Tutor Intelligence CEO Josh Gruenstein：如何让机器人完成真实工作

Tutor Intelligence 联合创始人兼 CEO Josh Gruenstein 认为，让机器人在工厂真正发挥作用，需要一个涵盖模型、硬件、制造、客户部署及实际工作的系统。他与 a16z 普通合伙人 Martin Casado、Raghu Raghuram 讨论了公司的做法。

Gruenstein 说，创立 Tutor 的想法是：在实体经济中部署机器人，可以产生数据、模型和供应链，使机器人更有用。公司约有 160 名员工，主要位于波士顿，负责训练模型、制造机器人并直接部署。

他说，Tutor 的机器人服务于从小企业到大型公司的各类客户。他引用了一项由 AI 生成的估计：这些机器人已帮助制造并运送超过 2.5 亿件面向美国消费者的产品。他将此作为估计，而非经过审计的统计。

创始团队认为，机器人智能和软件是瓶颈；此前的机器往往需要大量定制工程。部署机器人既能完成有用工作，也能生成带标签的数据，用于改进模型。

主持人指出，许多机器人项目先讲模型，而不是具体工作。Gruenstein 提出了反向思想实验：即使任何人都能远程给机器人提供无限智能，问题仍未解决。

公司依然需要大规模制造机器、构建软件，并找到机器能够完成其工作的客户。Gruenstein 认为，机器人是系统问题，必须把这些环节放在一起解决。

他的技术背景促使他同时考虑制造、硬件、电子和模型。创办公司后，这个“全栈”进一步扩展到供应链、客户和产品设计；不碰某一层，也就失去了跨层权衡的机会。

他认为，以往机器人公司遇到困难，部分原因是智能不足，部分原因是市场分散。主持人问，垂直整合是实体工作的内在要求，还是行业尚不成熟的结果。

Gruenstein 更倾向于后者。他用计算平台作类比：软件公司不必自己设计芯片；机器人领域也需要通用平台，但平台必须通过建立在其上的成功业务来证明有效。

一位主持人质疑，实体环境是否拥有计算领域那样清晰的抽象。Gruenstein 认为，人形机器人可能是一种通用形态，但不同工作仍可能适合不同机器，正如计算领域同时使用 CPU、GPU 和专用芯片。

Tutor 这个名字反映了一个数据问题。互联网上的人类活动自然产生可用于训练的文本等材料，而日常实体动作不会自动记录机器人所需的力、姿态和其他信息。

Tutor 的做法是部署机器人，再连接称为“指导员”的人类远程操作员，帮助机器学习新任务。公司希望在机器完成有经济价值的工作的同时收集训练数据，而不是把数据采集当成独立支出。

一位主持人说，他们接触的客户往往没有注意到何时有人工指导员参与。Gruenstein 认为，这说明买家更关心工作是否完成、成本是否改善，而不是模型与操作员之间如何分工。

被问及目标是否是消除指导员时，他将其视为运营和经济权衡：为了进一步提高模型能力需要多少工程投入，而在所需利用率下人工协助又要花多少钱？

一位主持人质疑，机器人训练数据是否能像互联网文本覆盖语言应用那样，覆盖有经济价值的任务。最后一部分有用工作可能长期处于训练分布之外，仍需要人类。

Gruenstein 同意数据来源很重要。他认为，完成有用的商业工作能让收入与收集有价值的样本相互促进；如果采集实体示范时不考虑实际需求，就无法保证数据有用。

他并不坚持单一数据来源。如果长尾任务依然困难，Tutor 除了采集真实机器人经验，也可以利用仿真和互联网规模的数据来扩大训练分布。

Gruenstein 说，随着实验室使用 CAD 等三维材料对前沿模型进行后训练，这些模型对机器人越来越有帮助。在他看来，更好的空间推理有助于把大模型中的通用知识连接到机器人动作。

他认为，更强的模型会加速公司的工作，而不是取而代之。Tutor 已经经历过多次模型变化；他认为，部署、数据收集、扩大制造规模和增加任务所形成的持续循环才是长期资产。

谈到“制造机器人”具体意味着什么，他说现有供应链规模太小，而且往往针对快速重复的工业系统，而不是与前沿模型共同设计的机器。因此 Tutor 自行设计和制造机器人本体。

不过，Tutor 仍从较大供应商采购执行器、摄像头等部件。Gruenstein 说，公司在马萨诸塞州沃特敦制造能够移动并用机械臂完成客户任务的机器。

他介绍 Cassie 是一台面向重体力工作的单臂机器，配有吸盘，使用约 2 亿至 4 亿参数的模型。其设计针对制造和物流中常见的托盘与箱件搬运。

第二款 Sunny 是轮式工业半人形机器人，注重工厂可靠性、更高负载和协作安全。Gruenstein 说，波士顿的数据工厂中有 100 台 Sunny，客户现场的数量也在增长，用于更精细的双手操作。

Gruenstein 估计，Cassie 和 Sunny 最终能够覆盖制造与物流中的很大一部分工作。他将大众想象中的全自动工厂，与仍有人在传送带和折叠桌旁手工工作的设施进行对比。

他说，难以招聘的体力工作包括搬运重箱、组装和包装产品，其中也有大批量消费品。主持人接着问，现有机器还不能做什么。

Gruenstein 说，现有机器人为工业室内环境设计，无法通行碎石等地形。建筑施工和垃圾填埋场材料回收可能需要不同的机器，甚至需要腿；目前的工业设计也不适合家庭。

他说，大多数潜在客户此前从未购买过机器人。Tutor 不会首先讲模型或 AI 术语，而是介绍约每小时 16 美元的起始价格，再解释具体运营方案。

Gruenstein 说，从首次沟通到签约平均需要 40 至 60 天，签约后约 40 天送达，现场投入生产通常在一天内，甚至几小时内完成。他将速度归因于标准化机器人，以及无需客户承担设备前期投资风险的模式。

他说，一旦机器证明自己能完成工作，运营团队通常会找到其他可用的地点。工厂经理可能把它视为设备，但购买者与每天接触机器的工人是不同的人。

Tutor 借鉴人机交互研究，为每台机器取名。制造技术人员通常为首批机器人命名；客户再次订购时可以为新机器命名。Gruenstein 说，这有助于工人建立主人翁意识。

他说，客户会用孩子、运动员或音乐人的名字为机器人命名。他认为，工人看重体力负担减轻，经理看重运营帮助；这些是他对公司部署情况的观察。

主持人问，为什么许多客户是中小企业，而机器人初创公司通常瞄准大型企业。Gruenstein 说，中小企业占制造和物流业的很大一部分，而多样化客户会倒逼产品具备广泛用途。

他批评一种模式：花费多年为单一大客户定制系统，最终产品可能无法工作，或者客户需求已经改变。Tutor 希望建立能在不同企业快速部署的通用平台。

谈到潜在经济影响，他认为生产成本下降可能扩大需求，或跨过某些门槛，使新的商业模式可行。他举了工厂建房的例子：即使只比现场施工便宜一点，也可能改变开发商的需求。

一位主持人问到家庭使用。Gruenstein 说，公司对此持开放态度，但家庭有不同的技术、安全和经济约束。从工厂入手，可以让公司先作出有用的取舍，再逐步建设能力更强的平台。

Tutor 试图让硬件迭代更接近软件迭代。Gruenstein 说，掌握制造环节使公司能够大约每两周修改生产流程；软件则每天更新，或以两周为周期推出较大版本。

产品团队与客户成功和实施团队紧密合作，研究人员也与客户问题保持联系。他说，模型方面的突破因此可以带动产品重新设计，并更快进入实际现场。

潜在客户可以联系公司，并使用定价计算器估算节省的成本。Gruenstein 说，这项服务旨在较短时间内产生运营节省，无需客户提前购买设备。

他将机器人的价值定义为可完成的工作量除以成本。资本支出和运营支出都重要，但他说，对于 Tutor，目前推理和远程操作等持续成本占比较大。

他说，客户常把自动化视为长期战略需求：他们面临劳动力老龄化、需求增长和利润率紧张，希望专注于制造自己的产品，同时依靠机器人合作伙伴。

被问到通用机器人可能如何影响工厂位置与供应链时，Gruenstein 预测将发生广泛变化，并认为新型灵活自动化可能影响美国和中国的相对地位。这是他的预期，而非已经确定的结果。

他强调，2026 年的机器人供应链仍然高度互联、相互依赖。随着生产量增加，与零部件供应商的关系也会变化，企业需要决定继续委托制造，还是把生产收回内部。

Gruenstein 说，Tutor 希望帮助建立更成熟的美国机器人供应链，并预计未来在美国生产更多零部件。他以公司在马萨诸塞州制造机器人为例。

在研究方面，他认为真实世界的强化学习轨迹很有价值，因为它们记录了机器人实际要完成的任务。Tutor 在波士顿建立了一支名为 Data Factory 1 的百台机器人研究队伍，以探索大规模强化学习。

他说，较大规模的机器人队伍能支持小批量难以开展的实验。随后他介绍公司在研究、软件、硬件、材料、电子和制造等各层面的招聘：团队可以在模型设计与工厂现场观察之间切换。

主持人最后询问团队的工作地点。Gruenstein 说，团队分布在美国各地，包括靠近客户部署地点的客户服务人员和技术人员。