Fiona Narrative Lab

MASTER LINE / 今日主線

機器人缺的不是腦，是一雙手的影片

Today's Radar

三個入口理解今日

今日 Radar →

Core Narrative

機器人缺的不是腦，是一雙手的影片

Figure 去年的 Project Go-Big 證明了一件事：它的 Helix 模型只看人類第一人稱影像、零個機器人示範，就學會在凌亂的住宅裡聽懂「去冰箱」並走過去。機器人要的料，就是一個人從自己眼睛的角度，看著自己的手做事。

Key Signals

從 DoorDash 到 GTC Taipei

NVIDIA 的 EgoScale 拿 20,854 小時第一人稱人類影像預訓練，挖出一條縮放定律（Scaling Law）：影像越多，模型越準，關係是對數線性，相關係數高達 0.9983。翻成白話——多餵料，機器人就確定變強，像水龍頭一樣可預測。資料變成可以稱重計價的原物料。

Editorial View

你付錢買的那副眼鏡，正免費做同一件事

資料要多少？Micro1 的副總直言：「大概要數十億小時。」目前該公司有 4,000 名「機器人通才」散在 71 個國家，每月交回 16 萬小時——遠遠不夠。DoorDash 推出 Tasks，付錢給 800 萬名外送員錄自己做家事（據 Bloomberg，洗碗任務要求隨身攝影機對著雙手，洗滿至少五個碗、每個端穩）。Scale AI 估計也握有 10 萬小時。這不是零星實驗，是一條成形的工業供應鏈。

Editor's Brief

Fiona 今日觀察

上面那條供應鏈，付錢請人戴攝影機，對著手錄第一人稱影像。　然後想想，你臉上那副 AI 眼鏡、胸前那枚別針、桌上那支永遠開著的筆、那台一直在聽的喇叭，每天在錄什麼。　同樣是第一人稱。同樣對著你的手、你的視野、你的一天。格式，一模一樣。　我不把箭頭釘死——廠商沒說這些消費裝置的資料會拿去訓練機器人。但「料的格式相同」是不可抹滅的事實。剩下的線索，你自己連。　裝置的多元化——眼鏡、別針、筆、喇叭——表面是消費電子百花齊放。換個角度，是「採料口」的多元化。每多一種隨身裝置，就多一個對準你生活的鏡頭。　而這條第一人稱資料流，有兩個出海口。一頭，餵 agent，學你的判斷、你的流程，去取代白領（這是我們上一篇〈權限〉那場仗）。另一頭，餵機器人，學你的手、你的動作，去取代體力。　同一條流，兩種取代。　最荒謬的是：DoorDash 那批外送員，至少還收每小時 15 美元。而我們這些花錢買裝置的人，是倒貼——付錢買下那個鏡頭，然後免費生產取代自己的訓練料。　而這波熱潮，今天在台北 GTC 上又被點著了。那台用宇樹身體、GR00T 大腦的機器人，定了價、排了出貨。熱潮重燃不是口號——它是買家。買家越急，那「數十億小時」的料就越值錢。而料，是我們。