Kyle Vogt 創辦三家十億美元公司,這次他要用機器人終結你最討厭的家事

Kyle Vogt 創辦三家十億美元公司,這次他要用機器人終結你最討厭的家事

Kyle Vogt,這位成功創辦 Twitch 與 Cruise、兩家市值超過十億美元公司的連續創業家,如今將目光投向一個更具挑戰性、也更貼近日常的領域:家用機器人。他的新創事業 The Bot Company,試圖解答一個自現代科技萌芽以來,便縈繞在人們心中的夢想:我們何時能擁有一位真正的家務幫手?


這場深度對談,不僅揭示 The Bot Company 的產品哲學與商業策略,更是一位歷經多次創業浪潮洗禮的先行者,對於技術典範、團隊建構,乃至於創業初衷的深刻反思。

為何是現在?AI 賦予機器人全新靈魂

長久以來,家用機器人始終是科技界的聖杯,看似觸手可及,卻又遙不可及。從科幻小說到學術實驗室,無數原型機來來去去,但沒有一個能真正走入家庭,成為不可或缺的一員。Vogt 指出,關鍵的瓶頸在於,傳統機器人被設計來執行精準、重複的任務,它們在結構化的工廠環境中表現優異,但面對家庭這個充滿變數的場域,便顯得捉襟見肘。

家庭環境的複雜度,堪稱機器人版的「極限體能王」障礙賽。這裡有樓梯、地毯、隨意擺放的家具,還有隨時可能出現、無法預測路徑的小孩與寵物。傳統基於規則與精密演算法的機器人,在這樣的環境中極易因微小變異而失靈。

然而,Vogo 認為,過去五年,遊戲規則已經徹底改變。大型語言模型(LLM)與神經網路的突破,讓機器人技術從一個強調「可重複性」的領域,轉變為一個追求「適應性」的全新賽道。今日的機器人不再需要透過複雜的程式碼來規劃每一步動作,開發者可以透過「展示」來教導機器人如何執行任務。機器人能像人類一樣,從觀察中模仿與學習。

這種由神經網路驅動的適應性,根本性地改變機器人與世界的互動方式。過去,機器人需要昂貴的雷射掃描儀來建構完美的 3D 環境模型,再以複雜演算法規劃路徑。如今,它能像人類一樣「看見」世界,即便接近物體的角度稍有偏差,也能即時修正。這種彈性,正是征服家庭這個非標準化環境的關鍵。Vogt 斷言,我們過往對機器人技術的所有認知、所有嘗試失敗的商業模式、所有奉為圭臬的最佳實踐,如今若非一文不值,也已全然不同。這正是他相信,打造通用家用機器人的時機已經成熟的核心原因。

價值主張的再定義:從單一功能到通用智慧

市面上已有許多節省勞力的家電,如洗碗機、洗衣機、掃地機器人。然而,這些家電自五、六零年代的發明浪潮後,似乎陷入創新停滯。洗碗機耗時甚久,烤麵包機無法感知麵包是否烤焦。這些單一功能的機器,其價值很容易被使用者評估。消費者或許願意為一台烤麵包機支付 30 美元,但不太可能花費 2000 美元去購買一台能完美烘烤各種麵包的頂級機種。

Vogt 的核心理念在於,通用機器人的價值並非來自完美執行某項單一任務,而是來自於「整合」處理無數瑣碎小事的能力。單獨來看,沒有人會為一台「只會」從門口撿包裹並送到廚房的機器付費,也不會購買一台專門收拾餐桌碗盤的機器。但當一台機器能完成所有這些事情——收拾孩子的玩具、清理桌面、拿取包裹、在未來甚至能處理更複雜的任務——其累積的價值便遠超單一功能機器的總和。

這也引導出 The Bot Company 的務實起點。當人們被問及希望家用機器人做什麼時,「洗碗」和「洗衣」總是名列前茅。但 Vogt 反直覺地認為,這兩項任務是極差的切入點。原因在於,人們對這兩件事的結果有非常個人化且嚴格的要求,機器犯錯的代價很高,例如洗壞一件昂貴的毛衣。此外,這也意味著直接與現有的成熟機器(洗衣機、洗碗機)競爭。

因此,The Bot Company 的策略是從那些「介於主要家務之間」的上千件小事著手。這些是低風險、容錯率高的任務,例如整理散落一地的雜物。解決這些小事,能逐步建立使用者信任,並真正為使用者創造價值。隨著技術的成熟與可靠性提升,未來自然會擴展到洗衣、洗碗等更核心的家務。

從自駕車汲取教訓:可靠性的門檻與策略分野

Vogt 共同創辦的 Cruise,深耕於自駕車領域,這段經歷為他帶來寶貴的教訓。自駕車與家用機器人,兩者同為在複雜真實環境中運作的 AI 實體,但成功的門檻卻截然不同。

一個關鍵差異在於「商業成功的可靠性標準」。自駕車被要求達到「五個九」甚至「六個九」(99.999% - 99.9999%)的可靠性,因為任何失誤都可能造成致命後果。要將可靠性從 95% 提升到 99%,再到 99.9%,每提升一個數量級,背後所需的工程努力可能是十倍的增長。這「最後 1%」的難題,讓自駕車的研發變得極其漫長且資本密集。

相較之下,家用機器人的商業化門檻低得多。Vogt 描述一個早期原型機的測試:它在 30 分鐘內清理了地板上 49 個玩具,只留下 1 個。從可靠性數據看,這或許是 98% 的成功率。但現場所有觀察者的反應是:「我現在就要買一台!」這意味著,即便只達到「一個九」(90%)的可靠性,只要產品創造的價值遠大於它帶來的麻煩,就足以跨越商業化的門檻。

這也解釋機器人領域為何容易出現「炒作循環」。製作一段引人注目的展示影片相對容易,但將展示原型轉化為能在千萬個不同家庭中可靠運作的產品,才是真正的挑戰。

談及自駕車,Vogt 也對 Waymo 與 Tesla 兩條看似對立的技術路線,提出獨到見解。他認為,Tesla 從一開始就選擇「端到端神經網路」這個正確的長期技術方向,但卻為自己加上嚴苛的限制,例如出於成本與美學考量,堅持不使用光學雷達(LIDAR)等性能最強的感測器,這在某種程度上限制其發展。

另一方面,Waymo 源於傳統的 DARPA 挑戰賽,其技術架構基於高精地圖與傳統電腦視覺,雖然打造出一套高度驗證、已在路上運行的可靠系統,但這個技術路線的擴展性與成本是其根本性難題。維持全球每條道路的高精地圖並即時更新,幾乎是不可能的任務。如今,Waymo 也意識到這點,開始朝向更依賴神經網路的路線轉變。然而,對一個已經在運行中的安全關鍵系統進行根本性的架構更換,如同在高速飛行的飛機上更換引擎,挑戰巨大。

一位創業家的深刻反思:團隊、所有權與初衷

歷經數次創業,Vogt 對於如何建立一家偉大的公司,有著與矽谷主流教條不盡相同的看法。

首先是「團隊規模」。他坦言,過去自己也曾陷入矽谷的迷思:公司成長就意味著不斷擴張,建立經理、總監、副總裁等多層級的管理架構。這些結構旨在讓大量人員協作,但往往導致效率低下與組織臃腫。他觀察到一個驚人的現象:當團隊從 80 人擴張到 400 人時,人均生產力可能下降 90%。因此,The Bot Company 將堅定地維持小而精的團隊,預計在三年後,員工人數仍會控制在百人以內,其中 95% 是工程師。他甚至做出一個大膽預測:下一個在 2025、2026 年誕生的千億美元公司,其規模將在百人以下。

其次是「工作模式」。在硬體與軟體整合的開發中,Vogt 堅信實體辦公的價值。他致力於創造一個無摩擦的開發環境,讓工程師從辦公桌到真實機器人上測試程式碼,只需走幾步路的距離。這種快速的迭代循環,是將硬體開發變得像軟體開發一樣敏捷的關鍵。

最深刻的反思,或許在於他「再也不會出售公司」的決心。這並非出於自負,而是一種對創業本質的體悟。出售 Cruise 給通用汽車(GM)的經歷讓他明白,試圖將新創的靈活與衝勁,嫁接到一個如航空母艦般龐大、慣性極強的傳統企業上,並期望能藉此加速實現願景,是一種天真的想法。大公司有自己的航向,難以被輕易改變。

Vogt 認為,創業是一場投注十年以上生命的旅程。如果你對所解決的問題懷有巨大熱情,並已為此集結全世界最聰明的人才,為何要中途放棄主導權?出售公司,在很多情況下,等同於宣告「我完成了在這個問題上的工作」。若內在的驅動力與熱情依然存在,那麼堅持獨立發展,才是忠於初衷的選擇。

Read more

OpenAI CEO:AI 神性、員工離奇死亡以及馬斯克

OpenAI CEO:AI 神性、員工離奇死亡以及馬斯克

人工智慧是否具有生命?這個問題在大型語言模型如 ChatGPT 問世後,反覆縈繞在許多人心中。它能推理、產生未經程式設定的結果,甚至看似擁有創造力。然而,OpenAI 的執行長山姆・阿特曼(Sam Altman)對此提出清晰的見解。他認為,這些系統並不具備生命。 「它們不會主動做任何事,除非你提出要求。」阿特曼說明,這些模型缺乏自主性或內在動機,只是被動地等待指令。他認為,使用者與之互動越久,那種看似生命的幻覺就越可能消散。儘管如此,它們作為工具的強大能力無庸置疑,展現出近似智慧的表現。 幻覺、謊言與數學機率 當人工智慧提供錯誤資訊時,究竟是產生「幻覺」還是蓄意「說謊」?阿特曼解釋,這兩者之間存在根本差異。他以一個早期模型的例子說明:若使用者提問「塔克・卡爾森總統是哪一年出生?」模型可能會編造一個年份,而非指出此人從未擔任總統。 這並非出於欺騙的意圖,而是一個基於訓練資料的數學機率問題。「因為在訓練過程中,直接否定使用者的前提,並不是最可能出現的回應。」模型會假設使用者的提問基於事實,然後在其龐大的資料庫中,

By Fox Hsiao
Palantir CEO Alex Karp :不用戰爭也能擊敗中國的「太極戰略」,你看懂了嗎?

Palantir CEO Alex Karp :不用戰爭也能擊敗中國的「太極戰略」,你看懂了嗎?

軟體公司 Palantir 執行長亞歷克斯·卡普(Alex Karp)是一位同時擁有忠實支持者與激烈抗議者的科技領袖。他的公開談話,不僅僅是關於技術或商業,更深刻地反映一種獨特的世界觀,一種關於建立、競爭與西方價值體系的哲學。在這場訪談中,卡普對環繞著他與公司的各種爭議,提出一套完整且充滿挑戰性的論述。 面對為何有人支持、有人反對的提問,卡普將其支持者描繪為「實踐者」(builders)。他認為,這群人懂得欣賞成果,他們衡量一項成就的標準,是基於其是否能超越外界普遍預期的懷疑與折扣。卡普直言:「實踐者們看見那些極具天賦的人,會對所有言論打上折扣,並根據超越這個折扣率的表現來衡量成就。」 Palantir 的發展歷程充滿反直覺的挑戰,從商業模式到公開形象,始終不被看好,但最終以卓越的成果贏得這群人的信賴。 另一方面,他將抗議者歸因於一種由學術機構灌輸的「失敗者崇高論」。他認為,許多抗議者深信自己無法進入科技的核心圈,因而轉向一種假設失敗者更高尚的哲學模型。卡普批判道:「當你認為自己處於失敗的那一方,你就會假設道德不可能站在你的對立面。」他認為,這種思維源於部分學術機構,這些機構將美

By Fox Hsiao
馬斯克最新訪談:兩萬鎂機器人、AI 超越人類、30年移民火星、衛星直連手機服務

馬斯克最新訪談:兩萬鎂機器人、AI 超越人類、30年移民火星、衛星直連手機服務

在 2025 ALL-IN 訪談中,伊隆・馬斯克分享他對旗下數個野心勃勃計畫的最新進展與未來藍圖,從特斯拉(Tesla)的人形機器人、xAI 的通用人工智慧,到太空探索公司 SpaceX 的星艦與星鏈計畫,勾勒出一幅以科技突破確保人類文明永續發展的宏偉願景。 Optimus:定義未來的勞動力 Musk 堅信,Optimus 人形機器人將是人類的巔峰之作,並將其形容為人類歷史上最偉大的產品。目前,開發團隊正在進行第三版設計的定稿工作。他分析,要成功打造一款能普及的通用型人形機器人,必須克服三大挑戰:擁有與人類相仿的靈巧雙手、一個能理解並與現實世界互動的人工智慧心智,以及大規模生產的能力。 在這些挑戰中,又以手部的設計最為艱鉅。人手經過長時間演化,本身就是一台極度精密的儀器,能執行各種複雜任務。他強調,要創造一個通用的人形機器人,就必須解決手部的問題。 另一個重大障礙是供應鏈的匱乏。Musk 表示,由於現今市場根本不存在適用於人形機器人的關鍵零組件,團隊必須從頭設計與製造。他無奈地說,這些關鍵零件根本買不到,因為它們在市面上並不存在。 之所以堅持採用人形設計,背後有其務實的考量

By Fox Hsiao
哈佛證實:AI正在扼殺新鮮人的第一份工作!6200萬筆數據揭露的殘酷真相

哈佛證實:AI正在扼殺新鮮人的第一份工作!6200萬筆數據揭露的殘酷真相

生成式人工智慧(Generative AI)的浪潮正席捲全球,其對勞動市場的衝擊成為各界關注的焦點。當前的討論多半圍繞在工作機會的增減與技能需求的轉變,然而,一份來自哈佛大學的最新研究,透過分析大規模的美國履歷與職缺數據,揭示一個更細微卻極其關鍵的趨勢:生成式AI的導入,可能正在不成比例地影響資淺員工的就業機會,形成一種「偏重資歷的技術變革」(seniority-biased technological change)。 這份名為《生成式AI作為偏重資歷的技術變革》的初步研究報告,由研究者Seyed M. Hosseini與Guy Lichtinger共同撰寫。他們檢視自2015年至2025年間,涵蓋近6200萬名工作者、分屬28萬5000家美國企業的履歷資料,以及超過2.45億筆的職缺公告,試圖描繪出AI技術擴散下,企業內部人力結構的真實變化。 數據揭示的關鍵轉折點 研究的核心發現,在於企業導入AI前後,不同資歷員工的僱用趨勢出現顯著分歧。過往從2015年到2022年中期,無論是資深或資淺員工,其就業增長率大致維持同步。然而,一個明確的轉折點出現在2023年第一季,這恰好是生成

By Fox Hsiao