原文标题：The Human Advantage in the Robotics Revolution
原文作者：Sumir Meghani，Instawork Robotics Labs (IRL)
编译：Peggy，BlockBeats

编者按：当大多数人仍在讨论「机器人是否会取代人类工作」时，本文认为人类不仅不会被替代，反而正在成为「物理 AI 体系」中不可或缺的关键基础设施。

当前行业的核心瓶颈，并不在算法或硬件，而在于「数据与落地能力」。机器人需要通过观察熟练人类在真实环境中的操作来完成训练，但高质量、多样化的物理世界数据极度稀缺，由此形成所谓的「十万年数据差距」。这也使得一类被长期忽视的能力重新凸显——具备技能、可调度、可验证的人类劳动力。

在这一框架下，人类的角色被重新拆解：既是训练机器的「数据来源」，提供标准化、可标注的操作过程；也是支撑系统运行的「现场节点」，承担维护、维修与远程操控；最终进入一个由平台连接的「人机协作市场」，成为机器人规模化落地的必要条件。

事实上，技术变革不会消灭劳动，而是重构劳动分工。从 ATM 到互联网，每一次技术跃迁都伴随着对就业的焦虑，但被改变的往往不是「有没有工作」，而是「工作如何被重新定义」。在这一轮以类人机器人为代表的技术周期中，同样的路径正在重演：任务被拆解，能力被标准化，岗位被重组，新职业随之生成。

而真正的机会，不在「替代人」，而在于谁能搭建那座桥梁，将人类能力转化为可规模化的数据、运维体系与协作网络。

以下为原文：

一年前，我曾提出过一个对劳动力市场来说或许有些不寻常的问题：当机器人到来时，我们平台上的「专业人士」（Pros）会发生什么？

我们的愿景，是为全球的 Pros 与合作伙伴创造经济机会。如今，有超过一千万名 Pros 依赖我们维持生计，而他们之中，许多人也早已在思考同样的问题。我们对此有着深切的责任，必须给出答案。

与此同时，我们还观察到一个出乎意料的现象：一些机器人公司已经开始出现在我们的应用平台上，与我们的 Pros 进行合作。他们需要那些在机器人训练任务中具备专业经验的人，也需要进入各种多样化的商业场景——也就是未来机器人将被部署的环境。而他们所依赖的，正是我们一直在构建的这套劳动力体系。

就在那一刻，一切突然变得清晰：Instawork 可以为「物理 AI 经济」提供人类劳动力。

「十万年难题」

Ken Goldberg 将这一问题概括为「十万年的数据鸿沟」：一方面，是用于训练语言模型的海量数据；另一方面，则是极其有限、且高度专业化的、用于训练机器人在物理世界中完成精细操作的数据。

注：Ken Goldberg 是一位在机器人与人工智能领域非常有影响力的学者，同时也是艺术家和跨学科研究者

正是这道鸿沟，使得尽管数十亿美元不断涌入机器人公司，我们依然还没有看到类人机器人在酒店打扫房间、或在仓库卸货……至少现在还没有。

我们的估算是：整个行业在 2024 年大约收集了 10 万小时的训练数据；到 2025 年，这一数字增长到 100 万小时；而到 2026 年，预计将达到 2000 万小时。这是指数级的增长，但即便如此，也仅仅完成了弥合这一鸿沟的 0.04%。

越来越多的公司正加入这场竞赛，试图打造类人或通用机器人：基础模型实验室在开发视觉-语言-行动（VLA）模型，硬件公司在构建实体机器，中间环节的参与者也在不断涌现。资本投入已达数百亿美元。而所有这些参与者，都面临着同一个瓶颈：数据。

但关键在于，这一幕我们其实早就见过。

当自动取款机（ATM）出现时，几乎所有人都预测银行柜员将消失。但结果却恰恰相反——柜员的数量反而增加了。ATM 降低了网点成本，银行得以开设更多分支；而柜员的角色，也从点钞转向了客户关系的维护。

这种模式在每一次重大技术变革中反复出现：工业革命、电气化、互联网。新技术并不会消灭工作，而是重塑工作，并创造出更多新的机会。

新一轮浪潮正在到来，但这一次，它看起来更像我们自己：拥有手臂、双腿，还有眼睛。

物理 AI 的三幕剧

第一幕：训练机器人

过去一年里，我主动联系并向全球机器人学习领域中最优秀的一些人请教——从研究员、实验室负责人，到打造灵巧机械手乃至完整类人机器人的创业者。他们慷慨地分享时间与见解，让我印象深刻。坦率地说，我们原本并不属于这个行业；但听得越多，我越清晰地看到 Instawork 可以切入的空间。

有一个观点被反复提及：机器人是通过观察熟练的人类，在真实环境中完成精细的物理任务来学习的。这意味着，从规范的刀法切菜，到在人流密集的仓库中穿行，再到按品牌标准整理酒店床铺。问题在于，高质量地采集这类数据极其困难——你不能随便给一个人戴上摄像头就开始录制。数据必须覆盖多样化的环境、任务和手部动作；更关键的是，执行这些任务的人必须真正专业。否则，用「糟糕刀工」训练出来的机器人，只会学会「糟糕刀工」（这对谁都不是好事）。

这本质上是一个劳动力运营问题：如何招募有技能的工人、对其进行培训、保障输出质量，以及在不同地域与场景中管理一个分布式劳动力网络——这些正是我们一直在做的事情。我们拥有超过一千万名经过技能验证的 Pros，覆盖数百种任务类型；与合作伙伴建立了深度关系，能够进入真实商业场景；并掌握哪些人能稳定出勤、持续高质量完成工作的数据。这种组合，是任何数据采集公司都无法从零复制的。事实上，许多实验室早已自发找上我们，如今我们正与该领域大多数头部团队展开合作。

第二幕：机器人「驯养师」的崛起

有一件事常被忽视：机器人同样需要人。

一家领先机器人公司的高管告诉我，他们有一个关键部件需要每 4–6 个月更换一次——频率不足以配置专职技术人员，但又高到一旦停机就会带来明显损失。随着自动驾驶、配送机器人以及各类自动化部署的普及，越来越多公司面临类似问题：扩张需要现场支持，但在每个市场都配备专职人员，在经济上并不现实。

我们已经与多家机器人公司开展试点项目，涵盖电池更换、部件替换与机器人维修等服务。同时，我们建立了一个面向小时工的机器人认证体系——可以说是行业内的首次尝试。仅在最初几周内，就已有超过两万名 Pros 获得认证。

在数据采集端，获得认证的 Pros 会学习如何操作可穿戴摄像设备、采集高质量视频、标注传感器数据——当机器人实验室需要在真实酒店套房中录制数小时的铺床流程时，他们得到的是专业人员，而不是「边做边学」的新人。在技术支持端，认证 Pros 则会掌握硬件诊断、安全规范以及针对具体机器人系统的维护流程。

设想这样一个场景：一家物流公司在十多个仓库部署自动化机器人车队。凌晨两点，孟菲斯仓库中的机器人出现导航错误，或凤凰城某台设备需要更换传感器模块。无需再等待工厂技术人员数日后飞抵现场，一名经过认证的 Instawork Pros 可以在数小时内到达并解决问题。与此同时，我们也在开发基于 VR 的远程操控培训，以支持实验室在数据采集规模扩大后，突破单纯现场录制的限制。

如果未来十年将部署数十亿台 AI 设备，机会不仅在于维护它们，更在于创造全新的职业类别：机器人技术员、车队运营者、远程操控专家，甚至是我们尚未命名的新岗位。

第三幕：人机协作的市场

去年，我与全球一家大型酒店集团的 CEO 共进午餐。他们正在认真思考，如何通过自动化提升客房服务的一致性。大量机器人公司希望进入他们的酒店部署产品，但他们难以判断——什么只是「演示效果」，什么才是真正的「运营成果」。而我们对这些场景、流程与痛点非常熟悉——因为我们早已在这些场所中提供服务。

我们正在构建一个「机器人服务市场」——将机器人公司与准备部署自动化的企业连接起来。我们已经同时服务于供需两端，这意味着我们不仅仅是「撮合」，而是能够真正推动落地。

未来不是「机器人取代人类」，而是「机器人与人类协作」。这正是 Instawork Robotics Lab 所要实现的目标：三项能力，一个平台——训练机器人、支持其在现实世界运行，以及将其连接到真正需要它们的商业场景。

桥梁

在每一次重大技术变革中，问题从来不在于是否会诞生新工作——答案总是肯定的。真正的问题在于：谁来搭建连接当下与未来的那座桥。

我们相信，在这个进程的每一个阶段，都需要熟练的人类参与——从训练第一代机器人，到部署大规模系统，再到设计未来的人机协作流程。我们希望，平台上的 Pros 能够贯穿整个过程。

在「物理 AI 革命」中，Instawork 希望成为这座桥：在最有影响力的行业中积累深厚经验；已经在为机器人实验室提供训练数据；已经在为数据采集与现场运营培养认证人才；也正在构建一个将机器人与企业需求连接起来的市场。

我们对下一阶段充满期待。

[原文链接]