止中国机器人。所以西方市场将由西方领先实验室瓜分。我不相信宇树科技能够参与其中。
L曲线的拐点
这是一条L曲线。拐点就是那个人站的地方（我也圈出来了）。
从定义上讲，当我说某物有L曲线时，它必然意味着我预期有一个“拐点时刻”，即从平坦变为垂直。在智能体AI中，拐点是Claude Code，我们在今年早些时候达到了它。
那么，人形机器人的拐点是什么？我们何时达到它？我相信只有一个答案。
当机器人执行重复性、固定工位、承重体力劳动的成本低于人类时。
用这句话我表达了几层含义。
- 更便宜。这意味着我们必须分析人形机器人的成本结构。
- 我只定义了一类任务。这意味着我隐含地相信重复性固定工位承重体力劳动是足以达到拐点的用例。
我们先关注价格。
对于AI和知识工作来说，价格动态不那么突出，因为知识工作更注重质量而非成本。AI的起飞时刻总是由能力而非价格引起的。想想看。METR时间范围图衡量的是AI能完成的最长任务，而不是它能多便宜地完成某个任务。
这是结构性的。想想看。Token生成比人类写作快几个数量级。当处理比特时，虚拟原生实体在速度和效率上胜出是自然的事。唯一的问题是它是否能匹配人类的原创思想质量。
然而，在物理世界中，没有什么天然让机器人比人类更快，因为机器人受制于与我们相同的物理定律。因此，今天你可能可以通过足够的点训练、任务特定强化学习、完成时间、耐心和远程操作让机器人执行任何任务。唯一的区别是成本。因此，机器人在METR时间范围图中的对应物是小时劳动力成本指数，就像SemiAnalysis提供的这个出色的图表。
来源：semiAnalysis
为了让机器人越过成本门槛，机器人的总成本（每使用小时购买价格 + 预期维护成本 + 预期人工远程操作时间 + 预期质量/可靠性成本）必须低于人类的总成本（时薪 + 税收、医疗保险、社会保障）。机器人的总成本通常不会像这样从最终消费者的角度逐项列出，因为它通常包含在机器人即服务（RaaS）合同中。另外，通过使用小时，我忽略了机器人不会受伤、生病或疲劳且可以双班工作的事实，因为这已经通过延长可用寿命小时数计算到了每使用小时的购买价格中。
让我们用数学来清晰表达。
对于特定任务，r = (机器人美元/小时) / (人类美元/小时)
如果 r > 1，雇个人；如果 r < 1，用RaaS。当 r 在经济中占大份额的任务上降至1以下时，拐点就到了。
现在实际计算数字。我们还有多远？
Figure 以每年约10万美元的价格租赁其机器人，专家描述今天的实际部署就像一台5万美元的机器人外加六位数的现场集成以及一个保姆式的人类监控。摊销硬件，加上一个只能监督少数几台机器的远程操作员，并考虑低正常运行时间和返工，机器人今天的总成本约为每有效工时85美元，而人类线是15到30美元。所以今天的r大约是3到6倍。
机器人远未接近，这就是为什么当前的部署实际上都是补贴试点和数据收集活动，而不是真正的业务。但并非差一个数量级！
但看成本所在。标价已经接近平价：一台每年10万美元、运行两班或三班的机器人正在与两三个人类工人竞争，所以仅硬件就略高于盈亏线。让r保持在3到6倍的是远程操作和可靠性。这才是全部的游戏。跨越不需要更便宜的机器人，而是需要一个需要更少监护、运行时间更长的机器人。当自主性足够高，一个监控员可以覆盖15台而不是3台，并且正常运行时间攀升至多班时，总成本将暴跌至每有效工时10美元，r降至1以下。
Moravec悖论
在我对拐点的定义中，我只定义了一类任务。现在我们将讨论为什么。
我相信对于AI，只有一个用例帮助我们实现了经济起飞：编码。这是经济中足够大的一个任务，也是自动化第一个可靠超越人类的任务。我将具备这些属性的任务称为关键任务。
要更深入地理解关键任务的本质，我们来看看一个被称为Moravec悖论的概念。
在1980年代，Hans Moravec、Rodney Brooks和Marvin Minsky注意到AI的一个奇怪现象：让计算机在智力测验或国际象棋上达到成人水平相对容易，而给它一岁婴儿的感知和移动能力几乎不可能。解释是进化。自然选择在一个技能上工作的时间越长，它就越深度优化，逆向工程就越困难。正如Moravec所说，编码在人类大脑的感觉和运动部分的“是关于世界本质的十亿年经验”，而“抽象思维是一个新把戏，也许还不到十万年”。这产生了整个自动化浪潮的主导排序规则：机器征服人类任务的顺序大致与进化构建它们的时间顺序相反。进化上最近的技能（符号性的、抽象的、结构化的）首先被征服；进化上古老的技能（感知、灵巧、运动、社交阅读）最后被征服。
正是这些进化上最近的技能，特别是那些对经济重要的技能，才有可能成为关键任务。
现在让我们看看编码的基本属性：
- 数据丰富。语料库已经存在。BigCode的“The Stack”收集了超过6TB的跨358种编程语言的许可证宽松的源代码，其第二版大约有9000亿个token，从公共GitHub抓取。几十年来的人类代码就坐在那里，标记好随时可用，没有物理动作语料库能做到这一点。
- 可验证。代码编译并运行，或者不。客观、自动的信号让带可验证奖励的强化学习在代码和数学上有效，而在其他地方停滞：奖励来自编译器或单元测试，是二元的、无偏的，模型不易作弊。干净的奖励是机器学习的作弊码，而代码免费提供了这一点。
- 进化上新颖，因此稀缺且报酬高。编程如此近期，以至于大脑没有专门的机制来处理它。MIT的一项研究发现，阅读代码并不会调动大脑的语言网络，而是激活了通用的“多重需求”网络，作者指出，“计算机编程是这样一个新发明，不可能有任何硬连线机制让我们成为好的程序员。”因此，有能力的程序员稀缺且昂贵。
相反，人类大脑是为社交智能优化的。社交互动本质上比写几行代码复杂得多。然而我们的大脑无意识地处理每一个微输入，甚至不需要我们注意到。
长话短说：对我们难，对经济有用，对机器容易？那就自动化它。
那么现在让我们把它转化到我们的物理身体上。身体的“编码”等价物是什么，身体的“社交智能”等价物是什么？
身体的社交智能等价物是耐力跑。人类是动物王国中最好的耐力跑者，这种能力大约在200万年前出现在人属中，拥有弹簧般的肌腱、直立步态，以及最重要的是，无与伦比的冷却系统：二到四百万个外泌汗腺分布在几乎无毛的皮肤上，使人类拥有所有灵长类动物中最好的蒸发式体温调节能力，并能通过被称为“持久狩猎”的策略在正午太阳下将猎物跑到热衰竭。我们还可以加上精确的灵巧性，因为我们的手有几十个自由度，我们的感官对其定位高度敏锐。
（就像他们常说的，是出汗和对生拇指让人类统治了世界。）
身体的“编码”等价物是工厂工作。进化优化了身体以适应多样化、间歇性的运动，而不是重复或持续静态负荷。流水线只有大约一个世纪的历史，福特的流水线在1913年建成，身体没有适应每班做相同动作数千次或保持负重姿势八小时的能力。所以它会受伤，而且是可衡量的、昂贵的代价。过度劳累和肌肉骨骼疾病约占美国所有工伤的30%或更多，运输和仓储业是任何主要行业中严重工伤率最高的，每年超过100万美国人遭受严重的背部损伤（美国劳工统计局）。由提举、搬运、推拉造成的过度劳累是严重工伤中最昂贵的类别，美国每年直接成本约137亿美元，其中大部分是手动物料搬运（Liberty Mutual工作场所安全指数，2024）。那些工伤账单就是身体“讨厌”这项任务的表现，正是大脑讨厌符号逻辑的物理对应。
我们有了答案。关键任务，即机器人技术的“编码”，就是重复性、固定工位、承重体力劳动。机器看护、零件和包裹搬运、码垛、分拣、组装、重复插装和装配。它一举清除了三个门槛，理由与编码相同。
此外，工厂工作相当庞大，对经济很重要（如果你问我）。这就是为什么这些机器人初创公司的第一批客户都是汽车工厂。
最后，让我们看看另一面。最后被征服的物理任务将是身体的“社交智能”等价物：灵巧的、多样的、非结构化的、社会嵌入的工作——护士的触摸、混乱厨房里的厨师、育儿。高进化投资、高Moravec税、低数据、低可验证性、深度社交。那捆任务就是机器人技术中的幽默，是体力劳动中最长久保留人类的那个部分。保护白领工作中社交部分的同一进化护城河也保护了体力工作中灵巧、关怀和即兴的部分。
哔哔啵啵
订阅
经济奇点
一旦拐点达到并且关键任务被自动化，会发生什么？好了，朋友们，我向你们介绍经济奇点的概念。
经济奇点：一种技术如此便宜且如此有用，以至于任何行为体都无法保留停止其发展的能力，因为单凭需求就强行推动其前进的状态。
一项技术不需要处于经济奇点状态才能进行大规模建设。拿2023和2024年的AI来说。数千亿美元被投入到资本支出中，而看空者认为聊天机器人订阅费不可能支付所有这些，我同意！但这并不意味着建设必须停止。它只是意味着其持续发展取决于资助开发方的决策。你可以通过说服Satya Nadella、Andy Jassy和Sundar Pichai停止AI资本支出来阻止它。
我相信经济奇点（或更准确地说，经济事件视界，一个不可逆转的点）已经发生，当仅凭需求就足以推动持续发展时。为什么这是一个“不可逆转的点”而不仅仅是暂时的供需失衡？因为理论上讲，像AI或机器人这样的通用自动化技术的边际效用永远不会变平，类似于金钱本身的边际效用，因为它可以交换任何其他商品或服务。智能手机在每个人都拥有一部时饱和，但这里TAM就是GDP本身。
这就是Claude Code发生的事情。现在你可以说服那三位CEO明天停止，但什么也不会改变，因为需求如此压倒性，以至于别人只是花钱来满足它。能力现在足以确保AI自身的延续。开发离开了任何公司的控制，交给了市场。这就是奇点：资本主义，而不是董事会，驱动着它。
一旦r<1，这就是机器人技术将会发生的事情。
今天，人形机器人的研发是由少数资本充裕的公司下的一种自主赌注。开发取决于它们的决策。一旦关键任务的r降至1以下，第四级就达到了拐点：买家对机器人的需求超过了任何人选择建造它们的速度，需求成为驱动力，生产变成自我拉动。
机器人自我改进（RSI）
这是递归自我改进……但针对机器人。机器人自我改进！
递归自我改进很简单。一个足够好以进行AI研究的AI设计出更好的AI，后者再设计更好的，能力在没有人类参与的情况下复合增长。这就是数字奇点。
机器人自我改进是物理领域中的同一循环。一个足够通用、能够建造机器人以及建造并运行制造机器人的工厂的人形机器人闭合了一个物理循环：机器人充斥生产机器人的流水线，这些机器人再建造工厂，生产出更多机器人。它们像细菌一样繁殖。
这是终局。我相信我们很可能先达到AI的RSI，然后才是机器人的RSI，只是因为AI发展大约领先四年。然而，一旦两者都具备，你就达到了自动化经济中每一个部分的能力。
它们也相互反馈。更好的AGI设计出更好的机器人以更快地生产机器人，以及更好的机器人神经网络使它们更聪明，同时机器人建造更好的工厂和数据中心来喂养AGI。双重无限递归。
这就是无限的GDP。
结论：预测ChatGPT和Claude Code时刻
有两个机器人技术的拐点需要尝试预测：
- ChatGPT时刻：当第三级达到其S曲线拐点时。
- Claude Code时刻：当第四级达到其L曲线拐点时。
我相信我们正处于机器人与AI的2022年相当的阶段。ChatGPT时刻可能就在转角处，而Claude Code时刻大约在4年后。这使机器人技术的发展阶段比AI落后大约4年。
机器人ChatGPT时刻：2026年至2028年，现在刚开始。 这是第三级的起飞，第一个真正的指数级增长，移动和感知机器开始进入广泛使用。我们还没有完全达到，但2026年是拐点开始显现的时候。这里我们要追踪的关键绩效指标如行驶里程、收入、部署数量等。有很多任务和机器人形态（不像第四级人形机器人那样单一），所以正确的衡量标准是多种指标的综合。例如，自主移动机器人每年复合增长超过20%，自动驾驶出租车增长相当快：Waymo从2025年初每周约25万次付费出行增长到2026年初约45万至50万次，不到一年翻倍，并声称到2026年底将超过每周100万次。特斯拉也不差。我们实际上已经接近了；只需要公众开始喜欢上这些产品中的某一个，我认为有相当大的机会在2027年发生。
机器人Claude Code时刻：2029年至2031年。 这是第四级人形机器人达到拐点，关键任务的r降至1以下，经济奇点启动。这里收入无用，因为根本没有收入，就像智能体出现之前没有“编码收入”可以外推一样。所以借用AI中实际有效的技巧。METR测量AI能力作为任务时间范围，即模型能以50%可靠性完成的任务长度（以人类时间计），并显示它大约每七个月翻一番，这个外推与现实吻合得很好，让人在它发生之前就预测到了智能体拐点。
机器人版本的对应是工厂劳动力的成本范围。
这是示意性的，但我相信这样的图表将成为机器人技术中的METR时间范围图，在X上被虔诚地追踪以回答扩展定律是否完整的问题。如果我们假设机器人成本按照摩尔定律下降（即每两年减半），那么我们将在大约2030年达到拐点。如果我们假设机器人发展比AI落后四年，并且机器人Claude Code时刻发生在AI Claude Code时刻（2026年）之后四年，那么我们也落在2030年。因此，2029-2031年是我当前的时间线。
现在是一些结束语。作为投资者，我们是幸运的。我们目睹了第一个通用自动化技术的起飞，并通过经验观察理解了它每一个拐点的阶段。今天，我们站在第二个通用自动化技术起飞的前沿。机器人技术的属性与我们对AI的观察和理解基本类比，使投资者能够做出比2022年押注AI基础设施时信心高得多的预测。
然而，世界（和市场）还没有看到这一点，因为它还没有“直观地呈现在你面前”。那正是我们的机会。
如果你读到了这里，考虑订阅吧。非常感谢！
订阅
与朋友（或敌人）分享
分享
关于此帖的讨论
评论 转发
半导体之家
31分钟前
Jason's Chips喜欢此条
我部分觉得这一切很有趣……每个人都在考虑赚钱，但我们正在实时发明终结者 lol
回复
分享
1条回复来自Jason's Chips，还有1条评论……
顶部 最新 讨论
暂无帖子
准备好获取更多内容了吗？
订阅
© 2026 Jason Starr · 隐私 · 条款 · 通知
开始你的Substack 获取应用
Substack是优秀文化的家园
🔗 原文链接
https://www.jasonschips.ai/p/the-second-singularity-a-general