我的结论先放在这里：智能爆炸不会按他们的时间表来，具身智能 5 年内不可能落地。原因只有一个——除了写代码，几乎所有事情都拿不到高质量反馈。而那篇 22 位大佬联名的智能爆炸论文，它的全部自信都来自一个反馈最便宜的领域：写代码。

9 月底，Hinton、Bengio、Barto、OpenAI 首席科学家 Pachocki、Anthropic 联合创始人 Jack Clark 等 22 人联名在 arXiv 发了一篇论文：《What if automating AI R&D triggers an intelligence explosion?》。B 站上的解读视频标题是“我们的时间还剩多少”，十几万播放。

这篇论文的分量很重，所以更值得认真拆。拆完你会发现：它的证据链从头到尾都建立在 coding 上。Coding 是整个 AI 领域里反馈最廉价、最密集、最可验证的任务。把 coding 的斜率外推到 AI 研究本身，再外推到物理世界，是同一个错误犯了两次。

这篇文章分三步。先拆论文，证明它的自信来自 coding。再讲反馈的经济学，以及为什么今天的数采工厂和遥操作路线走错了方向。最后用自动驾驶当标尺，给出一个可以被证伪的 5 年判断。

一、拆论文：证据链的每一环都是 coding

论文的逻辑是一个两段式正反馈：AI 扩充研发劳动力，更强的劳动力造出更强的 AI，再扩充劳动力。作者据此推算，全面自动化后约 1.5 年，AI 进步速度提高 10 倍，一年的进展压缩到五周。

听起来很吓人。我们一环一环看它的证据。

第一环：“AI 正在快速自动化 AI 研发”——证据全是代码。 论文最核心的数字是：Anthropic 内部 AI 写的已批准代码，占比从 2025 年 1 月的个位数涨到 2026 年 5 月的 80% 以上；仅需高层监督即可自主完成的研发工作，从 1% 涨到 26%。OpenAI 和 Google 的表述也都是“凡是写代码、写配置的地方都在用 AI”。

注意，这些全部发生在一个有编译器、有单元测试、几秒钟就能判对错的环境里。从“会写代码”跳到“会做研究”，是范畴错误。论文自己也承认，GPT-6 仍然完不成一些人类研究员能做的研究调试任务；能通过 SWE-bench 的 PR，很多也不会被合并进主分支。

第二环：r > 1——作者自己都说偏高。 爆炸能否发生，取决于“研究投入回报率” r 是否大于 1。论文引用的估计是 1.2 到 1.9。但翻到附录：三个子领域的 90% 置信区间分别是 0.73–2.09、0.38–2.71、1.07–3.21，三个里有两个下界低于 1。更关键的是，作者承认这些数据来自算力疯狂扩张的年代，软件进步和算力增长混在一起，会让 r 系统性偏高；在算力不再快速增长的情况下，真实的 r 会更低。

一个连作者都承认偏高、置信区间横跨 1 的参数，撑起了“1.5 年加速 10 倍”的结论。

第三环：真正的命门被写成了“四个摩擦之一”。 论文承认：如果做实验需要的算力随前沿训练规模同比增长，软件驱动的智能爆炸就不可能发生。而它对这个问题的结论是：证据 mixed，需要更多数据。

这不是一个次要摩擦，这是整个论证的地基。实验就是反馈。AI 研究员可以复制一百万份，但每个想法都要靠实验来验证，实验要算力。 劳动力的增长如果换不来反馈的增长，r 里的那个 E 根本没有涨。

第四环：论文其实已经承认了我的观点，只是没敢推到底。 它在数据一节写道：数学和代码之所以进步快，靠的是合成数据和快速、可验证的反馈；而在生物等领域，进步只能依赖更慢、更嘈杂、更昂贵的现实反馈。它还专门解释了为什么 AI 研发会最先被自动化：这是一个纯数字领域，成功标准清晰。脚注里更直接：AI 可能先在数学、网络安全等领域超越人类，而在操作物理世界的物体上远远落后。

把这几句话连起来，就是本文的核心论点：进步快不快，取决于反馈便宜不便宜。 这群人的自信，本质上是 coding 能力大爆发带来的幻觉。

二、反馈的经济学：劳动力可以复制，反馈不能复制

所有学习系统都在做同一件事：用反馈修正自己。决定学习速度的，不是有多少个“学习者”，而是单位时间、单位成本能拿到多少可信的反馈信号。我把它叫做反馈吞吐量。

把三类任务放在一起比，差距一目了然：

反馈性质	Coding	AI 研究判断	具身操作
反馈延迟	秒级	一次训练，天到月	被真实时间锁死，1 倍速
单次成本	接近 0	一次实验的算力	硬件损耗 + 安全风险 + 人力
能否重置	git reset	可以，但要重训	不能，摔碎的杯子回不来
能否并行	无限开进程	受算力约束	受机器人数量约束
对错是否可判	测试通过即对	噪声大，容易被 hack	需要人判断，sim2real 有偏差

Coding 在每一栏都是最优解。这就是为什么 RLVR（可验证奖励的强化学习）在代码和数学上一用就灵：模型自己生成尝试，测试自己判对错，一晚上能跑完人类工程师一辈子的试错量。

具身操作在每一栏都是最差解。机器人学会“把杯子放进洗碗机”的每一次尝试，都要在真实世界里花真实的时间；失败了要有人复位；失败的代价可能是一个碎杯子，也可能是一个受伤的人。

所以本文的核心命题是：劳动力可以复制，反馈不能复制。 复制一百万个 agent 几乎是免费的，但要拿到一百万倍的高质量物理反馈，就必须付出一百万倍的真实世界代价。论文的整个模型都在计算劳动力，而真正的瓶颈是反馈。

现实里已经有一个现成的对照实验。2024 年，BCG 的研究者在《Drug Discovery Today》上第一次统计了 AI 发现的药物分子在临床试验里的表现：一期临床成功率约 80% 到 90%，远高于历史上的 40% 到 65%；到了二期，成功率约 40%，和行业平均水平差不多（二期样本还很小）。

研究者没有解释原因。我的解读是：一期主要测安全性和药代动力学，这些性质有几十年的历史数据和可计算的代理指标，反馈相对好；二期要测药物在真实病人身上有没有疗效，反馈只能来自人体，慢、贵、噪声大。AI 帮上大忙的，恰恰是反馈好的那一段；一到反馈差的那一段，它就和人类没什么区别。

三、范式史：数采工厂就是具身智能的“手工特征”时代

今天具身智能行业的主流共识是“卷数据”：建数采工厂、雇遥操作员、按小时堆数据。我认为这条路线在方向上就错了。要看清楚这一点，得回头看 AI 历史上两次真正的跃迁。

第一次：手工特征到深度学习。 十几年前做目标检测，主流是 SIFT、HOG、DPM 这一套：由研究者决定“图像里什么信息重要”，再把它写成特征。这条路线的瓶颈不在于设计特征的人不够多，而在于人类对“什么是有用信息”的先验本身就稀疏且有偏。2012 年 AlexNet 在 ImageNet 上把 top-5 错误率从第二名的 26.2% 拉到 15.3%。赢的不是更多人一起设计特征，而是把“特征是什么”这个决定权从人手里拿走，交给梯度。

第二次：SFT 到 RL。 大模型推理能力的跃迁，没有来自更多人写更多思维链示范，而是来自 o1 和 DeepSeek-R1 这一代：模型自己生成尝试，验证器判对错，模型从自己的成功和失败里学。R1-Zero 甚至跳过了人工示范。决定训练数据长什么样的，从人变成了模型自己。

两次跃迁是同一个模式：把人从“决定学什么”的环节里移除。 不是 scale 的胜利，是范式的胜利。

这里一定会有人反驳：深度学习不也是靠 ImageNet 这种上百万张人工标注的图片成功的吗？那不也是“手工数据”？

区别在于人做的是什么。ImageNet 里，人只负责判断结果：这张图是猫。至于怎么从像素里认出猫，人不管，交给模型。手工特征时代，人负责的是设计解法本身。R1 也一样：人只给出能验证对错的题目和答案，不再手写思维链。

所以范式迁移真正的方向是：人从“设计解法”退到“评判结果”。 用这个标准看遥操作，人给的恰恰是解法本身——手该怎么动、力该用多大。它在范式上对应的是手工特征，而不是 ImageNet 标签。

现在回到具身智能。数采工厂在做什么？人决定采什么任务、在什么场景、用什么轨迹；遥操作员决定动作怎么做；机器人被动接收。这就是数据层面的手工特征，我称之为“手工数据”。

手工数据的信息为什么极其稀疏？

1. 采的是人的分布，不是机器人的分布。 遥操作只给出人眼中正确的轨迹。机器人真正不会的地方——它自己的失误、偏离之后的状态——人既不知道在哪，也不会去采。这个分布偏移问题，模仿学习领域早在 DAgger 那一代就讨论过。
2. 一条示范只回答“该怎么做”，不回答“如果不这样做会怎样”。 没有反事实，就没有对物理规律的理解。
3. 关键模态缺失。 视频没有动作标签，没有力和触觉。市场已经给出了定价：贵州的补贴标准里，遥操作数据每小时 30 元，纯视频 3 元，差了十倍。
4. 成本是线性的。 有行业沙龙披露，真机采集约 1000 元/小时；按“至少需要 1000 万小时”的行业共识，就是百亿元量级。而这一百亿买到的，仍然是人决定的覆盖范围。

行业自己的数据也在印证这一点。智元的 AgiBot World 论文里，236 小时的 alpha 数据集训练出来的策略，效果超过约 2000 小时的 Open X-Embodiment。小时数根本不是关键变量。 今年 9 月新华财经的报道也写得很明白：行业关注点正在从“够不够”转向“能不能用”，单纯比拼设备数量和时长的模式难以为继。

那什么数据才是信息密度最高的？答案来自信息论：一条数据的价值，等于它能消除多少学习者当前的不确定性。 而只有学习者自己知道自己哪里不确定。所以最优的数据采集者，只能是机器人自己——它决定去试什么、碰什么、在哪里失败。婴儿学走路不靠遥操作，靠的是自己摔。

具身智能真正的数据范式，是机器人自主决定如何获取自己的数据。 数采工厂是过渡手段，不可能是主要来源。人在这个范式里最该做的，不是示范者，而是裁判。

四、RSI 是具身智能的前提，而物理世界的 RSI 卡在冷启动死锁

上一节的结论是：具身智能需要机器人自己决定采什么数据、自己评估、自己改进。仔细看这个闭环——决定实验、执行实验、判断结果、更新自己——这就是物理世界里的递归自我改进（RSI）。 所以 RSI 不是具身智能的远期愿景，而是它的前提：不跑通 RSI，数据只能靠人喂，具身智能就永远停在手工数据时代。

问题在于，RSI 在 coding 里能转起来，是因为 coding 免费提供了三样东西：判对错的验证器、可以随便犯错的环境、一键复位。物理世界这三样都没有。机器人要自我改进，反馈只有三个来源：

• 真实部署：前提是机器人已经足够好用，才会被允许部署。
• 仿真：仿真器的物理参数、接触模型、长尾场景，都需要真实数据来校准。
• 世界模型：要当验证器，它必须准确预测物理后果，而训练它同样需要大量真实交互数据。

三条路绕了一圈，都回到同一个起点：要拿到真实反馈，先得有能力；要有能力，先得拿到真实反馈。 这就是冷启动死锁。

[embedded content: 物理 RSI 的冷启动死锁 · 4 个环节]

在 coding 里，验证器和复位都是免费的，这个环在“拿不到反馈”那一步直接断开；在物理世界，四个环节互相卡住。

更致命的是，连数字世界的 RSI 都还没跑通。论文自己承认，AI 研发的自我改进卡在实验算力上，证据 mixed。数字世界的实验好歹可以重置、可以并行；物理世界的实验，一次就是一次。数字 RSI 尚且悬而未决，物理 RSI 只会更晚。

五、自动驾驶标尺：滴滴和华为联合之前，别谈具身落地

判断具身智能是否落地，我给出一个简单的标尺：看自动驾驶。

自动驾驶是具身智能里条件最好的子任务。环境是结构化的，有车道线和交规；动作空间只有方向盘和油门，不用抓取、不用接触物体；有几十亿公里的人类驾驶数据；而“安全员接管”本身就是现成的反馈信号。全世界在这件事上砸了十五年、数百亿美元。

它今天走到哪一步了？看中国的数字：

指标	数值
全国网约车月订单量（2026 年 4 月）	9.24 亿单，约 3080 万单/天
萝卜快跑全无人订单（2026 年初）	约 30 万单/周，约 4.3 万单/天
萝卜快跑占全国网约车日单量	约 0.14%
全国合规网约车司机（2025 年底）	约 748 万人，办证车辆超 320 万辆
小马、文远、滴滴 2026 年车队目标合计	约 8000 辆

国内规模最大的 robotaxi 运营商，单量还不到全国网约车的千分之二。小马智行 CEO 彭军自己估计，要做到 5 万辆的运营规模才能释放规模效应。今年 3 月底，萝卜快跑在武汉出现大面积宕机、车辆在路上突然停住，此后新牌照审批被暂停。滴滴自己 2025 年 12 月才在广州黄埔开启全天候全无人载客测试，按它的“三个五年计划”，2022 到 2026 年是商业化验证期。

所以我的判据是：滴滴和华为联合的那一天，才是自动驾驶真正成熟的标志。 意思是，出行平台不再需要自研，可以直接采购成熟的自动驾驶方案，自动驾驶变成像电池、芯片一样的标准件，满大街都是无人车。在走到这一步之前谈通用具身智能落地，就是跳级。

再往前推一步。家务机器人比自动驾驶难得多：

• 环境非结构化，每个家庭都不一样，没有车道线；
• 必须大量接触物体，要处理衣服、食物这类可变形物体；
• 没有交规，“收拾好了”的标准因人而异，验证器更难定义；
• 安全更难验证，旁边可能有老人和小孩。

条件最好的子任务砸了十五年，渗透率还是千分之一量级。条件差一个数量级的通用具身智能，凭什么 5 年内落地？

六、自动驾驶为什么“很近也很远”

自动驾驶看起来只差最后一步，但最后一步恰恰是反馈最稀缺的地方。法规卡住的不是技术之外的东西，而是技术本身；特斯拉 80 多亿英里的车队数据，也没能换来“无人监督”。

法规问题，本质是技术问题

常见的说法是：技术早就够了，是法规跟不上。看事实。

加州的路是公开的，特斯拉没去走。 加州对无人驾驶分三级许可：带安全员测试、无人测试、无人部署。Waymo 从 2014 到 2023 年累计跑了 1300 多万英里测试里程、拿到 7 项许可，才获准无人收费运营。特斯拉从 2014 年起只有最低一级的“带安全员测试”许可，加州 DMV 明确表示它从未申请过无人测试或部署许可。有法学教授说得很直白：特斯拉真正要做的，是让 DMV 相信它的技术是安全的。特斯拉还在书面意见里反对加州的最低测试里程要求——它反对的不是法规，而是用真实里程证明安全。

在监管宽松的得州，特斯拉自己给自己设了限。 2025 年 6 月奥斯汀 robotaxi 上线时，副驾坐着安全员。2026 年 1 月宣布撤掉车内安全员时，后面却跟着坐满安全员的跟车。据特斯拉粉丝媒体统计，到 3 月底奥斯汀车队约 40 辆，真正无人监督的约 10 辆。法规放开的地方，技术并没有跟上。

中国的规则已经写好了，卡点是谁敢签字担责。 工信部 2025 年 12 月给两款车型发放 L3 有条件准入，限定区域和车速；随后工信部和司法部又明确，L3 及以上的事故由厂商承担主要责任。有分析认为 L2 和 L3 的区别更多在责任而非技术。但责任就是技术风险的价格：厂商敢不敢担责，取决于系统出错率低到它赔得起。特斯拉把产品命名为 FSD (Supervised)，反复强调它不是自动驾驶——这是它用法律文本给自己的技术打的分。

法规永远跟着事故走。 国内发生 L2 致命事故后，工信部禁止 L2 车型宣传“自动驾驶”“脱手驾驶”；萝卜快跑武汉宕机后，新牌照审批暂停。哪里技术被证明安全，法规就给哪里开门。法规是技术成熟度的滞后指标，不是原因。

特斯拉 FSD：80 亿英里，换不来“无人监督”

特斯拉是“数据飞轮派”最喜欢的例子：几百万辆车，不停回传真实数据，不需要什么 RSI。如果车队数据就够，特斯拉早该赢了。2026 年 2 月，特斯拉公布 Supervised FSD 累计行驶超过 82 亿英里。

结果呢？它仍然是 L2。NHTSA 2025 年 10 月因闯红灯、逆行等问题对约 290 万辆车开展调查，收到 58 起报告；2026 年 3 月，低能见度问题的调查升级为工程分析，覆盖约 320 万辆，确认 9 起相关事故，其中 1 起致死。

社区追踪数据给出了更直接的差距：

指标	数值
FSD v13.2 每次关键接管间隔（全路况）	约 443 英里
FSD v14 每次关键接管间隔（全路况，v14.3 前）	约 1454 英里
FSD v14 每次关键接管间隔（城区）	约 834 英里
业内估计的无人监督门槛	约 1 万英里
Waymo 撤掉安全员时的城区水平	约 3 万英里

80 亿英里为什么换不来高质量反馈？

1. 绝大多数里程没有信息量。 直道巡航一万次，不教会你任何新东西。
2. 接管只告诉你“错了”，不告诉你“什么是对的”。 人一接管，反事实就没了：不接管会不会出事，永远不知道。安全员越尽职、接管越早，我们对系统真实能力的了解反而越少。
3. 特斯拉的数据引擎，本质是工程师设计触发器去车队里捞特定场景。 这是“人决定采什么数据”的最高形态，也就是第三节说的手工数据，做到了极致。
4. 连测量本身都需要海量反馈。 城区关键接管间隔在 v14.1 一度冲到约 4109 英里，v14.2 推送后又跌到约 809 英里。连“新版本到底变好没有”都要靠海量里程才测得准。

很近也很远：长尾就是反馈稀缺

说它很近：大多数通勤已经可以零接管，车开得像人，演示视频看起来已经做完了。

说它很远：从约 1000 英里一次关键接管到无人监督门槛，还差 10 到 30 倍；再往上，美国人类驾驶员大约每 1 亿英里才发生 1 起致死事故。RAND 2016 年算过：要以 95% 的置信度证明自动驾驶的致死率不高于人类，需要无事故行驶 2.75 亿英里；要把它的失效率估准到 20% 以内，需要 88 亿英里。

可靠性每多一个 9，要应对的就是罕见十倍的事件，而罕见十倍意味着要多跑十倍的真实里程才能撞见一次。可靠性的每一个数量级，都要用反馈的一个数量级来换。 前 99% 靠数据堆得出来，最后那几个 9 只能靠反馈，而物理世界的反馈按真实时间计价。

自动驾驶有最清晰的“错”（碰撞、违章），有几百万辆车、几十亿英里，最后这一段仍然走了十年还没走完。家务机器人连“什么算错”都没有统一定义。

为什么“一次都不能错”的事，标准 RL 学不会

常有人说，自动驾驶难，是因为人会死而 AI 不会，AI 没有利益相关。这句话的直觉是对的，但可以说得更精确：不是 AI 不在乎，是目标函数在数学上看不见那个事件。

标准强化学习优化的是期望回报，而安全要求的是尾部概率：每英里致死概率要低到亿分之一的量级。这样罕见的事件，在期望里几乎贡献不了梯度；要在训练里撞见一次，就得先跑上亿英里。把撞车写成一个 -1000 的奖励也没用，那等于告诉系统：死一次可以拿“快几秒”来换，只要换得够多。

人类司机也没有靠撞车学开车。人的优势有三点：死亡没有重来，所以人从一开始就不在灾难附近探索；人在乎的是“别出那一次事”，而不是“平均开得好”；人能在想象里预演失败，能从“差点出事”和别人的事故里学。

翻译成算法语言就是：把灾难放进约束而不是奖励，让失败只发生在世界模型里，用“差点出事”这类前兆信号代替事故本身，把宝贵的真实尝试只花在最不确定的地方。这些方向都有人在做，但它们共同依赖一样东西：一个足够准的世界模型。而这个模型本身，又只能用真实反馈来校准——又回到了第四节的冷启动死锁。

七、预先回应七个反驳

反驳一：“你说 RSI 是前提，又说 RSI 跑不通，那不就是具身智能永远不可能？为什么是 5 年？”

我没有说永远。我的判断是：物理 RSI 需要一个范式级突破（比如足够准的世界模型充当验证器），而这个突破的“AlexNet 时刻”到今天还没有出现。历史告诉我们，从范式被证明到规模落地，至少需要约 5 年：AlexNet 是 2012 年，人脸识别真正铺到手机解锁和刷脸支付，已经是 2017 年前后；DARPA 城市挑战赛是 2007 年，到 2026 年 robotaxi 仍然只占千分之一量级。范式证明还没发生，所以 5 年是下限，不是上限。

反驳二：“自动驾驶已经落地了，Waymo 每周 50 万单，萝卜快跑在武汉已经单车盈利。”

商业化运营不等于落地。落地的意思是满大街都是，是滴滴可以直接采购。第五节的分母已经给出来了：0.14%。在示范区里跑通单车经济，和替代 748 万司机，中间隔着几个数量级。

反驳三：“VLA + 互联网视频预训练 + 大规模遥操作，scaling 就能绕开 RSI。”

这恰恰是在重复 SFT 时代的路线。视频缺动作和力，市场给它的定价只有遥操作的十分之一；遥操作是线性成本的人工反馈，覆盖范围由人决定，信息密度上不去；智元自己的实验也显示，小时数不是关键变量。大模型已经演示过一遍：SFT 堆再多人工示范，也换不来推理能力的跃迁，跃迁来自模型自己生成数据的 RL。具身智能缺的是那个能让机器人自己生成高质量数据的验证器，而不是更多的遥操作员。

反驳四：“作者是 Hinton、Bengio、Barto，你凭什么质疑？”

我不质疑任何人的学术地位，我只质疑证据链。而且前面已经展示过：论文最关键的几处让步——r 偏高、算力瓶颈未解、生物领域反馈慢、物理操作会远远落后——全部写在它自己的附录和脚注里。我做的只是把这些让步推到底。

反驳五：“自动驾驶落不了地是法规问题，不是技术问题。”

第六节已经逐条回应：加州的许可路径公开透明，Waymo 走完了，特斯拉连申请都没提交；得州监管宽松，特斯拉自己保留了安全员和跟车；中国的 L3 规则已经写明，卡点是厂商敢不敢签字担责。法规是技术成熟度的滞后指标。

反驳六：“不需要 RSI，部署一个窄能力产品，靠车队数据飞轮就能持续进步。”

特斯拉就是这条路线走得最远的公司：几百万辆车、82 亿英里，至今仍是 L2，关键接管间隔离无人监督门槛还差一个数量级。被动回传的数据量再大，也不等于高质量反馈；靠工程师设计触发器去捞场景，仍然是人在决定采什么。飞轮转得动，但转不过长尾。

反驳七：“AlphaFold 不就是用已有数据做监督学习，在物理科学里取得了突破吗？”

AlphaFold 恰恰是本文论点最好的证据。第一，蛋白质结构预测是一步到位的预测，没有“一个错误引出下一个错误”的误差累积，和需要成千上万步连续决策的机器人操作不是一类问题。第二，它背后站着一个人类花了几十年建好的反馈系统：PDB 数据库里的每一个结构都来自昂贵的实验测定，CASP 从 1994 年起每两年做一次严格的盲测评估。AlphaFold 的成功，发生在一个反馈已经被修好了几十年的领域。 具身智能今天还没有自己的 PDB 和 CASP。

八、可证伪的 5 年预测（截至 2031 年 10 月）

研究者的 belief，体现在敢下可以被打脸的赌注。先定义“落地”：通用机器人在非结构化的家庭环境里完成开放式家务，不依赖远程遥操作兜底，在中国保有量超过 10 万台，且单台经济模型为正。 远程人工兜底的方案不算落地，那只是把遥操作员藏到了屏幕后面。

我预测不会发生的：

• 上面定义的家庭通用机器人落地；
• robotaxi 订单占全国网约车订单超过 10%；
• 任何一家公司公开证明，靠数采工厂堆小时数实现了跨家庭、跨任务的通用操作。

我预测会发生的：

• 仓储、产线、巡检等结构化场景的专用机器人持续增长；
• 数采工厂的叙事降温，行业从“比小时数”转向“比数据效率”和“比自主探索”；
• 最重要的进展出现在“机器人如何自己获得高质量反馈”上：世界模型当验证器、主动探索、安全的自主试错。

出现以下情况，我认输：

• 家庭通用机器人规模落地，而 robotaxi 占比仍不到 10%——说明我的标尺错了；
• 家庭通用机器人靠遥操作和数采工厂 scaling 落地，而不是靠机器人自主获取数据——说明我的范式判断错了。

结语

智能爆炸论者看到 AI 写了 80% 的代码，就以为看到了未来。但他们看到的只是一个反馈免费的世界。物理世界里，每一次反馈都要付真实的时间、真实的成本、真实的风险。

十几年前，计算机视觉没有靠更多人设计特征赢下来；今天，具身智能也不会靠更多人遥操作赢下来。真正的跃迁，要等机器人学会自己决定如何获取数据的那一天。在那之前，你会先看到满大街的无人车，先看到滴滴和华为联手。

如果你也在做具身智能，我的建议是：把赌注压在“怎么让机器人更便宜地拿到高质量反馈”上，而不是“怎么采更多小时数”上。

数据来源

• Chan et al., What if automating AI R&D triggers an intelligence explosion?（arXiv 2609.36054）
• 交通运输部：2026 年 4 月全国网约车订单 9.24 亿单
• 全国合规网约车司机约 748 万人、办证车辆超 320 万辆
• 萝卜快跑约 30 万单/周、武汉宕机与牌照暂停（The Next Web）
• 武汉宕机后新牌照审批暂停（Automotive World）
• 小马、文远、滴滴 2026 年车队目标合计约 8000 辆
• 彭军：5 万辆运营规模才能释放规模效应（界面新闻）
• 滴滴 2025 年 12 月在广州黄埔开启全无人载客测试（IT 之家）
• 滴滴自动驾驶“三个五年计划”（财联社）
• 真机采集约 1000 元/小时、1000 万小时行业共识
• 贵州具身数据采集补贴：遥操作 30 元/小时、纯视频 3 元/小时
• 国内真实物理交互合规数据仅 50 万小时，缺口超 99%（澎湃新闻）
• 新华财经：具身智能数据从“上量”转向“提质”
• AgiBot World：236 小时数据效果超过约 2000 小时的 OXE
• 加州 DMV：特斯拉只有带安全员测试许可，未申请无人测试或部署许可；Waymo 1300 万英里、7 项许可（Reuters 转载）
• 加州 DMV 三级许可与特斯拉现状（TechCrunch）
• 法学教授：特斯拉需要让 DMV 相信技术安全
• 奥斯汀“无安全员” robotaxi 配跟车（The Drive）
• 奥斯汀车队约 40 辆、无人监督约 10 辆（粉丝媒体统计）
• 工信部首批 L3 有条件准入、L2 宣传用语禁令
• 工信部、司法部：L3 及以上事故厂商承担主要责任
• NHTSA 低能见度调查升级为工程分析，覆盖 320 万辆
• NHTSA 闯红灯、逆行调查：约 290 万辆、58 起报告
• FSD v13.2 / v14 关键接管间隔社区数据
• 城区关键接管间隔 4109 → 809 英里；Waymo 3 万英里门槛；特斯拉 82 亿英里
• 业内估计无人监督门槛约 1 万英里（Electrek）
• RAND《Driving to Safety》：2.75 亿英里与 88 亿英里
• BCG 研究：AI 发现的分子一期临床成功率 80%–90%，二期约 40%（Drug Discovery Today, 2024）