機器人的
GPT 時刻來了

剝洋蔥式的智慧：
從會犯錯，到某天醒來全自主

Physical Intelligence（內部簡稱 Pi／π）的使命只有一句話：打造一個能控制任何機器人、做任何它物理上做得到的任務的模型，而且要好到對各行各業的人都真的有用。Quan Vuong 把這形容成機器人的「GPT-1 時刻」——不是終點，而是那個讓擴張法則（scaling laws）開始生效的起點。

他不認為這會是一夜之間的奇蹟，而更像剝洋蔥：先有一個充滿常識、已經能在你的機器人上動起來的強基礎模型；接著做成一套「混合自主」系統——很像今天的自動駕駛車，機器人會犯錯，沒關係，人在旁邊接手、給修正；然後真的把它丟去做一份真實的工作。靠著不斷暴露在現實世界的複雜與邊角案例中，這套系統每天都會稍微變好一點點。直到某天你一覺醒來，發現它已經能完全自主，並且帶來巨大的價值。

要理解為什麼這在今天才可能，得先記住機器人難在哪。主持人把問題拆成三根支柱：語意（semantics）、規劃（planning）、控制（control）。控制必須即時完成，還要面對一個不斷變化的環境。而過去兩年的突破，正是語言模型一根接一根地把這三根支柱點亮。

關鍵洞見：別教模型開「這台」機器人，
教它「怎麼開任何機器人」

第一個轉折是 SayCan：它首次示範語言模型裡的常識可以倒進機器人，大幅減少對「機器人專屬資料」的依賴。你問「我要去 YC 辦公室錄 podcast，該怎麼做」，模型就能列出步驟與計畫。語言模型就這樣從「規劃／語意」這一層滲透進機器人。

但還剩控制問題。PaLM-E 與 RT-2（Robotic Transformer 2）給了答案：從一個強大的視覺語言模型出發，用機器人資料去調教它「說機器人的語言」，結果語言模型裡的知識會大量遷移到底層動作。Quan 最愛的例子是——桌上放著名人照片，你叫機器人「把可樂罐移到泰勒絲那邊」，即使「泰勒絲」這個概念在機器人資料裡根本不存在，它也做到了；「把恐龍放到紅色車子旁邊」這種空間推理同樣零樣本成立。

但 RT-2、PaLM-E 都還是單一形態（single embodiment）——只在某一台特定機器人上有用。真正的飛躍來自一個反直覺的假設：也許一台機器人的資料，跟另一台沒那麼不同。如果訓練資料裡有夠多機器人，模型學到的就不是「控制某一台」，而是更抽象的「怎麼控制任何一個機器人平台」。這就是 Open Cross-Embodiment 與 Robotic Transformer X（Open-X）。

不過 Quan 很誠實：他認為 ImageNet 對視覺界的衝擊還是更大，因為 ImageNet 同時解決了「可重現的評估」，而評估正是機器人最難的問題之一，Open-X 並沒有解決；而且以今天社群收集資料的規模與多樣性來看，Open-X 已經只是滄海一粟。

那真正的瓶頸是什麼？資料。機器人沒有「一個現成的網際網路」可以爬。Quan 用一筆餐巾紙算術解釋為什麼值得砸錢去收資料：美國 GDP 約 24 兆美元，若真把機器人做出來，保守估計能貢獻其中 10%——那已經是天文數字。而 Pi 選擇專注跨形態，正因為「準備好吸收一千種不同機器人的資料」，遠比「自己造一千台同款硬體」更容易規模化。畢竟他們盤點後震驚地發現：公司裡沒有任何兩台機器人是一樣的——就算你只優化單一平台，它每三個月一次軟硬體改版就會「漂移」，舊資料變得難以重用。

折衣服與裝貨：
不是 demo 站，是真的在出貨

Quan 說，判斷「現在到哪了」的標準是：如果一個任務容許機器人犯錯，而且你能搭一套「人在出錯時接手」的混合自主系統，那就已經到了值得認真考慮「規模化部署」的程度。他用兩個 YC 公司的真實合作來證明——而且 Pi 的角色很特別：它是研究機構，只負責做出最好的模型，把硬體與資料收集留給夥伴，「像跳傘空降進對方既有系統」。

關鍵在於 Ultra 過去最怕的環境敏感問題——光線一變，視覺系統就崩——在這裡被克服了。更重要的是這套打法把問題的性質換掉了：從一個極難的「工程問題」，變成一個「營運問題」。你不再需要為每個新任務設計一套艱難的工程系統，而是去問「該鎖定哪個使用情境、怎麼收對的資料」。後者更可規模化，因為你可以打造一套能從任何任務收資料的系統。

Quan 也透露一個重要事實：當初公司以為「真實部署」要到創業第五年才會被認真討論，因為問題太難了。結果他們才走到第二年，部署與「把機器人數量放大」就已經是今天桌上的嚴肅議題——進度比預期快得多。

最大的技術解鎖：
機器人的大腦，放在資料中心裡

過去機器人圈的鐵律是「要即時，運算就得放在機器人本體上」。Pi 做了完全相反的事，這常讓人倒抽一口氣：幾乎所有 Pi 的評估——包括泡咖啡、折衣服、移動機器人到處導航——模型其實都跑在雲端。不是辦公室裡那台伺服器，是真的在某個資料中心。在高頻控制迴圈裡，機器人不斷把影像與語言指令打到一個 API 端點，再把回傳的動作直接執行在身上。

怎麼讓延遲不害死它？Pi 把系統、硬體、模型研究綁得極緊，靠兩個洞見：

這個選擇徹底簡化了機器人系統——就像早期 Waymo 得在後車廂塞一台伺服器，但日常機器人根本負擔不起。最驚人的是合作的「無知」程度：Quan 從沒親眼見過那台機器人，也幾乎不知道它怎麼運作，更不知道夥伴怎麼收資料——而且是刻意如此。他想離那些細節愈遠愈好，只專注在「真正讓系統work的事」。因為這種「空降進對方既有系統、不必搞懂他們怎麼搭的」做法，才是更能規模化的配方。

他直接把創業公式給了你：
垂直機器人公司的新平台

傳統上機器人創業極難，因為它是徹底垂直整合的生意：你得自己搞定客戶關係、硬體、自主堆疊、安全認證——什麼都自己來，進入門檻高得嚇人。Pi 想改變的，就是提供一層「物理智慧的地基」，讓社群在上面蓋，把自主能力載到機器人上的速度遠快於以往。Quan 當場給出他眼中的創業公式：

第⑤步是歷史上把無數機器人公司卡死在成長期的關卡：回本週期算不過來。如果每多一台機器人都在虧錢，就不可能規模化。所以「先打平、再放大」是整套公式的命門。Quan 說，這個公式正在許多不同垂直領域上演——而且他親眼看著它發生。

主持人用個人電腦史做了一個精準類比：今天的工業機器人，大概還停在 1970 年代大型主機／迷你電腦的階段——極貴、極專用、純粹企業級。我們還在等那台「Apple II」「IBM PC」出現。傳統建議是去做「骯髒、危險」的工業情境，但 Quan 認為，當「能不能賺錢」成為決勝點，第一批跑出來的垂直機器人公司，反而不會是骯髒危險那一類——而是像 Ultra 這種、過去你根本不會多想「誰在打包這個軟袋」的無數平凡工作。

為了催生這場爆發，Pi 選擇開放：把研究公開，並開源 Pi-zero 與 Pi-0.5。有人震驚地問「你們開源的版本跟內部用的有差嗎」，答案是——沒有，連預訓練權重都是同一份。對 Quan 來說，成功不是「我們的模型在我們的機器人上work」，而是「我們的模型，在別人的、我們甚至不知道是什麼的機器人上，做出對使用者真正有用的事」。這呼應了 Dario Amodei〈Machines of Loving Grace〉的想像：把電子世界的智慧，化成原子世界的豐饒。