宇树科技上线机器人APP Store：现状、技术与未来展望

宇树科技，那个在春晚上让机器人扭秧歌的公司，开始做APP Store了。大家好，欢迎收听老范讲故事的YouTube频道。

什么是机器人的APP Store？

首先我们要确定什么是APP Store。APP Store实际上是个注册商标，就是苹果的应用商店。所以宇树科技做APP Store这个说法是有问题的，应该讲叫宇树科技做了自己的基于机器人的应用市场。但是宇树科技取的域名是 Appstore.unitree.com。

目前上线的应用与平台

现在已经上线了三款官方应用，我上去看了看，但是自己家里没有机器人，所以也没有去下载这个东西。两个舞蹈，一个武术。两个舞蹈一个是小丑舞，一个是牛牛舞；还有一个是李小龙的比较著名的武术动作套路。李小龙这些武术动作，以及刚才咱们讲这两个舞蹈，应该是没有版权的吧？以后可能在这一块还会有一些争吵。

每一个应用都会标注说，我这个应用是在什么平台上跑的。现在这三个应用都是在 G1EDU 和 G1EDU+ 这两个平台上跑的，就是宇树科技G1这款机器人，99,000的那个机器人。在这种教育行业的这个型号上，可以用起来。

应用详情与安全须知

一个应用上面都包括哪些信息？

• 版本号与更新日期：你的一个应用还是要不断升级的嘛。
• 价格：虽然现在三个官方的应用都是免费的，但是不排除以后大家可以在这个上面去付钱，或者说有些人开发了应用通过宇树科技的APP Store去挣钱，这个可能性给大家留出来了。当然至少目前吧，挣钱这件事并不重要。那你说以后机器人是不是也可以像我们的移动应用这样，除了收费之外，还可以订阅或者是试用，或者是上广告？这个有可能，未来的可能性是无限的。
• 开发者标注：现在这三款应用都是Unitree，宇树，宇宙和树，是这样的一个英文单词。
• 自由度标注：29个自由度。这个29个自由度应该是它的宇树G1的自由度的数，就是有29个关节吧。也许以后他会有更多的机器人上来，这些应用可以在更多的机器人去使用。如果你这个机器人不够29个自由度，可能这些应用就没法跑了。只是目前为止，都是在G1这个平台上用的。

然后有用户手册。所谓用户手册就是介绍一下这个应用是干嘛的，包括一些动作的描述。比如说他这个小丑舞蹈的这个应用下面就告诉你说，我们有抓耳挠腮、蹦蹦跳跳、东张西望、滑稽模仿，大概有这些动作。你只要是装了应用以后，这些动作这个机器人就会做了。

还有叫故障排除和安全须知，这个应该是机器人应用里头比较新的东西。这个在移动应用里头是没有相关描述的。说如果动作异常，请赶快按停止键。因为宇树机器人是一巨大的遥控器的，你发现不对劲了，赶快停下来。确保两米的安全距离，因为他要做动作吧，你拦住他这事是不行的。因为机器人到宇树这个层次还都是遥控的，你让他做，他就不管不顾，不管身边有人没人就开始做了，所以经常下手没轻没重的。要求距离他两米，在这之内之间不要站人，不要有任何东西。

安装流程与开发者中心

这个APP Store里头还有个人中心和开发者中心，这两块现在还是空的。有使用手册，就是告诉你怎么去下载这个应用，怎么去装这个应用。

实际上就是你首先要有宇树机器人，没有宇树机器人是没法整的，而且必须是要有G1这款机器人，才可以去装这些应用。你先下载下来，上在手机APP上去，然后在手机APP上选说“我这个机器人在这里”，连上Wifi，把这个应用或者叫这套动作吧，上传到机器人上去，然后这个机器人就学会这个套路了。

剩下的就是开发者手册，告诉你自己怎么去写相应的应用，上哪去下载SDK包，跟哪些的系统相兼容，下载完了以后怎么去写，写完了以后怎么上传，怎么去进行认证和校验，审核通过了，你再可以真正上线去发行。它是这样的一套手册。

现实与想象的差距

这个APP Store是不是跟大家想象的不太一样？是不是很多人觉得应该有一个应用叫扫地，有一个应用叫洗衣服？甚至更有想象力的，是不是可以想象说有一个应用叫做满汉全席，我只要下载了这个应用，这个机器人就给我做一顿满汉全席出来？这个想象是很美好的，但至少目前在宇树的APP Store里头还无法实现。

现在宇树的机器人主要就是遥控展示，你命令它前进后退，蹦一蹦跑一跑，做一套动作，做一个小连招，它这个是可以有的，其他的那些还搞不定。

用于展示的动作套路，特别是一些复杂的套路，靠单纯的遥控器你是搞不定这件事了，必须还是要进行编程。编程的过程也相对比较复杂，很多说“我就买回来站在我店里头招揽顾客的”，你要让这样的人去编程也不太现实。所以干脆说有能力编程的人你们就编，其他人咱们就去下载。也可以让各家购买回去的这些99,000的宇树G1机器人，就都可以有比较丰富的套路可以进行展示。

现在的APP Store还不太容易让套路的编写者去赚钱，因为毕竟这个机器人还比较少嘛。现在这款机器人大概也就是卖了两三千台，你说你这个每一个应用收多少钱合适？你说我收个10万，他这机器人才9万9；你说我收个5块，你就算所有的机器人都装一遍，你也挣不出几个钱来。所以现在挣钱还不是重要的，但是这个APP Store的上线，对于宇树机器人的可玩性提升还是有很大帮助的。

技术解析：SDK、ROS2与OM1

当前的机器人控制方式是怎么样的？宇树提供了叫宇树SDK，就是你可以在这个基础上去进行编程。同时也宣布宇树是支持 ROS2 和 OM1。

• ROS (Robot Operating System)：叫机器人操作系统。这个东西是最早斯坦福这边去制定的，一直是开源，由这个开放机器人操作基金会或者叫社区，由他们来去维护。应该是二零零几年就有了，2017年出的ROS2，在ROS1的基础上进行了升级。ROS2也依然是由开放机器人操作社区去进行免费的维护，但是这个社区它的商业的部分，有一个商业公司的被Alphabet给收购了，所以现在算是谷歌在维护这套系统。现在这个ROS都是什么人在用？就是工业机器人都在用，像什么ABB这些都是使用ROS这套东西进行控制的。ROS控制的是相对比较底层的，它可以控制每一个关节怎么去运动，每一个关节使用多大的力气，这个都是可以进行比较精细的控制的。现在宇树说你可以在我SDK上写，你也可以按ROS来去写，写完了以后我们也可以执行相应的动作。
• OM1 (Openmind)：是另外一套开源系统。为什么会有这么多的开源系统？就是大家都希望说我们能够编写出硬件无关的机器人应用来。我编写好应用了以后，你最后底下这个机器人到底是宇树的，还是松岩动力的，还是稚晖君的，这个都不重要，我只要把动作编好了，这个系统就都要给我去动去。

那这个OM1跟刚才咱们讲的ROS2是有一些区别的，这个东西会更加的上层一些。刚才我们讲了ROS现在是第二版嘛，ROS2它可以控制关节，可以控制力度，可以控制转多少，向前伸多少。但是Openmind做的OM1这套开源协议，它是控制说你往前走多远，从哪里走到哪里，它是这种上层控制。至于我下了这个指令以后，你这个机器人是走过去是爬过去，还是底下有轮子，它是不管的。所以这个机器人的控制是分层级的，每一家的机器人都会去和这些开源的系统相兼容。所以现在去给机器人写应用，去设计动作已经成为现实了。

核心难点：平衡控制与安全性

控制机器人真正困难的部分其实并不完全开放。我举一个例子吧，你像我去玩大疆无人机，大疆无人机的这个姿态控制，或者我们管它叫飞控系统，这个东西我们是控制不了的。我拿遥控器去遥控，只能是上升下降，左转右转横移，只能有这些动作。有了风了，或者说有了一些什么样的干扰了，它怎么来去控制这个飞机的具体的这个姿态，比如说我哪个螺旋桨转快点，哪个螺旋桨转慢点，这些事情我们是控制不了的。

这个宇树机器人这套东西也是如此。它哪部分是不让人控制的？就是这个机器人的平衡度。你说机器人跑起来走起来，这个没问题，就算你用ROS这套系统去控制它，它也更多的希望你去控制手，这些自由度你去控制控制；身体下边这部分的自由度，它不希望你去碰，或者说一开始它不希望你去碰。你如果是动了底下的这个自由度了，你说我要抬个脚，特别是像舞蹈这类的，所有的这个稳定系统就退出了，摔倒了你自己负责任就行了。它是这样的一个工作方式。

所以这个应用你上传了以后，宇树还是要去进行审核的。比如说发现你这个应用上去以后，这个机器人只会摔倒，他不会做任何其他事情，那你这个应用就没有办法往前走。咱们经常看到一些机器人摔倒了以后在地上这个手脚抽搐，是不是有这样的印象？这就是机器人的自动平衡系统它在起作用。它认为说我的这个身体不是很平衡了，我通过摆动手臂或者做一些脚部的腿部的这种动作，我可以找回平衡来，他是这样来控制的。所以很多人说这个机器人摔倒了怎么还打人？因为他就在尝试保持这个平衡，他比如说通过挥舞手臂，或者是通过往前迈一步、往后迈一步这样的方式。如果他已经摔倒了，站在旁边的人是很容易受伤的。但是开发者一旦是自己通过ROS2这样的协议修改了它的底层的这种运动方式的话，那他这套自动通过手脚抽搐找平衡的这个系统就退出了。

行业背景：内卷、生存与上市

现在的机器人，甭管是不是人形吧，基本上都还是支持ROS和ROS2这些开源的协议的。各家都在自己的机器人上套用ROS相关的指令，基于ROS的各种控制了，机器人自己会去执行去。像美国的话figure 01也是套的ROS 2的这套指令集，但是擎天柱是不套的。特斯拉的擎天柱据说是没有提供这些低端的接口，人家是智能机器人，要自己去做判断，自己去决定做什么的。当然现在特斯拉的擎天柱大概还是通过VR系统以及动作捕捉器来进行控制的。像刚才咱们讲的宇树科机器人是通过一个巨大的遥控器，长得就像是无人机的遥控器似的；但是特斯拉那个不太一样。

前几天特斯拉的擎天柱还摔了一跤，摔倒之前有一个很明显的摘头衔的动作，就是他摔倒之前要干这样的一个动作。你说到底后边是有人遥控还是自主？这个没法判断。为什么？因为他是通过带着头衔，带着这个动作捕捉器去进行训练的，所以他很有可能把摘头衔的动作直接训练到模型里去了，没有办法直接通过这一个动作你就判断说特斯拉的擎天柱后边就是有人遥控的。讲远了。

APP Store应该是一个很好的尝试，毕竟明年这些人形机器人公司的日子都会比较难过。为什么会难过？因为中国政府已经说了，明年机器人公司要反内卷了，你们已经开始无序竞争了。大量的人形机器人公司在产品还无法实用的情况下就已经产能过剩了，这是我们现在遇到的问题。真的让机器人去工厂里打螺丝这件事其实是很不划算的，因为机器人的灵巧手，就别说机器人多少钱了，光那只手可能就顶上两个这个员工的年薪了，所以你让他去打螺丝这事短期内不太可能。进入家庭的路就更长了，因为工厂里头你还不怕磕磕碰碰的，你在家里头一个好几十公斤的东西突然摔倒了，你再砸着花花草草的，这个事很麻烦的。所以一定是安全性更高了以后才可以进入家庭。

咱们前面讲到的这些机器人公司，他们总要活下去。他们活下去的方式，一方面就是继续融资或者是上市，现在一堆机器人公司都在争先恐后的去上市，如果上不去的话就比较难了。因为现在有一些机器人公司已经发展到比较后期了，再想去融资已经融不太到了，所以现在都在比说谁先去上市。那你除了融钱之外还要自己挣钱嘛，那就要去对外销售。

现在的机器人主要有两个用途：

• 进行展示：机器人展示目前还是可以带来流量的，你只要有机器人在这个屋子里头走来走去，或者是稍微打个招呼，练个什么拳跳个舞，还是有人愿意站起来看一看，顺便就买一点东西呗。
• 科研用途：说这个机器人控制的更复杂的东西怎么办呢？这让公司再接着做下去肯定是比较费劲了，就交给这些科研院所说你们做吧。那科研院所就可以买一些这种机器人回来，自己去写程序，自己去做各种测试。前面咱们看到美国斯坦福他们做的很多机器人测试还是在乐高上面去做，那以后就别费劲了，99,000你去买一台宇树，在这上做，所有的接口都是开放的，这多省事。

宇树的这个机器人现在应该也是卖了几千台吧，2024年的应该是1,500台，2025年的话可能是两三千台的样子。当然它机器狗卖的多，机器狗大概已经卖了两三万台了，全世界的机器狗大概70%都是宇树卖掉的。现在有了这么多机器人在外面飘着，也需要通过一些方法让用户的产品可以发挥出更大的作用了。摆在商场展台上，总是要多学几个套路的。国内这些想走展示路径的机器人公司，应该都会走这条APP Store的路。宇树是第一个开先河的，后边智源科技、松岩动力应该也都会向这个方向走。

未来展望：应用场景与生态

未来真的智能机器人的APP Store还是很有想象空间的。它有可能会像现在的移动应用商店一样，首先先适配机型：我这个是什么样的机器人，可以买这个APP，可以去安装，什么样的机器人买不了。适配完了以后选择权限，到那个时候机器人能每一个应用也是需要有权限的：这个是可以去厨房的，那个是可以去厕所的，这个是可以去卧室的，这个能够浇花，那个能进屋，你可能还需要去申请各种权限。然后还需要做安全审核，你应用上传上来以后，各家要去审核一下，你看你能不能跑起来。

各种的功能肯定也不是像现在这样跳个舞或者是打个拳就完事了。未来可能真的有一些应用叫做进厂打螺丝，进厂装配汽车，或者比如说做满汉全席、照顾老人孩子，或者是一些羽毛球陪练、各种游戏。你既然手机可以打游戏，那机器人更可以打游戏了，甚至角色扮演，你让他去扮演各种角色去。咱们看《西部世界》，那以后都由机器人来扮演角色跟我们去配合一场戏剧，这也是很有趣的事情。当然了想到《西部世界》了嘛，那就肯定还会有成人模式，这个可能就是未来的一些想象空间了。到那个时候，开发者就可以盈利了。

总结

总结一下吧，未来的机器人大概率会有自己的APP Store，会形成全新的生态。宇树当前开放的APP Store算是打了个样吧，先把各种遥控、科研展示类的机器人的动作打包成APP，可以有一个地方统一的上传测试，然后再进行分发。至于能不能赚钱这件事，短期内并不重要。未来随着机器人智能水平的不断提升，功能更丰富的APP也会到来的，也许这就是未来几年之后的新兴产业的一个方向。

好，这个故事就跟大家讲到这里，感谢大家收听。请帮忙点赞、点小铃铛，参加DISCORD讨论群，也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。

人形机器人格斗大赛已经圆满闭幕了。这次有什么好玩的呢？

大家好，欢迎收听老范讲故事的YouTube频道。今天咱们来讲一讲人形机器人格斗大赛。这个应该讲叫一次表演，效果相当不错的比赛。全称呢叫CMG世界机器人大赛系列赛——机甲格斗擂台赛，名字还是很长的。

2025年5月25日晚上8点半，在中国浙江省杭州市正式开赛，并于当日晚间圆满落幕。算是全球首个以人形机器人为主体的格斗竞技科普展演赛。它是格斗、竞技、科普、展示、表演这样的一些关键词组合在一起。整个的时间呢一个半小时，8点半开赛到10点钟结束。

这个是由中央电视台科教频道（也就是CCTV10）、央视频的网站、央视新闻等同步直播的。全球观众超过5亿人次，大部分应该还是在中国看的吧。但好像台湾那边也有报道，因为毕竟是一个中文比赛嘛。

整个的赛程是什么样的呢？8点半开始，10分钟叫赛事介绍，领导讲话。然后呢展示了一下宇树G1机器人的技术参数，比如什么43个关节呀、180度的广角视野呀，播放了一些赛前训练的花絮，包括机器人对抗、冲击测试、动作捕捉过程及操控者模拟对战的一些画面。

这个比赛呢，所有的参赛机器人都是宇数G1，没有其他厂家，没有其他型号，都是这一个。但是呢他这个是需要做一些提前的训练的。因为宇树G1机器人不是一个自主的机器人，需要抱着遥控器的，有点像咱们玩的大疆的无人机似的。参赛选手需要先训练一下，他把这些花絮拿出来放了放。参赛机器人身上呢有很多的刮擦痕迹，你不能说乒了乓了打出痕来，打出印来了给我换一壳，这事不行。咱就拿这个带着很多刮擦痕迹的机器人出来比赛来了。

8:40-8:45这5分钟干嘛呢？中央广播电视总台领导致辞，强调赛事对推动机器人技术应用的意义。领导致辞这个事还是非常重要的。

然后8:45-8:55十分钟是单击格斗演示。就是我先得把我会的招数给大家练一练，不能说上来乒了乓了就打。光说不练光练不说这事都是不行的，所以先跟大家练一练。两台宇树G1机器人进行了高难度的动作演示，包括空中回旋踢、连续勾拳组合以及精准防御反击，动作误差小于0.1毫米。反正就是他们会讲一讲，我记得叫光说不练是假把式，光练不说是傻把式，咱们还是要去展示展示的。

8:55到99:10这一段时间呢是多机协作展示。4台机器人在灯光和音乐的配合下完成了编队格斗，模拟围攻、突围等战术，展示多机实体协同能力。

这个现在肯定还是表演性质了。以后会不会有多个机器人协同去抓坏人这样的故事，我觉得还是值得期待一下的。

机器人呢，是通过激光雷达和视觉融合定位，实现的厘米级走位精度，全程无碰撞。这肯定就要比春晚转手绢这个事要难得多。

9:10-9:50是人机协同对抗。因为四个机器人嘛，首先呢，先需要捉对厮杀一下。他们是抽签分两组去捉对厮杀。这两轮，每一轮呢是3个回合。基本上它的规则是类似于拳击规则，就是击中有效部位多少分，倒地扣多少分。

他这个跟拳击的差异是，拳击是不让上脚的，他这可以上脚，而且呢更鼓励你用脚。为什么？一个是用脚的话力量更大一些，第二个的话就是用脚呢，对于机器人的整个平衡性的考验要更大一些。所以呢，他们鼓励用脚，就是拿脚踹上了，这个得分要比给他一拳这个得分要高一些。

整个的格斗呢是场内格斗，场外操控。所以呢，上来都是机器人跟人先上来说给大家鞠个躬。下去以后每边角上站一个操控手，举着一个巨大的遥控器，然后机器人就在上面乒了乓开打了。

9:35-9:50呢是决赛，得出冠军来。9:50-10点颁奖，然后再做一个预告，就是深圳将于12月举办众擎机器人自由格斗赛。他们呢叫做机甲拳王赛。众擎也是一个机器人品牌。

他不可能说，我们众擎机器人来去跟宇树机器人打一架，这不会干这种事的。一定是什么宇树机器人你组织宇树机器人的比赛，我们众擎机器人组织众擎机器人的比赛。相互之间打，这个坏规矩了，这不能乱来。

项目是谁主办的呢？你想，它叫CMG。CMG是什么意思呢？就是中央广播电视总台是它主办的。中央广播电视总台下边的叫社交节目中心，以及中央广播电视总台浙江总站、中央广播电视总台技术局协同主办。

作为系列赛的一部分，大赛得到了杭州市以及相关单位的支持与协办。赛事的核心技术合作伙伴就是宇树机器人。这个宇树机器人并不是主办方，就是上来提供技术支持的，但是所有的机器人都是他们家的。

参赛的团队，机器人跟人都是怎么组成的呢？首先是机器人，都是宇树的G1机器人。这个机器人呢是1.32米高，35公斤重，就是外边卖9万九的那个机器人。但是呢他这个机器人是一个定制版本，就是我们直接在街上买9万9的机器人没有这些能力。

他在软件上呢做了一些升级，拥有8套的基本格斗动作，比如说直拳、勾拳，踢腿等等，以及一些组合小连招，甚至还能够执行连贯的出拳、踢腿以及闪避。在这块上呢进行了一些优化，然后头上加了一个护具。

这个护具主要的目的呢是分颜色。要不然，你说两个机器人长得一模一样，你在擂台上打来打去的，你咋叫好？裁判也很痛苦。这比赛过程中，上面还有一裁判。这个裁判说：“反正也头一回，挺好玩的这个事情。”

团队呢会对机器人稍微做一些调整和升级。所以，最后上去的这四个机器人呢，并不是完全一样的。但是从外表上，可能除了头套的颜色之外，看不太出来有什么差异。选了四个人来操纵这四台机器人去参加比赛。这四个人跟这四台机器人呢，组成了四个小战队。

第一个战队呢叫黑队。他的机器人的名字呢叫AI测算师。他的参赛选手呢叫陆鑫，三个金那个鑫。他的身份呢是一个AI博主，算法工程师，昵称叫陆三金，是知名的AI领域内容创作者，擅长通过算法优化，提升机器人决策效率。做这样的一个应该也算个自媒体吧。他的这个机器人呢，做了什么强化？强化了视觉识别模块，提升对手操作捕捉精度至0.1毫米级。你看，你一个机器人，你命令他出拳没毛病，但是你能打着对面的机器人吗？你怎么去对准他？也要需要靠视觉捕捉模块去看。看到了机器人，你这边按操作杆说出拳的时候，他才能对着对面的机器人脑袋“乓当”来一下。你说踢腿或者抬膝，这些东西你还是得看他呢。提升了这个视觉能力。

第二个队呢叫粉队，粉色的。这个机器人呢叫做缎机巧匠，锦缎的缎。操作者呢叫做焦天琪，是机械设计专家，格斗游戏职业玩家。这个才是真正的应该参加这种比赛的人，格斗游戏参加竞技格斗大赛的这种冠军。焦天琪他的ID呢叫刀锋体，曾经参与过工业机器人关节设计，同时拥有街霸系列全国冠军头衔，专门打街霸的。优化了关节传动效率，使机器人出拳力度增加了20%。也是做了一些小的改进吧。

然后是绿队，叫能量数位。他的参赛者呢叫胡允乾，电力系统工程师。胡允乾是国家电网高级工程师，擅长电力系统稳定性分析。他将电网负载均衡算法应用于机器人动力分配，使机器人在高速移动中保持关节枢纽平衡。他呢加装了能量回收系统，延长了单次续航至2.5小时。我估计国家电网也是赞助单位吧，所以有这样的一位参赛选手。

最后一位呢是红队，他呢叫甲胄木兰。这个是一位女性选手，我们还是要政治正确一下。这个叫陈亮宇，是一位非遗传承人，武术爱好者。你看，我们找到了AI的博主，找到了电气工程师，找到了电竞的冠军，现在我们干脆找了一个武术爱好者回来。她呢艺名叫陈喜悦，是苏绣技艺传人，同时呢，精通太极拳和长拳。他将传统武术的以柔克刚理念融入了机器人动作。

设计开发了卸力缓冲算法，能将对手攻击能量转换为自身的位移。当然，你看这个比赛的过程中，反正乱七八糟的，你也看不太出来哪招是哪招。

采用了轻量化材料，将机器人重心降低了10厘米，以增加稳定性。这是他对机器人进行的改造。参赛者呢，提前进行了操作训练。机器人的优化部分呢，到底是参赛者自己做的，还是说宇树科技的团队根据参赛者的训练情况进行优化的？这个并没有特别详细去说。

冠军呢，是黑队，AI测算师。有荣誉，但是好像没有听说有奖金，可能有吧。那么，这种比赛到底有什么意义没有呢？是不是就是一个遥控乐高大赛呢？大家拼个小机器人出来，举个遥控器看看谁跑得快？比这个肯定要复杂很多，因为人形机器人没有那么简单。

很多人说，我们干脆就去玩这个电竞格斗不就完了吗？玩街霸就完了，为什么要去玩这东西呢？你像现在机器人训练，也都是号称梦中训练，也就是在英伟达的物理模拟空间里边进行训练。你为什么要真的把一个机器人弄到现实中来，乒了乓啷打一仗呢？

这个还是非常非常有意义的。因为你在虚拟环境下再怎么训练，虚拟环境能够模仿到的物理参数和条件永远是有限的。你到了现实环境中，才能够真正的让很多的可控和不可控的因素参与到这种训练中来，参与到格斗中来，才可以让机器人去采集到这些数据。只有拿这样的数据再去训练，这个机器人才可以变得更好。

而且，宇树机器人也不仅仅是个花架子。虽然我前面可能讲了一些，说这个东西比起擎天柱、比起figure 01有一定的差距，因为毕竟人家那是个自主机器人嘛。你这个东西，就是个上遥控器的遥控机器人。但是你要想想，他一手柄，这个手柄是俩摇杆，12个按键，再加上一些语音指令。他可以喊说左勾拳、右勾拳，然后这个机器人也是动的。

但是你靠这些按键跟摇杆，你是不可能完整控制机器人的。机器人相当于是有一个很发达的小脑，大脑是由外边的遥控器来搞定的，小脑是机器人自己搞的。机器人的平衡性、机体的可靠性这块还是相当强的。

你命令机器人出拳，机器人会不会把自己摔倒？或者出拳的过程中，能不能打到对面的机器人？然后对面的机器人挨了一拳头以后，你到底是倒在地上，还是说我能够招架呀？还是说我可以自动的去调整重心，做哪些防御姿势？

可能对于对面的机器人操作手来说，你最多有一个按键叫防御，或者上防御、下防御，可能能加一个组合键干这样的事情。但是这个机器人的很多被动的这种动作，比如说挨了一拳了，我做了个防御，或者我没有做防御。

我需要向后倒退几步，然后重新找回重心。或者说，没有找回重心，直接摔倒。这个东西还是要机器人自己去决策的。所以，通过这个机器人的格斗比赛，还是能够看出来，宇树机器人在这块还是做的相当不错的。

当我们能够把这样的机器人比赛多做几次之后，收集了相应的数据，对于机器人编程上面的一些优化，对于机器人相关大模型的训练，还是有非常非常重要意义的。而且，这个比赛呢，也给后面的比赛打样了。我们这次做完了，下回你就照我这样做，或者我在我这个基础上再调整调整，往前走就可以了。这个意义也是很重大的。

这一次呢，还是同一个型号的机器人去比赛。那以后呢，应该会有不同型号的机器人参赛。据说在深圳这一次重型机器人比赛，就会允许不同的机器人去参赛。那但是人形机器人嘛，他要求的你必须是人形，四个腿着地的不行，必须是两个腿直立的，有躯干有四肢的。而且呢，你必须是成年体。你说我这做一个5米高的，或者做一个这个50公分的，这种是不允许来参赛的。大概是一米三到这个一米九之间的吧，你可以来参赛。这个是未来的一些改进。

而且呢，以后还可以对机器人进行更多的改造和升级。这一次我们刚才讲了，四个机器人是按照四个不同的方向去进行了升级和改造。那以后可能会有更多的学校说，我们也试试，我们买一个99,000的机器人回来，把它改造升级一些什么样的部件上去，我们也去参加个比赛去。这个都是允许的。还有很多的软件是可以改造升级进去的。我们把这个罗汉拳弄进去，我们把太极拳弄进去，把这个招数多训练一点小连招。他可能12个按键里头，有些按键一按就是一个小连招，一起就发出去了。其实我们在玩游戏的那个手柄的时候，也这么干。这块就可能更多的人会参与到这种比赛里边来。

而且，你可以对机器人进行改造的话，那以后是不是可以有器械赛？咱们这次都是空手，下回能不能有剑盾手上来，或者刀盾手，有什么长枪手上来，也还是有很有想象空间的一个事情。

以后的话，可能还会有更精细的操控。这一次呢，操控大家还是看个热闹。那这可能未来是一种电子竞技呢。电子竞技是一个单独的产业，很多人在这个里边去形成战队，做各种的训练，做各种比赛，然后还去卖比如授权呀，卖各种的冠名广告。这是一个很大的一个产业链。那以后是不是机器人的这种格斗比赛，就会形成一个新的产业链呢？电子经济产业链。很多的科幻电影，就是以这个故事为背景编出来的。我们应该已经看了一些这样的电影了。

现在呢，还都是遥控比赛。你说到某一天……

会不会有这种自主战斗比赛？可能在未来的一两年里头，应该也会看到，还是非常值得期待的。

最后呢，我们总结：更多更有意义的人形机器人比赛，正在向我们走来。首先，这是一件非常有趣的事情，而且非常有意义。多一些包容，不要上来说“呀，这有什么意思，怎么怎么样”。你去嘲笑这个事情的时候，对于整个行业，甭管是对中国人的机器人产业，还是对美国人的机器人产业，或者对世界的机器人产业，都不会有任何帮助的。

我们要看到里边有意义的部分。很多新的商业可能性，正在通过这一次比赛，逐渐地展示在我们面前。

好，这就是今天讲的故事。感谢大家收听，请帮忙点赞、点小铃铛，参加DISCORD讨论群。也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见！

大家好，欢迎收听老范讲故事的YouTube频道。今天咱们来讲一讲，黄仁勋的大饼不香了吗？GTC之后，英伟达的股价怎么跌了？

每年会开一次GTC，叫GPU Technology Community，就是GPU技术的一个社区的会。但是呢，现在再去开GTC，一般已经没有GPU在上面了。咱们现在管这种像什么H100、B200、B100这样的东西叫算力卡。真正的GPU应该是4090、5090这种东西。现在4090、5090在什么地方发布呢？是在AES，AES叫消费电子展。一般黄仁勋都会在消费电子展上卖这种叫个人游戏显卡，然后在GTC上卖他的算力卡。所以呢，我们要分清楚，虽然还叫GTC，但是里头已经没有GPU了。

现在各个公司都在努力的做自己的技术研讨会或者是开发者大会。原来比较著名的一个，现在已经没落了呢，叫IDF，英特尔的开发者论坛，现在已经没有那么热了。现在还比较热热闹闹在开的呢，一个是谷歌IO，一个是Microsoft Build，微软的这个构建大会，然后是苹果的WWDC，叫全世界开发者大会。这个名字取得好，因为他先开始了，所以他就可以取这样投机取巧的名字。英伟达的GTC现在都还是比较热的。OpenAI的开发者日呢，目前还在努力的追赶之中。Meta，也就是原来的Facebook，现在呢有两个开发者日，一个叫Meta Connect，像他的各种AR、VR这种设备，包括很多的广告系统都是在这里开。其实以前Meta Connect大会，大家主要是去听他的广告平台的一些运作方式，因为广告平台挣钱嘛，其他东西都不怎么挣钱。另外一个呢，从今年要开始开，叫Llama Conference，是专门给它的这个大模型开的一个开发者大会。所以Meta今年会有两个。

说回来，黄仁勋今天都说了点什么呢？主要还是在继续他的科学家之路。为什么叫科学家之路？大家知道他的算力卡一直是以伟大科学家的名字来命名的。第一个被他宠幸的是2006年的特斯拉，2006年英伟达的卡叫特斯拉卡。到2010年这四年之间没有发新卡，其实当时大家并不是那么在意这种算力卡。所以到2010年就上新的了，叫费米，这个是伟大的数学家，费米大定律。到2012年叫开普勒，天文学家，开普勒望远镜，开普勒天文台。再往后呢，2014年叫麦克斯韦，麦克斯韦方程式。到2016年叫帕斯卡。

这个呢，是法国非常著名的一位做计算机早期研究的科学家。像我们学计算机本科出身的人，学的第一门编程语言都是Pascal语言，就是为了纪念这位伟大的计算机科学家。注意，越往后他发的越密，因为越来越受欢迎了。

2017年，这个名字特别好叫伏特，咱们测电压的那个伏特。2018年图灵，图灵奖，图灵测试。2020年呢，隔了两年了，前面既然伏特有了，那安培也得有，所以2020年这个叫安培。到2022年呢，Hopper，就像什么H100，H20，H80，都是这个Hopper。Hopper这个科学家干嘛的呢？他是计算机编译器的发明人。我们现在写程序都是用高级语言写，写完了以后给你编译成二进制代码，这是他干的事情。我们现在用了非常多的H系列的显卡，也是从H系列显卡开始对中国禁运的。

到2023年呢，叫Ada。这个Ada呢，是世界上第一位程序员，是一位女士。当时还没有什么计算机，但是呢，他设计出了一种程序语言。他说如果以后有计算机的话，大概是这样的。所以呢，ADA是世界上第一位程序员。A100，A800，都是这个A系列开头了。

到2024年，也就是咱们现在在使用的叫黑井Blackwell。Blackwell呢，是美国数学家，美国国家科学院首位的黑人学者。他是个统计学家和数学家。这个也是政治正确一下。这个黑井呢，本来应该去年大规模部署和销售的，但其实去年大家还是在很努力的买A系列跟H系列的算力卡，没有轮上他，因为他去年一直出货不是很稳定，或者说他的质量一直有点小问题。但是到2025年，Blackwell终于开始大批量出货了。2025年呢，还会出Blackwell Ultra，就是在这个基础上再要升级一下。

到2026年，他说我们准备出一个叫Robin。这个Rubin呢，是美国国家科学院首位女性的天体物理学院士，暗物质的发明人。到2028年呢，是要出费曼。费曼呢，是一个量子力学这块的一个大拿。现在就是把饼已经画到2028年了。现在他的Blackwell 200终于顺利出货了。到2025年的下半年，要出Blackwell Ultra这个芯片，实际上是Blackwell 300，要比B200呢快1.5倍，今年下半年出货。估计一些还在排队等B200的人，可能有一部分就可以转订单了。等到明年我们就可以看到Robin了。Robin呢，据说比B300还要强3.3倍。但是呢，这个里头其实有个错误，什么错误呢？

并不是Blackwell Ultra比这个B200快1.5倍，也不是Robin就比B300快3.3倍。那你说，我这个刚讲完了，怎么马上就搞错了呢？写稿的时候也不稍微认真点。原因也很简单，它其实是什么比什么快呢？就是GB 300 NVL 72的这个算力，是GB 200 NVL 72的1.5倍，实际上就是快了50%。而至于后边这个3.3倍的，是怎么算出来的呢？是Robin NVL 144比GB300 NVL 72要快了3.3倍，算的是整个服务器的算力，而不是单个芯片的算力。所以大家要注意。

那你说这个GB200跟这个GB200NVL 72到底有什么区别呢？或者B200跟这个GB200NVL 72到底有什么区别？咱们想象中的B200呢，其实是一个芯片，或者说做出一块卡来，哪怕这个卡再贵几万美金一块的，您也是可以把它塞到服务器里边去的。但是呢，GB200 NVL 72呢，那就完全是一个妖怪了。怎么能叫妖怪呢？这个里边有36颗Grace CPU，这个Grace CPU实际上是ARM的一种CPU，每一个CPU里头还有72个内核。然后这个里边还有72颗Blackwell的GPU，所以这个里边一共是有36颗CPU，72颗GPU，有13.5T的HBM 3e的现存，而且有液冷的系统，就是水冷的，再加上NVL link的交换机。整个这一套咱加一块才叫GB 200 NVL 72，它是一台服务器。

至于说这个服务器到底有多大个呢？为什么说它是妖怪呢？大家是不是在想说，我怎么能够把这些芯片都给它塞在一个盒子里？这玩意得有多高的密度？这个东西首先我们先说功率，它的功率是120千瓦，这个是很像咱家里热水器，可能也就是几个千瓦，它这个玩意有120千瓦，这个非常非常耗电。而体积呢，是一个标准的42U机柜。所以这个东西并不像大家想象似的，是一台服务器，它是一整个机架，19寸的42U的机架，装满了就是一个GB200NVL 72。这东西有多重呢？1.36吨，一般人也是搬不走的，反正至少我搬不走。价格300万美金以左右吧，因为还要看具体的配置，到底配了多少显卡，配了多少显存，配没配NVL Ink的交换机。这个东西基本上就要300万美金起，所以它是一个妖怪。

为什么要跟大家讲这个呢？就是老黄现在肯定不甘心只卖卡，人家说我要把整个机架一起卖给你，你不能说光买我这卡，而且他鼓励大家。

将8台GB200NVL 72组成一个集群一起来使用。一台300万美金了，那8台？哇，好开心，2,400万美金就扔进去了。这个对于英伟达来说，肯定是一个非常非常好的生意。现在谁在买这种GB200 NVL 72呢？主要是那种叫算力云厂商。什么叫算力云厂商？就是说我没有别的业务，我就是提供算力。我也没有什么ToC的业务，也没有其他的任何的系统集成，或者是其他的这种ToB的业务，我就提供算力云。他们呢，在大批量的采购GB200NVL 72，就直接从黄仁勋这里买完整的机柜回来。这个里边最著名的一个公司叫CoreWeave。这个公司呢，这两天要上市，这个真的是英伟达的亲儿子。这些大的AI大厂，一般是不会直接买GB200 NVL 72的，包括Xa i，微软，谷歌呀，他们喜欢自己DIY。我自己来拼，你不要给我拼好了，你拼好了以后，我觉得很不爽。咱们再回过头来看，GB 300插了72个芯片的这个服务器，要比GB 200插了72个芯片的服务器快50%，也就是达到1.5倍。后边有一个特别有意思的事情，这个Robin的这个后面它不再是72了，它是NVL144。所以呢，它所谓的，是原来300的这个服务器的3.3倍。它是用了两倍的芯片在里头，原来那个是72个算力核心，现在呢，是144个算力核心，达到了3.3倍。所以Rubin其实比GB 300快不了多少，大概也就是这样的一个情况。Robin之后呢，再接着出，叫Robin Ultra。一般它叫Ultra的芯片就是我可以把两个芯片拼一块，或者做一些类似这种扩容的工作。当然，像B系列不是这么干的，具体怎么去排这个号现在还不确定。前面的有B100、B200、B300，今年下半年要出的是B300。B200呢，其实就是把俩B100拼一块了。B300呢，倒是重新设计的一个单芯片设计。至于说Robin Ultra的话，黄仁勋准备直接出Robin Ultra NVL 576，把576个Robin Ultra的芯片塞到一个机架。我估计这一个机架未必塞得下，有可能还是要塞两到三个机架，或者是四个机架，才有可能把它塞进去。为什么呢？因为它需要散热。虽然这个芯片本身没有那么大，但是你想加上液冷散热，再加上它整个的这个连接系统，还是非常非常吓人的。Robin Ultra NVL 576呢，它是GB300NVL 72的14倍。这个数字并不重要，意思是什么呢？

黄仁勋已经基本上达到极限了。他想让这个东西变得更快一点的唯一方法，就是把更多的GPU塞到机箱里边去。再往后，费曼到底会变成什么样？这个实在太美不敢想象，肯定是很贵的东西。除了去发这些芯片之外，还干嘛呢？发交换机，叫硅光交换机。实际上呢，就是Nvlink的这个进化版本。NVlink其实也是一套网络交换机，只是呢，它是第一个是光通道的，速度很快。第二个呢，因为它里头有很多的打破协议去进行数据搬运和传输的，这种算是非标的改装件吧。它呢，可以极高速度地在两个显卡或者两个服务器之间，在显存之间去进行数据传输。

黄仁勋就讲了，说你一旦加了我的Nvlink，你就相当于是把所有12个GPU连成一个。如果你再把8台服务器这种Nvl什么72搁在一起的话，我可以让它整个像一个GPU那样工作。这样它从这个GPU的显存向那个GPU的显存里去倒数据的时候，非常快。但是呢，这个里边还有一个问题是什么？就是原来你要从光通道里头把这个信号接收下来以后，你还是要去做一些标准芯片的这个处理。处理完了以后呢，再进到Vlink的这个交换机里边去进行数据交换。老黄说，现在别费劲了，我把你前面那个标准芯片干掉，我自己去设计一些颗新的芯片。这样等于是我直接把光通道进来，我可以省一颗芯片。那这个呢，它确实可以再提高一点点光通道交换机的这种效率，但是也提不了太高了，就是省一颗芯片的这个速度。

老黄说了说DeepSeek R1，你们老说DeepSeek上来以后，英伟达是不是要黄？没有那事。从DeepSeek开始，整个的AI已经进入了新的时代，叫TOKEN时代。在OpenAI开始把大家拉入到AIGC时代以后，大家就天天跟这个TOKEN打交道。我输入了一个单词，是一个TOKEN还是两个TOKEN？我输出了一个单词，是一个TOKEN还是两个TOKEN？一个汉字基本上就是一个TOKEN，大家都是按这个来的。而且我们使用各种API，使用各种的服务，都是拿TOKEN计费的。那为什么现在又突然进到TOKEN时代了呢？原因很简单，DeepSeek R1是个话痨，巨浪费TOKEN。所以，他就讲了说，原来呢，我们使用Lambda这样的模型，它可能输出了个几百个TOKEN，回答了个问题。但是呢，这个答案没法进行具体的应用。你现在让DeepSeekR1来，同样的一个问题，七八千个TOKEN。

直接20倍的TOKEN上去了。那这20倍TOKEN出来以后的这个结果呢？勉强可以用了。这个就是现在的变化。这个里头呢有两个重点：

第一个重点是什么？叫结果可用。因为你一旦结果可用的话，大量的应用就会上来。原来大家还是在围观看热闹，说这个东西好有趣，那个东西好有趣。但是你输出的结果，你是不敢直接用的。现在可以用了。

另外一个重点是什么？20倍的TOKEN。结论是什么呢？大家必须要买更多的英伟达算力服务器，组建更大的集群，才能满足需求。第一个，它可以用了，所以大家赶快来买服务器，把你们家的应用都整个搬过来吧，赶快来改造。第二个呢就是原来几百个TOKEN就可以搞定的事情，现在可能要几千个TOKEN，甚至上万个TOKEN。20倍的TOKEN浪费掉，所以你们原来那个服务器不够使了，赶快换新的。

他讲了说scaling law要换一种方式继续。因为原来我们都说算力堆上去，数据堆上去，大模型的参数堆上去以后就会涌现了。中间这过程到底怎么发生的，我们也不知道。但就是你只管堆就好了。现在呢，GPT4.5出来以后，大家觉得scaling law是不是走到头了。你费了这么大劲，花了这么多钱，效果好像看不太出来。老黄说不是这样的。第一个，推理模型你还是需要大量训练的。不是说你就可以用一个很小的这种蒸馏模型就可以用了。它也去比较了14B的，32B的，这样的蒸馏模型并不好使。即使是70B的蒸馏模型，也没有这种671B的满血模型好使。所以呢，你还是要用这个大的671B这样的模型。你要去训练它，依然需要大量的GPU去工作。所以，这块是一个新的赛道。就是原来GPT4.5那个东西呢，叫预训练模型。现在是推理模型，整个scaling law重走一遍。而且推理过程一堆话篓，这个通常是非常浪费的一个过程，才能够获得可用的结果。用老黄自己的话说，每一个TOKEN都在质疑自己，就是你每输出一个TOKEN都在想我对吗，然后再生成出一大堆TOKEN来进行相互的验证，得到一个最终可用的答案。这个就是TOKEN时代。所以大家赶快去买GPU，这是他讲的。

在这两块之后呢，再去讲的就是他的两个小主机。其实我一直不太看好他的主机。我觉得这东西卖不掉，或者买到他的人，其实会让他吃灰。第一个呢就是CES上其实发布过DGX Spark这种桌面小主机，一个GB10的Grace Blackwell的这种。

CPU和GPU组合在一起的这个价格，跟这个Mac Studio比起来，基本上没法比。因为最新苹果发布的Mac Studio，它满了内存以后，是可以跑满血版的DeepSeek 1671B的。但是这个GB 10好像还差了那么一点点。

另外一个呢，他说我准备发，叫DGX Station了。这个是什么呢？就直接把GB300 Grace Blackwell的Ultra这样的芯片，就整个塞进去了。实际上所谓的这种芯片，就是一个CPU一到两个GPU，直接塞到这个主机里头去，你们就可以去跑了。但是意义真的没有那么大。

后边是软件的部分。其实英伟达的软件，我一直是不那么看好的。因为除了CUDA，大家都在开心的使用之外，剩下的就是大量的开源系统拼接起来的这种英伟达生态软件。之后呢是机器人。英伟达呢也是拿出了机器人的相关的软件，跟人合作了一个叫Blue的机器人。那个机器人很可爱，也是迪斯尼做的，确实是要比宇树科技那个看着可爱的多。至于这个能干什么就不好说，因为他长得不是人样，所以这个还有待观察。

现在呢，老黄还是干的原来CUDA这个事情。我来开放标准，我来开放数据，我来开放系统，你们都来用。等你用上了以后，都上了船了，你们就不要再想下船了。他再好好的去卖这些机器人的芯片，就完事了。

后面呢，DeepSeek其实会议上并没有特别明确的去提DeepSeek。但是呢，在这个GTC之后，接受记者采访的时候呢，还是很认真的去讨论了一下DeepSeek。在这里头讲说中国，必将在AI行业做出突出的贡献。因为全球有一半的AI人才都是华人，美国每一个AI实验室里头，都有相当数量的华人在里边。所以华人是可以在整个的AI行业里头，占据非常大的一个比重。但是大家并不买账，股市不买账。为什么？数字游戏已经到头了。

前面刚才咱们讲了这么半天，GB200 NVL 72，GB300 NVL 72，Robin NVL 144，Robin Ultra NVL 576。他现在已经在玩这样的故事了，大家已经晕头转向了。你到底在干嘛？你就把它堆在一起，还不让我堆，还你替我堆好了，有点过分了，吃相太难看了。

像我们以前在Borland公司上班的时候，其实也遇到过这种时代。我们最疯狂挣钱的时候是卖JBuilder的Java的IDE。能疯狂到什么程度呢？每年出俩新版本。你看他这个科学家的名字，一开始是几年用一个。

现在基本上是两年用一个，而且中间这一年还要再出个Ultra，让你再接着买。为什么呢？原因很简单，你只要出了新的，你得更新换代，你得买新的。你不能在上打补丁，打了补丁的话，人家就不会再去买新的了。黄仁勋现在也走到这样的一步了。Borland呢，就是开始在每年出两个版本的Jbuilder以后，就盛极而衰的，就慢慢就玩不转了。当然了，Jbuilder还能玩得下去，黄仁勋这事可能就玩不下去了。Jbuilder可以卖掉的原因是，投入产出比是划算的。一套软件大概是2,000美金每年，你如果买了以后的话，产出个几万美金，十几万美金都是正常的，所以大家还是愿意买的。而且呢，如果你不升级，很多新的版本的上下游系统，你就挂不上了。当时我们比如接什么Oracle，接什么Web Logic呀，这些东西本身升级升的很快。正常应该什么呢？这种小升级应该打补丁，不应该找人再收钱了，但是实在太好卖了，所以我们就更新版本，让用户重新再买一次。

但是算力服务器不能这么算。为什么？第一个本身很贵，一台300万美金起。第二个呢，就是下游企业都还在亏损。像我们原来卖2000美金的这个开发工具，你买了以后是拿回去挣钱的。但是现在你看OpenAI挣钱了吗？Anthropic挣钱了吗？谷歌其实在这一块也没挣着钱。国内的这些AI企业谁都没挣着钱。那你再去说每年花个几百万美金，或者是多少亿美金扔进去，因为都不是说买一台两台，现在大家都是星际之门了，算力中心巨大投入了。你投完了以后你是要有回报的，现在大家看不到回报。

还有一个是什么？就是大模型跟芯片之间，是没有这种很强的版本依赖和绑定关系的。像我们以前卖IDE的时候，你不升级，Weblogic升级了以后你就挂不上，或者说你就必须要手动的去绑定，你没法去做这个自动的设定，你搞不定。但是现在呢，大家都去使用，比如像DeepSeek这样的东西。DeepSeek是拿H系列叫H100或者H20，拿这样的芯片训练出来的。那我拿这种芯片去训练，去推理就没有问题了。我为什么还要再往后边去买B系列，B200、B300，没必要了。这个就是他现在遇到的一个挺讨厌的问题。现在很多的大模型还可以在A系列，A100系列上的可以跑，那更不用说H系列了。新的这个芯片和服务器，唯一的优势就是速度更快，但是前面呢大家还是愿意买账，为什么到现在就不愿意买账了呢？

因为训练新模型必须要用最快的芯片。如果集成度低的话，就很难训练完成。不是说这边把这个机器都摆好了以后，然后数据在这边放好，一摁按钮，过俩礼拜回来就可以等着收了。不是这样，他中间有经常会出错的，跑一段时间崩了，跑一段时间挂了，这个是很正常的事情。但你如果是集成度比较高的话，第一个就是说你不需要太多的机器放在一起就可以跑，那你出错的几率就会变小。另外一个呢，就是你用比较短的时间就可以跑完，那他出错的概率就更小，它整个训练的成本就会下降。所以集成度越高，越快的芯片，训练成本反而越低。因为什么东西确实贵了，你买了新的芯片，但是训练时间变短了，失败的概率就会下降。

现在不买账的原因是什么？就是推理任务呢，现在没有那么挣钱。原来大家都在抢说谁是老大，现在老大基本上也就是OpenAI在那孤零零的站着，其他的人呢都是围攻光明顶的样子，心里憋着不舒服，天天的给你去添堵。而且呢现在基本上都是按照H100的小时数来定价的，价格还在不断的下滑。并不是说推理资源已经不够使了，我们需要用更贵的这个钱数来去买，是100的算力，不是这样的。现在这个H100的算力的价格不断的滑，而GPT4.5也展示了，就是继续加大参数规模，基本上已经死路一条了，走到头了。在几千亿参数的MOE模型上，更大规模到底是不是有意义，这个事呢不好说，因为像我们讲的DeepSeek R1，Deepcic V3也就是671B的这样的，就是6,710亿参数的Moe模型吧，大家觉得其实是够使的。虽然黄仁勋还展示了一个叫BYNAMO这样的推理框架，用GB 200的服务器，重新刷新了DeepSeek R1的推理速度，唯一能够做的也就是进一步降低一个小时H100算力的价格，其他其实也做不了了。

英伟达算力卡到底是不是还要继续买？因为这个东西不是说我买完了以后一年就坏掉，它还是可以使个六七年。在这样的情况下，大家就不愿意再为它去买账了。新的故事呢其实没有那么好讲了。老黄讲的是AI进化是分几步的，第一步是叫感知人工智能，就是我们最早拿AI干嘛使的，各种的图像识别呀，各种的语音识别呀，各种的这个决策支持，干这个事。后面呢，是叫生成式人工智能，咱们现在天天拿它去写小说，聊天，干这个事了。今年大家在玩的是代理人工智能，AI agent，说再往后呢，我们准备走到物理AI，就是要上巨身智能，上机器人了。

什么时候才有新的算力需求大爆发？这个其实是老黄现在最头疼的问题。第一个是要AI agent证明它的价值。现在虽然大家都在玩AI agent，都在说上了这个东西以后无所不能。今天我还去试了一下XAI最新出的叫deeper search，原来它是叫deep search，现在加了个er，deeper search就是比deep search还要再深一些，就是字面意思，效果好极了，特别特别浪费TOKEN。也确实如此，像我们使用AI agent，比如说挂到Anthropic的Claude3.5上，一会一美金就不见了，一会一美金就不见了，那可快了。这个玩意非常非常消耗TOKEN。

一旦AI agent彻底证明了它的价值，更多的软件公司开始招聘程序员了，而不是像现在这样不停地裁撤程序员的时候，更多的各行各业就都会开始进行AI agent改造，并且取得成效。那个时候AI算力还会再爆发一轮。到底是现在就买，还是稍微等一等，再去买GB300或者Robin，咱们再去等着看。到那个时候呢，全产业链就都会有利润，而不像现在似的，大家折腾半天都在赔本赚吆喝，谁都没挣着钱。而且新产业的诞生，更多人开始从新的产业里头挣到钱，这个也是值得期待的。就是我们现在都在讲说AI要改变所有的传统产业，要把以前所有的传统的软件都拿来重做一遍，这个其实是错的。一旦是AI真正大行其道了以后，一定会有非常非常多的新产业冒出来。

那么英伟达后边怎么走，其实要看中国能买哪些芯片。DeepSeek让H20的出货量大增，阿里、腾讯、百度、字节都在疯狂的买H20，让自己的云服务中心上去可以跑DeepSeek。虽然很多人说，我们用华为升腾芯片就跑起来了，但是挺费劲的。想要很好的跑DeepSeek，还是去买H20，就是美国允许出口到中国的这些芯片。因为你有一堆H20以后，你再让其他的这种来路不明的芯片在里头跑起来，也就可以说得过去了，就是我至少买过正版的。如果英伟达可以在中国孵化出类似CoreWeave这样的算力云企业，那肯定就可以起飞。还是要看美国到底怎么去限制，咱们稍微讲两句。CoreWeave这个公司呢，最早不是做算力云的，它最早是挖矿的，买了英伟达的算力卡回去挖比特币，其实主要可能还是挖以太坊。后来呢，这个挖矿挖不下去了以后呢，就开始做算力云供应商，他去买这种英伟达的服务器，租给别人用。

英伟达投资做技术支持，所以为什么他叫英伟达的亲儿子呢？62%的收入都来自于微软。千万不要以为说，微软花了好多钱去买了一大堆的这个显卡。微软大量的算力，都是在这个CoreWeave上做的。最近呢，这个公司是向美国SEC交表，准备上市，计划以260亿美金的市值上市。目前应该算最大的一个美股IPO了。如果英伟达可以在中国也整这样的一家公司上市的话，那他就起飞了。

打击走私，还要看美国到底怎么个打法。那么下一个增长点什么时候到来？黄仁勋真正值得钦佩的地方呢，其实并不是说显卡做的怎么好，刀法怎么精准。真正让人钦佩的地方是他眼光很长远。CUDA也是做了这么多年突然爆发的。他其实做了非常非常多的技术。现在他在很努力的推这个机器人、自动驾驶和量子芯片。今年就要干这个。你想最后一个2028年要发的芯片叫费曼，那哥们是研究量子力学的。英伟达现在已经在波士顿设立了量子计算实验室，招一大堆人去做研究去了。但是呢，以黄仁勋的讲法是，达到非常有用，就是稍微有点用还不算，就是非常有用。这个量子芯片可能还要20年。现在呢，还是老老实实的去买它的GB200、GB300，或者明年的Robin就可以了。

总结一下，在AI市场上，如果只有英伟达的声音，只有英伟达在赚钱的话，迟早是要崩的。这个泡沫是要破的。现在在干的事是什么？就是英伟达你稍微等一等，等等整个行业的发展，等等小兄弟们小伙伴们追上来。如果大家追上来了，英伟达肯定还是可以长足的进步的。但是现在他有点跑的太靠前了。就是这样的一个情况。好，这就是咱们今天讲的第一个故事。

2025年了，我们距离人形机器人的普及到底还有多远呢？大家好，欢迎收听老范讲故事的YouTube频道。

现在，人形机器人好像距离我们已经不远了。特斯拉的擎天柱已经可以在特斯拉工厂里边打螺丝了，Figure 01也在宝马的工厂里边打螺丝呢。刚刚过去的CES大展上，黄仁勋背后站了一整排的人形机器人，包括前两天我们看到上山入海的这个宇数科技，也站在黄仁勋背后，因为他们也是使用的英伟达的解决方案。

那是不是人形机器人就已经快要到达我们面前了呢？甚至这两天还有传闻说OpenAI又重启了机器人项目，重新开始为机器人项目做了招聘。这个公司到底在干什么？宣布什么不重要，你看他贴出来的招聘广告，LinkedIn上是有招聘信息的。你可以看到有很多机器人相关的岗位，在OpenAI公司下边已经列出来了。

而且OpenAI呢，自己还投资了两家人形机器人公司，一个就是刚才咱们讲这个Figure 01，现在在宝马工厂里边打工的这个，还有一个叫X1 Technology。这个公司呢，到现在为止也不知道他们做出来是什么，他们展示的人形机器人是穿着一整身的秋衣秋裤的，所以很多人都怀疑里边是个人，我也没有看到进一步的报道。

那么大家有没有想过，一个人形机器人的成本和技术难点到底在哪？是不是造这壳子比较费劲？按照咱们正常人的逻辑思维来看，这个壳子应该不费劲，包括他的骨架支撑，应该都没有那么费劲，因为人形机器人这种东西对于材料、对于工业设计，其实要求并没有那么高。

那你说电动机，这个玩意听这个名字，好像就不是特别难搞的一个东西，现在手术机器人都能造，造个人形机器人的精度要求应该没有手术机器人那么高吧，所以这块应该也不是特别费劲的地方。那你说剩下的呢？什么摄像头、麦克风、音箱、显示屏，这玩意你到华强北去抓呗，这有多费劲呢？应该都不贵啊。芯片，这个东西一定很费劲。呃，现在呢……

其实，做人形机器人所需要的芯片早都准备好了啊。因为大家都在疯狂地开始开发板了，大家说：“你们赶快拿着我这开发板，出去做人形机器人啊。”这块应该也没有那么费劲。而且，人形机器人这种东西，它并不需要在本地做特别高密度的运算。大量的数据和运算，其实还是要去云端的。它并不需要把什么像H100那样的东西塞在里头，可能最多是在里边塞一些车规级或者说自动驾驶汽车类似的芯片进去，就可以了。

所以在这块呢，应该也没有那么费劲。其他的仿真皮肤，咱们做一个机器男友、机器女友，这个有可能费点劲啊。但是，硅胶娃娃都做出这么多来了，应该也不难啊。那么，到底是什么东西让整个的人形机器人到目前为止都没有办法走到我们的面前来呢？其实有两个东西现在是比较麻烦的啊。

第一个东西呢，是传感器。这个可能跟大家想的没有那么一样，并不是说它需要个摄像头、需要个麦克风就算是有传感器了。有没有人想过，复印机为什么那么贵啊？你说打印机挺便宜的，扫描仪也挺便宜的，为什么把俩拼一块变成一复印机，这玩意都变得那么贵了呢？因为复印机里边传感器特别多。机器人其实也是如此，它有这个位置的传感器，有姿态的传感器，我到底是动成什么样了，角度速度是什么样的。当它开始动作的时候，力量是什么样的？我要去捏一个鸡蛋，我能把鸡蛋捏碎了。

还有大量的触感的传感器，这个非常麻烦。你像我们一个人站在这，那真的是浑身上下的皮肤都是有触觉的。它有这么多的触感传感器，你才能够让整个的机器人动起来。这是第一个比较难的东西啊。目前为止，这一块到底怎么去设计，怎么能够让机器人浑身上下都有触觉，把它的所有的动作你都可以有反馈？抬脚了，我到底抬了多高？我的重心稳不稳？我的速度有多大？我拿了东西以后是捏紧了，还是从我手里头滑掉了？有什么东西靠到我后背了，到底是什么样的东西？我们这一身皮，实际上是一身的传感器，冷热、触感、各种各样的压力回馈。

这个东西对于机器人来说，还是挺麻烦的。还有我们的耳朵啊，不是听声音的，而是什么呢？动态捕捉。我们的头到底是歪了还是正了呀，或者是速度是什么样的呀。就这些东西，对于机器人来说是很麻烦的，而且需要非常非常多的传感器，很贵。具体应该如何去部署啊，这个他们还需要去想。

你像我们人还可以在后背上写字，写完了以后全都给你写出来，机器人怎么办呢？后边给你装一个摄像头吗？这不是吓死你！这个还需要重新去设计啊。这是第一个。

然后第二个是什么东西呢？你这么多传感器了，需要收集大量的数据，然后这些数据还需要再去训练啊。你要去训练那个大模型，不光是像现在GPT-4O这样的模型，我可以跟他说话了，他可以看到我了，就可以跟我进行交互。当我有这么多传感器的数据加入的时候，那你是不是还需要再去做一个新的模型，出来才可以？让这么多传感器收集起来的数据，让整个的机器人大脑一起去顺畅地运作起来，然后像人一样去工作呢？

OpenAI现在重新开启去招聘机器人相关的岗位和工程师，那么他们的路径啊，可能跟大家想象的就不太一样了。什么意思呢？OpenAI其实原来有一个机器人部门，几年前给解散了。当时还发布了一个特别神奇的产品，是一个机械手啊，就一只手。然后这个手可以干什么呢？就是一只手的情况下，单手玩魔方啊。你给他一个魔方，然后他手一动下来，可以把这个魔方整个复原出来。

你给我一个魔方，让我俩手掰，我都不一定把它掰出复原来。他一个手可以把这个魔方复原出来，这个是非常非常难的。你想，五个手指头啊，你抓住一个魔方以后，怎么固定，怎么能够保证那一层在转动，让这个魔方在你的手里边去翻转，这个是非常非常麻烦的。比现在特斯拉也好，或者是Figure 01也好，他们所展示的这种灵巧手，要灵巧得多得多。

他们当时展示过这样的东西，展示完了以后呢，团队就解散了。为什么呢？很简单，没有足够的数据让你继续训练下去了。你这种东西再往后训练。

到底应该向哪个方向走？不知道了。再想收集相关的数据，没有了。现在，OpenAI去训练ChatGPT也好，去训练它的Sora，去训练它的DALL·E这样的图形图像的引擎也好，都是哪来的数据？都是爬出来的，对吧？四处出去爬，发现谁家网站的数据好，就冲上去，直接把这个网站爬到瘫痪掉。但是，他想去训练这个机械手，想去训练机器人，这些数据他没有啊，谁也没有这些数据。那他不能自己生编吧，不能生造这个数据，所以就直接把这个项目停掉了。

但是现在呢，他又重新开启招聘。他招聘的岗位呢，叫电子感知工程师，只要还是要去做传感器；然后呢，是机器人机械设计工程师，还是要有些机械设计方面的能力；最后呢，是要招聘技术项目经理。估计呢，他们走的应该是谷歌这条路。待会咱们再往后讲，什么是谷歌这条路啊？

他们招聘了这些工程师出来以后，下一步肯定是要设计各种原型机。设计完了原型机以后，出去说，你们照着原型机去设计吧。设计完了以后啊，就可以去收集大量的训练数据了。然后OpenAI就是去做他最擅长的事情，把大家收集的训练数据爬回来也好，买回来也好，或者是通过各种的协议啊，拿到这些数据以后，训练大模型。然后拿着这些新的具身智能大模型，再给这些机器人去使用，这个应该是一个完整的闭环。

那么，什么是谷歌路径呢？大家想想，谷歌当时做安卓手机怎么做的？他也是招了一帮工程师，他们自己也能把手机做出来。但是呢，他并没有自己去做这个东西，而是当时找到了HTC，说来咱们做吧。做完了以后，拿着原型机再去找三星，再去找摩托罗拉，找一大堆的公司，说咱们一起来做这个东西吧。谷歌手里握着安卓操作系统，全世界的手机厂商除了苹果之外，就都向着安卓这个方向前进了。这个才是OpenAI目前想要去走的路。当然，他跟谷歌当年还差一步，差在哪呢？谷歌是已经做好了完整的操作系统，也做好了工程样机，大家就只管照着做就完了，每一家去设计自己的手机。

各家自己再在安卓系统上去修修补补，只要不要把底层改掉啊，上面你去修修补补都没关系啊。这是当年谷歌干的事。然后现在OpenAI呢，还缺一点点，就是它并没有一个完整的操作系统。它要想得到这个完整操作系统，首先是需要一大堆的工程厂商给它提供训练数据，然后再拿这个数据回来，去进行大模型的预训练，才可以有完整的机器人大模型，或者叫机器人操作系统出来。再把这个东西拿出来给厂商，说：“来，你们再在我这个基础上，按照我的规范去设计你们机器人的各种结构。”

大家注意啊，当时安卓还干了一个特别有意思的事情。他呢规定了，安卓手机就必须要使用什么什么的ARM的这样的CPU，要使用什么标准的，必须要拥有GPS，之前很多手机是没有GPS的，必须要有触屏，必须要有返回键。当时安卓特别多，它的规范里头是必须有返回键的。然后呢，还必须要有运动传感器，还有高度传感器。他就做了这样的规定，这个就属于是安卓兼容设备的规范。这也是现在OpenAI要去做的事情。

所以我们从他招的人来看，基本上是可以看到这条路径的。如果这条路径走通了的话，那可能未来就是特斯拉去做擎天柱，然后剩下的，我们就开始走安卓路线了。大家只要照这个标准上就都可以有了，可能这就是OpenAI对于这个机器人未来的一个规划。那么后面这些硬件厂商跟创业者，他们的机会在什么地方呢？

原来谷歌走这条路，这么多的手机厂商就都冲上来说：“我们去做安卓手机就可以了。”未来的机器人应该也是这样的，未来肯定是分工越来越细，而且这些分工之间呢，是走的松耦合。什么叫松耦合？不是说我自己是一公司，从头做到尾，什么都做。谁是自己一公司，从头做到尾，什么都做的？苹果对吧，还有特斯拉，他们是从头做到尾，什么都做。芯片是自己的，操作系统是自己的，大模型自己训练的，那个设备也是自己设计的，最多找一代工厂去生产一下就完事了。

而像特斯拉都不用代工厂，人家自己有工厂；苹果是自己没有工厂的，必须走富士康啊，走果链企业才能把它做下来。这是从上到下，什么都干的。另一方面是干嘛呢？相互之间是松耦合，就是遵守同样的标准就可以了。我们并不需要说，相互之间拥有股权的这个关系，或者是你拥有我，我拥有你，没有那么严格的要求。我们只要按照统一的标准做就完了，这就是一种松耦合配合方式。

那么他这种配合是怎么样的呢？第一个最上面提供操作系统的人，上一代其实是微软，微软提供了操作系统，然后下头就有一堆叫PC的厂商，他们把这东西造出来，只要装上Windows，能跑就可以去卖去了。原来是这么干的。最近的就是谷歌，生产了安卓的这样的操作系统，剩下的人按照这个谷歌的标准，生产出手机来。然后呢，到谷歌那边去做认证，就是你通过认证以后，谷歌就把它的GMS（Google Mobile Service）这样的东西装到你的手机操作系统里头去，你就可以去卖安卓手机了。

这个是提供操作系统的人。下面这帮人其实不是手机厂商，不是什么小米、华为，不是他们，而是什么呢？这是一帮设计室，很多的design house。因为我们以前在早年的时候，跟非常多的安卓手机设计公司去打过交道，他们就是设计手机的。他们不负责做品牌，也不做营销，更不做生产，只做设计。设计完了以后，找一些代工厂把这个手机做出来，做一些测试，就可以放着了。

然后再往后，还有一波人，就是像小米这帮人了。他们干嘛的呢？他们叫品牌和运营商。我去运营小米这个品牌，我去找设计师把这个东西设计出来。后来当然小米自己是有设计室，设计完了以后，我去到代工厂去加工，再在自己的渠道和门店里边去卖这些手机。最早的这些东西都是完全分散的，设计室是设计室，代工厂是代工厂，品牌商是品牌商。所以这个里边是四个角色：操作系统、设计师、代工厂和品牌运营商。

是四种角色进行松偶合，形成了早期的这个安卓手机市场。那么到后来，相互之间竞争兼并，有很多的公司倒闭了，手机的市场变成什么样了呢？像小米这样的公司，自己有设计室，自己有品牌，自己有渠道，有运营。小米还去投资收购了一些代工厂，他最后又变成了一个大而全的公司。但是现在还有很多代工厂是在外边飘着的，独立的设计室和独立的小品牌运营商呢，也不是都死光了，还有一部分，有一些小的还在玩，就是做一些比较小众的手机，这个还是存在的。这就是现在手机的一个状态。

对于人形机器人来说，可以完完全全地借鉴这一条路径：大模型供应商、设计室、品牌运营商、代工厂，大家进行松耦合。那么总结一下，我们到2025年了，距离人形机器人普及到底还差几步？现在呢，英伟达在四处送开发板，或者叫卖他的开发板和传感器，大家就可以买这个英伟达的开发板，回来把它装在自己的机器人上去，做各种实验。然后OpenAI又开始招募这个传感器的工程师、设计的工程师，以及工程管理方面的人才，准备去做工程样机。这就是现在我们看到的一个情况。

然后下一步是什么？下一步是数据聚集，最好能够把这些数据放到一些开源平台上去，这可能是下一步要去做的事情。所以呢，会有一个新的类似于Huggingface或者是GitHub这样的创业机会，到底能够在谁家的平台上累积这些数据。这种模式在近几年，特别是移动互联网之后的这个创新领域里头，是非常非常普及的。大家都是说，我们去整一个开源的、开放的数据沉淀与聚集的平台，然后大家一起去积累数据。所有人都是拿着这些数据再去做训练，再去做进一步的提升和改进。在这个过程中，再去把这个技术推到下一个高度去。这是这几年非常非常流行、非常普遍的，因为这些数据我们不放心交给谷歌，也不放心交给OpenAI或者是英伟达，一定是要放在一个开放的。

第三方平台上，当这些数据沉淀到一定程度之后，这些大模型厂商就可以拿这些数据再去训练新的机器人大模型了。在训练好之后，就可以走刚才我们讲的手机路径，四个元素，或者叫四个角色拼在一起，造出人形机器人来。整个过程的话，我觉得2025年、2026年就是一帮创业者，拿着这些开发版，拿着OpenAI的方案去做数据收集，然后沉淀。沉淀完了，可能到2026年、2027年的时候，就可以拿这些数据训练出新模型来了。在2030年之前，有可能看到人形机器人走进千家万户了。好，这一期节目就跟大家讲到这里，感谢大家收听。有什么不同的意见，我们可以到评论区去讨论。