1X 的 NEO 机器人手凸显可靠家庭自动化的竞赛

MIT Technology Review 已将其 AI Hype Index 的焦点转向一个棘手的矛盾：机器人如今看似能够烹制晚餐，但其自主性仍存在悬而未决的问题。

直接导火索是挪威裔美国机器人公司 1X，该公司正在开发家庭人形机器人 NEO。其新型机器人手能够操控食物、工具、衣物、游戏手柄，以及其他令传统夹爪难以应对的物品。该公司将这些能力视为完成实用家务的基础。

然而，出色的手指并未平息更大的争论。一只手可以完成高难度动作，而机器人仍可能依赖人类指令。因此，真正的竞争并不是人类与灵巧机器之间的较量，而是家庭自主化的精致承诺，与可靠实现它所需的朴素工程之间的对抗。

随着人们对 AI 就业影响的焦虑加剧，这一区别愈发重要。近期，200 多名经济学家、研究人员和科技领袖警告称，能力日益增强的 AI 系统可能导致大规模岗位流失。一台看似已能处理晚餐的机器人，为此前主要由办公软件主导的讨论增添了实体层面。

不过，受控演示并不等同于在拥挤厨房中度过一个无需监管的夜晚。家庭中有反光表面、陌生包装、儿童、宠物、洒落物，以及被放在意外位置的物品。一台有用的家用机器人必须能处理这些混乱，而不能将每个例外都变成一次求助支持。

最新的 AI Hype Index 捕捉到了这种张力。最值得关注的 AI 故事已不再是某一种惊艳行为，而是企业能否将这些行为转化为人们愿意在食物、财物和家人身边信任的可靠服务。

MIT Technology Review 关注机器人手背后不那么光鲜的工作

1X 让机器人手看起来不再像实验室附件，而更像日常生活的交互界面。

该公司称，其最新 NEO 机器人手拥有 25 个主动驱动自由度。自由度指可独立控制的运动方向，例如弯曲一个手指关节。更多可控运动让这只手能够以更多方式贴合不规则物体。

在这 25 个自由度中，22 个位于手指和手掌，另外三个属于手腕。该设计通过肌腱将电机的力传递至手指。它与人手的基本逻辑相似，尽管材料、感知和控制系统有所不同。

1X 表示，这些手在约 5:1 至 15:1 之间采用相对较低的齿轮减速比。较低的减速比可让关节在受到外力推动时作出更自然的响应。工程师将此称为反向可驱动性，即接触力可以带动机构运动，而非撞上一堵刚性的“墙”。

该公司详细的手部规格还介绍了覆盖接触表面的触觉感知。触觉传感器可在机器人接触物体时估算压力和滑动等信息。这类反馈有助于控制系统在葡萄、玻璃杯或塑料包装脱手前调整握力。

1X 报告称，其一个拇指关节的峰值扭矩为 3.5 牛顿米，主要手指关节为 2.6 牛顿米；同时还宣称末端屈曲力最高可达 45 牛顿。这些数据描述的是机械能力，而非在各类家务任务中的成功完成率。

这些手还被描述为符合 IP68 防水标准，并采用食品安全材料。这些特性之所以重要，是因为家务涉及水、油脂、碎屑和反复清洁。一台无法洗手的机器人，在厨房周边的价值将十分有限。

该公司的视频将这些规格置于易于理解的场景中。机器人手可以逐颗拿取葡萄、操作小螺丝、拉开衣物拉链、使用游戏手柄，以及打开零食包装。这些动作分别需要不同组合的力量、对准能力、指尖控制和反馈。

这些并不只是装饰性的展示。打开柔性包装比提起硬纸盒更难，因为物体会在接触过程中改变形状。拿起一颗葡萄需要足够的力量将其握住，但又不能大到把它捏碎。

尽管如此，这些演示确立的是一个部件的能力范围，而不是完整机器人的独立性。它们展示了这只手在录制所采用条件下能够完成的动作，却没有揭示 NEO 能在多大程度上无需人类协助地识别、规划并完成每项任务。

这是炒作周期中的第一个重要反转。炫目的画面将注意力引向手指，而决定性问题则藏在其后：感知、任务规划、故障恢复行为和远程支持之中。

灵巧性改变了家庭自动化能够尝试的事情

一双有能力的手可以扩展机器人的任务清单，但实用自动化取决于指令与安全结果之间的整条链路。

大多数家用机器人都在狭窄的物理边界内运行。扫地机器人在地板上移动，智能家电则控制某一台机器或流程。它们之所以成功，是因为制造商减少了每台设备需要管理的物体和决策数量。

人形机器人则采取相反的方式。它进入为人体设计的空间，并尝试使用现有的把手、开关、抽屉、餐具和包装。这一策略无需重建家庭环境，却也让机器人面对更多得多的边缘情况。

手至关重要，因为家中充满了为人类手指设计的工具。平行夹爪可以搬运一些箱子和容器，但难以应对扎紧的袋子、叠放的盘子、布料、小型紧固件、滑溜的食物，以及需要多根手指操作的控件。

NEO 扩展后的灵巧性，让 1X 有机会在无需专用末端执行器的情况下处理这些类别。理论上，单一手部设计可以处理餐具、洗衣、杂货、门和娱乐设备。这种灵活性正是通用人形机器人的商业吸引力所在。

烹饪尤其是一个有用的测试，因为它结合了几乎所有难题。机器人必须找到食材、判断其状态、选择工具、管理污染风险、调节力度，并在物体意外移动时作出响应。高温和锋利器具会让错误的后果更严重。

即使是一顿简单的饭菜，也包含许多隐性的决策。人会注意到包装是否撕坏、蔬菜是否滚走，或盘子是否离边缘太近。人类能纠正这些问题，而不会把每一个问题都当成新的工程项目。

机器人则需要一套能够识别状态变化的感知系统。随后，它还需要一项策略，即用于选择下一步行动的学习或编程方法。最后，它的手必须以合适的速度和力量完成该动作。

故障恢复能力，是区分有趣演示与实用家电的关键。如果 NEO 掉落一件餐具，机器人必须识别失败，并判断该餐具是否仍可使用。它可能需要清洁物品、选择另一件，或请求协助。

这一过程解释了为何灵巧性代表进步，却无法证明自主性。更好的手增加了系统可执行动作的数量，却不能保证其软件会在正确时刻选择正确动作。

这一区别也说明了为何“unsexy AI”是一个贴切的描述。可见的成就是机器人打开一个包装；底层工作则包括传感器校准、电机控制、物体追踪、安全限制、数据收集，以及数千次平淡无奇的重复。

这些重复很难营销。与首次演示带来的惊喜相比，一段展示机器人在不同厨房中反复安全完成同一任务的视频缺少新奇感。但正是重复，才能产生买家在私人空间中信任机器所需的证据。

因此，开发者应将这次手部发布视为可用硬件交互接口的变化。它为操作模型和训练数据提供了更广阔的基础，但并未消除系统级评估的必要性。

企业买家已经将这一区别应用于软件智能体。模型一次完成某个工作流很有意思；系统能够持续完成它、记录例外情况并在不确定时升级处理，才真正有用。

家庭机器人如今也面临同样的标准，只是实体风险更高。错误的文档可以修正；在沸水、药物或熟睡宠物旁边做出的错误动作，则可能立即造成伤害。

真正的对手是演示与自主性之间的差距

核心竞争并非 1X 与另一家人形机器人制造商之间的较量，而是 1X 的消费级承诺与当下有限证据之间的对照。

NEO 的定位是家用机器人，而非工厂机器。1X 于 2025 年开始接受消费者订单，并表示首批美国交付将于 2026 年启动。这一时间表给公司带来压力，要求其将演示转化为可重复的家庭场景表现。

这一挑战格外困难，因为工厂部署会简化环境。工业机器人通常在固定工位、已知物体、安全隔离设施或严格管理的流程中工作。工程师可以测量受限任务，并围绕故障点重新设计工作空间。

家庭环境提供的控制条件更少。光线会随一天中的时间变化，家具会移动，产品会以不同包装送达，人们也会打断任务。实际上，每位客户都提供了一个新的运行环境。

这种变化提升了通用模型的价值。1X 将其系统称为 Redwood AI，并表示它能够学习和重复任务。通用模型旨在将经验迁移至多项活动，而不是为每个动作分别编程。

不过，泛化能力必须被衡量，而不能从多样化演示中推断出来。一台完成十项录制任务的机器人，可能使用一项广泛适用的策略；也可能依赖大量任务专属准备、人类引导，或精心布置的物体。

该公司已公开将遥操作纳入其开发模式。遥操作让人类操作员能够在机器人的自主系统无法完成任务时，远程控制或引导机器人。由此产生的交互也可以为未来的自主行为创造训练数据。

这一做法在技术上是合理的。人类可以在机器缺乏经验的情境中提供纠正。随着时间推移，公司可以利用这些示例改进感知和行动策略。

它也带来了围绕 NEO 最大的未决问题。如果人必须频繁介入，产品的行为就更像是远程劳动力的实体交互界面，而非自主劳动力。届时，机器人的实用性将取决于操作员可用性、延迟、隐私控制和服务经济性。

一篇上手评测指出，1X 最终寻求完全自动化，同时也承认遥操作在当前开发中的作用。这一差距不应被视为欺骗的证据，而应被视为最主要的性能指标。

最有价值的披露将是介入率。该比率衡量在正常使用期间，人类需要多频繁地协助机器人。它可以按每项任务、每个运行小时或每次成功完成来报告。

下降的干预率将表明，数据收集和模型更新正在带来更高的独立性。稳定的干预率则意味着，演示能力的扩展速度快于自主性。若缺少这一衡量标准，观众就必须谨慎解读经过选择性剪辑的视频。

完成率同样需要得到重视。一个无需干预便完成家务的机器人，仍可能耗时过长、损坏物品，或让工作区域处于不安全状态。相关基准应结合成功率、耗时、安全性和恢复质量。

竞争对手的视频作用有限，因为各家公司选择的任务和条件并不相同。Tesla 一直通过操作和移动演示来推广 Optimus。Figure 则强调工作场所部署，以及其对通用人形机器人的更广泛愿景。

Boston Dynamics、Apptronik、Sanctuary AI 以及多家中国制造商也在研发具备能力的人形机器人系统。它们的设计在目标市场、驱动方式、手部复杂度、训练方法和商业策略上各不相同。一段惊艳的视频片段无法抹平这些差异。

1X 的消费者优先路径，使自主性差距尤其显眼。工厂客户可以监督早期系统，并围绕它们重新设计流程。家庭用户则期待产品无需雇用一支机器人团队也能正常工作。

这就是为什么真正的主要对手是承诺与现实，而不是 1X 与 Tesla。另一家公司的精彩演示并不能证明 NEO 已经可行。竞争对手的延期，也不能证明 1X 已解决家庭环境中的自主性问题。

决定性证据必须来自日常使用。NEO 需要在客户家中、面对陌生布局和计划外中断时完成任务。在这些证据出现之前，这双手仍是一项重要的机械成就，却依附于一个尚未得到验证的服务主张。

AI 引发的就业焦虑已进入厨房

灵巧机器人让人们更直观地感受到自动化焦虑，但其对劳动力的影响取决于部署速度和任务经济性。

1X 演示出现的时机，加剧了其文化影响力。2026 年 7 月，200 多位经济学家、AI 研究人员和科技领袖签署了一封关于 AI 经济后果、仅有四句话的公开信。签署者中包括 16 位诺贝尔奖得主。

这份经济学家警告称，AI 在未来十年内可能变得能力大幅增强。信中既提到大规模岗位流失，也提到生活水平改善的潜力。签署者呼吁建立相关制度，引导 AI 成为对人的补充。

这种表述比许多社交媒体上的总结更为谨慎。公开信并未断言某个具体数量的工作岗位将会消失。它警告称，能力的快速提升可能会以快于制度适应速度的方式改变经济。

生成式 AI 最初让这种担忧似乎集中在语言类工作上。作家、程序员、分析师、设计师和客户支持团队看到软件完成了其工作流程的一部分。实体职业似乎存在另一道门槛，因为机器仍难以应对不规则环境。

灵巧人形机器人挑战了这种令人宽慰的划分。能够处理柔性物体、工具和食物的机器人，似乎可应用于酒店服务、清洁、照护、零售、仓储和轻型制造。能力与工作的视觉关联变得即时而直观。

外在表现仍可能跑在经济现实之前。机器人必须以足够可靠的方式完成任务，才能证明安装、监督、维护、保险和培训的成本合理。一个能承担多项相关职责的人，可能仍比围绕特定演示优化的机器更具适应性。

因此，近期自动化最可能替代的单位是任务，而非职业。人形机器人或许可以搬运衣物、取回物品或清理台面，而人类则负责需要更多判断的工作。这种模式可以补充劳动者、减少人员需求，或者两者兼有。

结果取决于组织如何重新设计工作。如果公司利用机器人消除危险或令人疲惫的任务，员工便能将更多时间投入沟通和处理例外情况。如果它们主要利用同一类系统削减人员，分配结果就会发生变化。

家用机器人带来了另一种动态。无偿家务劳动不会像餐厅工作那样出现在就业统计中。然而，减少家庭劳动可能会影响照护者、个人助理、清洁服务，以及家庭成员分配时间的方式。

对于老年人或行动受限者而言，一台可靠的机器人可能有助于实现更高程度的独立。取用物品、搬运衣物和处理简单清洁工作，或可减少对亲属的依赖。这些益处需要异常严格的安全性和无障碍测试。

远程协助机器人让劳动力问题变得更加复杂。一户家庭中的自动化，可能在其他地方创造操作员工作。这种安排可以分配专业能力，但也可能将人的劳动隐藏在机器的外观之后。

透明度至关重要，因为客户和政策制定者需要知道一个系统是否自主运行。他们还需要知道，何时有人能够访问私人住宅内的摄像头、麦克风或控制系统。同意应覆盖实际提供的服务，而不是其未来主义式的呈现。

因此，就业争论不能由一次手部演示来定论。机械能力证明，更广泛的任务在技术上已变得可触及。部署数据则决定这些任务是否会在经济上实现自动化。

MIT Technology Review 的论述之所以有效，是因为它抵制了两种简单化结论。NEO 不只是炒作，因为其硬件解决了严肃的操作问题。它也不是大规模替代的证据，因为可靠的自主性和广泛部署仍未得到证明。

机器人手部视频没有衡量什么

怀疑论最有力的依据，是缺失的运营证据，而不是手指是否在录制的演示中动过。

产品视频压缩了时间，也删去了失败的尝试。观众很少能看到最终序列之前经历了多少次试验。他们也无法判断，是否有人控制机器人、选择中间动作，或在画面外重置物体。

这并不意味着演示毫无价值。它们展示了物理活动范围、设计优先级，以及一家公司认为可实现的任务。它们对可靠性的证明力较弱，因为观众不知道每次成功尝试背后的总尝试次数。

对于家用机器人，这个总数应包括在不同环境中进行的数百或数千次任务尝试。公司应报告独立完成、人工协助完成、失败和安全停机的比率。它们还应说明测试住宅与训练地点有何不同。

操作基准需要现实中的变化。包装的硬挺度、尺寸、反光性和开启机制都应有所不同。餐具可能是潮湿的、堆叠的、放错位置的，或被部分遮挡。

处理食物会带来额外问题。食品级材料固然有帮助，但并不保证卫生行为。系统必须避免交叉污染、识别脏污表面，并知道何时清洁失败。

防水性能同样只解决了一部分风险。它并不能证明完整机器人可以在水槽、电器和人附近安全运行。家用认证项目需要评估整个系统。

隐私是另一个隐藏变量。远程操作需要足够的感知访问权限，以便操作员了解机器人的周围环境。在家中，这种访问可能暴露人脸、谈话、文件、药物、财务信息和日常作息。

1X 表示，用户可以控制何时获得专家协助。但实际的保障措施仍需通过已发布的软件、客户协议、留存政策和安全测试来检验。营销承诺不能替代技术和合同控制措施。

当联网机器人能够移动物体时，网络安全便成为实体安全问题。身份验证失效、软件漏洞或被攻破的操作员账户，可能带来超越数据丢失的后果。公司必须设计权限限制、可见指示器、日志和快速停机机制。

机械安全也不只取决于峰值力量。工程师需要确保系统在故障、碰撞、传感器错误和网络中断期间具备可预测的力限制。柔顺的手很有用，但手臂和整个身体也必须做出安全响应。

维护将检验设计的耐久性。腱绳会磨损，触觉皮肤会遭遇割伤，家庭污染物会进入细小缝隙。关键问题不是一只新手是否表现良好，而是在持续使用后性能会如何变化。

支持负担提供了另一项现实检验。早期客户会发现不同寻常的物体和任务组合。如果每一种新情况都需要操作员或工程师介入，部署或许会产生宝贵数据，却仍然成本高昂。

这种可能性并不会使该战略失效。真实家庭能够提供实验室无法预见的训练样本。早期部署可能正是 NEO 变得更加独立的机制。

但这也意味着，客户可能会成为一项长期开发过程的参与者。公司应明确说明这一点。买家需要了解哪些任务可独立完成，哪些需要预约协助，以及哪些仍不受支持。

独立评测将提供比发布视频更好的证据。评测者应反复测试同一项家务、改变环境、打断机器人并观察其恢复情况。他们还应记录远程帮助何时进入流程。

行业需要更接近家电测试、而非模型排行榜的基准。家庭实用性取决于正常运行时间、一致性、清洁、可维护性、噪声、能耗和安全失效方式。仅靠智能评分无法捕捉这些品质。

这正是“不性感 AI”的真正含义。进展将体现为更少的干预、更少损坏的物品、更长的维护间隔和更清晰的隐私控制。这些指标没有一个能立即产出爆红视频。

但这些指标决定 NEO 会成为有用的基础设施，还是昂贵的演示平台。它们也决定人形机器人会带来广泛的经济压力，还是仍局限于爱好者和结构化试验。

三个信号将揭示“不性感 AI”是否奏效

下一阶段应通过客户证据、自主性测量和竞争验证来评判。

第一个信号是交付到美国普通家庭。1X 表示将于 2026 年开始交付，因此客户部署将是检验其主张的最近测试。发货日期不如接收者能够持续完成的事情重要。

早期用户应记录任务时长、独立完成情况、远程协助和故障恢复。一顿成功制作的餐食会吸引关注。不同厨房中反复出现的结果，将证明这种能力是否能迁移到公司控制环境之外。

来自无障碍使用场景的证据尤其值得关注。机器人为行动受限者取回物品或处理衣物，能够创造可衡量的实用价值。这也会让安全性、语音控制和可靠性接受严苛的现实世界考验。

如果客户只需适度设置和有限干预就能完成有用的家务，承诺与现实之间的差距将会缩小。如果大多数复杂任务都需要专家协助，NEO 将仍是一套受监督的平台。两种结果都将提供演示无法带来的宝贵信息。

第二个信号是透明的自主性报告。1X 应公布人工干预率、任务成功率、恢复率，以及用于评估的条件。理想情况下，这些数据应区分熟悉任务与新物体和新环境。

变化趋势比单一的醒目数字更重要。干预次数持续下降，将支持该公司的学习策略。这表明远程示范和家庭环境中的经验，正在为一个日益独立的系统提供训练。

干预率持平则会削弱这种解读。这意味着机器人可以完成更多种类的家务，却仍高度依赖人类。这一结果或许能支持远程服务，但并不符合人们通常对家庭自动化的理解。

第三个信号是来自竞争对手的可比证据。Tesla、Figure、Apptronik 及其他开发商将继续发布人形机器人的演示。更有价值的回应应是在公开条件下，对家庭或工作场所表现进行量化衡量。

竞争压力可以同时改善硬件和报告方式。如果一家公司公布了可信的完成率和干预数据，其他公司将面临跟进的压力。这场竞赛可能会从电影化的演示，转向运营层面的证据。

一套共享基准将强化这一转变。它可以包括拆装杂货、分类衣物、收拾餐桌、清理洒漏物，以及应对中断。每项任务都应使用多样化的物体，并施加严格的安全限制。

该基准还应标明遥操作和人工准备环节。这些细节并非令人尴尬的例外，而是理解系统如何运作所必需的变量。

当 MIT Technology Review 的 AI Hype Index 持续让这些区别保持清晰时，它最具价值。该指数不应将每一次演示都简化为空洞的营销，也应避免把某个组件的突破视为一个成熟自主工作者已经完成的证明。

对开发者而言，教训是衡量完整工作流。更好的模型和机械手，只有在能够减少干预并从不确定性中恢复时才有意义。对企业买家而言，教训是要求提供运营指标，而非精彩集锦。

知识工作者也应关注这一转变。机器人技术暴露了软件智能体中同样的弱点：完成一项理想化任务，比真正承担一个混乱流程更容易。可靠性、权限、升级处理和可审计性仍是最困难的工作。

下一段走红的 NEO 视频很可能会展示另一项人类熟悉的技能。在将其作为广泛自动化的证据分享之前，不妨问三个问题：机器人是否独立行动、成功率有多高，以及环境发生变化时会怎样？

这些答案将决定“unsexy AI”是否会成为可靠的家庭基础设施。它们也将显示，MIT Technology Review 追踪的究竟是一场真正的转变，还是炒作周期中又一个令人印象深刻的停靠点。