近年来,关于人工智能与机器人将彻底重塑社会的讨论愈发热烈。媒体与资本市场对仿人形机器人、AGI(通用人工智能)以及全自动化生产的预期经常超越技术现实,导致公众既有过度乐观也有过度恐慌。罗德尼·布鲁克斯(Rodney Brooks),iRobot的联合创始人、前MIT教授与多家机器人物流公司创办者,用他几十年的学术与工程实践给我们带来了宝贵的现实主义视角。他的观点强调技术的实际能力、人的作用以及长期演进中的不确定性,这对理解当前和未来的科技浪潮至关重要。 布鲁克斯提出的核心观点之一是外形不等于能力。仿人形机器人因为外观类似人类,往往被赋予"能做任何人类能做的事"的想象,但现实远没有那么简单。
五指手的出现是生物进化的偶然结果,并不意味着复制人手是解决所有机械化抓取问题的最佳方案。很多工业与仓储场景并不需要"像人那样"的机器人,而是需要针对性强、可靠且能与人协同工作的工具。布鲁克斯通过他的最新公司Robust.AI推出的仓储智能手推车Carta,展示了何谓务实的机器人应用:让人继续做复杂的抓取工作,而由机器人承担定位、导航与减轻体力消耗的任务,从而显著提升效率并降低工人劳动强度。 在物流与仓储领域,机械取代人的幻想常常忽视"长尾问题" - - 真实环境中无穷无尽的边缘情形。自动驾驶领域就是鲜明例子:早年的演示容易给人带来"马上普及"的错觉,但实际部署必须面对复杂道路、天气、行为多样性的挑战,导致完全无人驾驶在广泛地域内仍需大量时间和工程积累。布鲁克斯提醒我们,华丽的demo并不能代表系统在真实、混乱环境中的可靠性。
换言之,短期内值得重点投资与推动的是那些能在现实场景中稳定工作的技术,而非仅仅为吸引眼球的原型机。 布鲁克斯一贯强调"以人为中心"的自动化思路。他的多家公司设计理念均保留人作为主导:Roomba在被卡住时允许人一把抬起,Rethink Robotics倡导人教机器,Robust.AI的Carta允许人与机器人共享控制权。这种人机协同的价值体现在多个层面:提升工人安全、减少重复性体力劳动、降低系统学习与部署成本,以及更快地实现商业回报。对于希望在短期内赢得市场的企业和投资者,这类能显性降低运营成本并改善劳动条件的解决方案常常比追求完全替代人的"极端自动化"更容易落地。 关于生成式AI与所谓AGI的讨论,布鲁克斯保持谨慎而开放的态度。
他承认生成式模型在处理和呈现信息方面展现了巨大能力,但同时指出人类对"理解"的传统观念正在被挑战。以中文为例,语符替换并不等同于人类的意义体验;然而技术的进步使得符号系统的产出越来越接近人类的表达。布鲁克斯援引哲学家约翰·塞尔的中国房间论证,指出生成式系统激发了对"语言理解"本质的再思考,但并不必然意味着机器具备了人类式的意识或普遍智能。他提醒我们,必须区分工具层面的功能性突破与对人类心智本质的根本性理解。 对于教育与人才培养,布鲁克斯主张多元化路径与务实分流。他认为社会应当明确区分以学术探索为目标的高等教育与面向就业的职业教育。
德国式的职业教育体系和针对性强的职业证书在他看来是值得借鉴的。未来劳动力市场会因自动化与数字化而重构,部分岗位将被技术替代,而新的岗位则要求跨学科的实践能力与提问能力。生成式AI改变了信息获取与创作的方式,关键在于教育要教会人们如何提出好问题、评估输出质量以及把工具融合到真实工作流中,而不是仅仅教授"答案记忆"。 在制造业与全球供应链方面,布鲁克斯的视角同样务实且前瞻。他指出中国在过去几十年通过完整的供应链网络实现了制造规模优势,但未来技术如3D打印、新材料发现与AI驱动的材料设计可能会重新定义制造业的地理与经济格局。大规模的线性化生产可能被更灵活、以材料为核心的生产方式替代,从而削弱传统制造中心的比较优势。
他也提出制造业复苏话题中常见的虚伪一面:许多国家高谈"要恢复制造岗位",其实大多数高技能家庭并不希望自己的下一代去工厂打工。技术与政策制定者需要面对事实,思考如何通过教育和社会保障协调劳动力转型。 布鲁克斯对资本市场在AI浪潮中的角色有清醒认识。他承认大量投资会推动技术更快迭代,但也警告许多资金会被浪费在概念性炫技和噱头项目上。历史上多次AI热潮都有类似模式:一个想法吸引资本与媒体,然后经历过度炒作、落地困难与泡沫破裂,最终进入长期、缓慢的技术积累期。对于创业者与投资人而言,判断一个项目是否可持续、是否真正解决痛点,比追逐最新术语更重要。
技术的跨学科依赖是布鲁克斯反复强调的主题。SLAM(同时定位与建图)技术的成熟并非一蹴而就,而是依赖传感器成本的下降、GPU计算能力的提升与计算机视觉算法的进步等多重因素的共同演进。很多"好想法"在纸面上或demo中看似可行,但要变为工业级可靠系统,需要长期工程化投入。在商业化路径上,那些能兼容现有产业生态、降低切换成本并带来可度量效益的技术更容易获得客户接受。 对未来科技极限的反思是布鲁克斯观点的哲学层面。他举牛顿晚年花大量精力研究炼金术、却走入错误路径的例子来提醒我们:科学史充满对"错误模型"的忠诚,技术研究可能被错误的隐喻或模型所误导。
当前把大脑等同为通用计算机的比喻虽然产生了很多成果,但也可能遮蔽其他关键维度。AGI的实现或许要求我们发现还未讨论的物理、化学或生物机制,可能比大多数人预期的更遥远。 从企业实践角度看,布鲁克斯的建议具有直接的应用意义。对于物流与仓储管理者而言,优先考虑能立刻减少员工体力消耗、提高拣货效率的工具往往最具性价比。对于制造企业,关注材料创新与分布式制造技术的演进,预留灵活生产能力,将比单纯追求大型自动化产线更稳健。对于城市与公共政策制定者,认识到基础设施的变迁将极大影响技术落地速度与模式,合理布局传感器、通信与标准化接口,会为智能交通与工业自动化提供长期价值。
投资人应当更注重团队能否把技术工程化、与客户并肩解决问题的能力,而非被炫目的概念或流行词吸引。很多成功企业并非靠最先提出某个宏大愿景,而是靠在狭窄但重要的垂直领域持续交付价值。例如,把机器人用于减轻仓库拣选工人的步行负担,虽不"性感",但却能带来稳定的收入与可复制的商业模式。 对教育者与职业培训机构而言,布鲁克斯的话意味着课程设计应更注重项目体验、跨学科训练与问题提出能力。未来的劳动力不只是执行者,还需要理解如何与AI工具协作,如何验证模型输出,如何将算法结果融入复杂的实际工作流程。职业教育与学术教育应互为补充而非互相替代,这样才能更好地支撑社会的长期转型。
在公众层面,理解"炒作"与"真实进步"之间的差距同样重要。媒体与社交网络往往放大戏剧性与可分享性,将少数突破包装成近在咫尺的革命。布鲁克斯鼓励大家既不要无条件恐慌,也不要盲目乐观。面对生成式AI与机器人,社会需要理性的风险评估与伦理讨论,同时也要投入工程与制度建设,确保技术造福劳动者而非简单替代他们。 总结布鲁克斯的务实路线,有几条清晰的主轴值得长期关注。优先解决真实场景中的痛点而非追求华丽外形;坚持人机协同而不是彻底替代;在教育上实现多元分流与实践导向;在制造与供应链上关注材料、3D打印与分布式生产的演进;在资本使用上侧重长期工程化与可持续商业模式。
理解技术的局限与长期不确定性并不意味着悲观,而是为更稳健、更具伦理性的技术发展留出空间。 当各界讨论AI和机器人对未来的影响时,罗德尼·布鲁克斯的经验提醒我们把目光投向那些能在现实世界中可靠运行、能与人协作并真正改善工作与生活质量的解决方案。拒绝炒作,不是拒绝创新,而是选择一种更务实、更有耐心、更以人为本的创新路线。对于企业、投资人、教育者和政策制定者而言,理解并践行这种务实的技术路线,将比追逐短期噱头更能带来长期价值。 。
