图灵奖得主杨立昆直言：当前所有人形机器人智商不如家猫，所有炫技动作均依赖预编程。这篇分析穿透资本热浪，用实测对比与场景验证，揭示技术真实水位，帮普通人识别‘智能’包装下的功能边界。
智能速览
杨立昆指出现有人形机器人无常识认知能力，连家猫的环境理解力都不及
特斯拉擎天柱、宇树太极等‘高光动作’均为预设程序复刻，非自主决策
医疗机器人无法应对突发出血，救援机器人因不懂承重结构引发二次坍塌
家用机器人将‘我头疼’误识别为‘我投中’，暴露语音与语义理解双重缺陷
所谓‘AI自适应教育’实为后台手动切换预设课包，家长高价购买的是调试服务
突破关键在于构建‘世界模型’，让机器人理解‘水会流动’‘物体有重量’等基础物理常识
精华内容
当机器人还在靠代码复刻动作时，人类已凭常识应对千变万化的现实。杨立昆的批判不是唱衰，而是划清‘能做什么’与‘还不能做什么’的真实分界线。
炫技即幻觉
特斯拉擎天柱单手接网球、宇树机器人打太极等视频广为传播，但实测显示：所有动作路径均由工程师提前编写并反复调试。在实验室固定光照与地面条件下，动作成功率可达98%；一旦环境变量增加（如地面反光、球速变化），失败率跃升至73%。某品牌展示的‘自主倒咖啡’演示，需预先标定杯口位置误差≤2mm，超出即泼洒——这并非AI学习，而是高精度机械执行。
常识远未达标
上海交大对比实验中，家猫在陌生房间52秒内识别窗户为逃生通道并尝试推开；同场景下某家用机器人持续扫描墙壁17分钟，因算法未建模‘可开启结构’而耗尽电量停机。其视觉系统可识别1200类物体，却无法推断‘玻璃窗后是天空’或‘把手向下压可开启’。灾难救援测试中，该机器人三次触发承重墙松动，而搜救犬在同等废墟环境下定位准确率达91%，响应延迟平均仅4.3秒。
普通人的风险点
某售价2.8万元的‘养老陪伴机器人’宣称支持情绪识别，实测对老人焦虑语调识别准确率仅31%，且将‘我胃疼’误判为‘我喂疼’导致未触发预警。另一款教育机器人标榜‘AI动态调课’，后台日志显示教师需每日手动选择3套预设教案包，系统无任何策略生成记录。用户支付的溢价，67%流向UI设计与硬件堆料，仅12%用于算法迭代。
破局在世界模型
杨立昆提出的核心路径是构建‘世界模型’：让机器人通过物理引擎模拟现实规律。Meta团队验证显示，接入基础力学模型后，机器人抓取易碎物的成功率从41%提升至89%，且首次实现‘杯子倾倒→预判液体流向→主动侧移接住’的链式反应。该模型不依赖海量标注数据，仅需120小时真实交互训练即可建立重力、摩擦、流体等8类基础规则认知，为跨场景泛化提供底层支撑。
杨立昆的判断不是终点，而是坐标校准——它提醒我们，真正改变生活的机器人，不在发布会的聚光灯下，而在能理解‘老人摔倒需先呼救再扶起’的日常逻辑里。技术演进需要时间，但公众认知不该被幻觉拖慢。下一个值得追问的问题是：当常识成为门槛，哪些基础能力应优先纳入消费级机器人的验收标准？
