人的价值

G1内线吃亏是意外还是注定？湖人会不会后悔没带杰米森进季后赛？_我的网站

一 |     新智元报道          上海世博展览馆，WAIC 2026，H1-A530展位前围了三层人。         最抓眼球的是入口处的「零售区」。

二 | 一个观众随手在点餐台下了单。    

译者注：本文原发表自《SB Nation》，作者是 Bryan Toporek，文中数据均截至原文发稿前（当地时间4月20日），文中观点与译者及平台无关。

在交易截止日后湖人队取消了与马克-威廉姆斯的交易，这使得他们的前场深度严重不足。几秒钟后，机器人「听到」了指令，头顶的「眼睛」一扫，灵巧手伸进塞满饮料的货架层里，精准抽出目标瓶子，转身送到前台。贾克森-海斯作为临时首发中锋表现出色，但他们签下的亚历克斯-莱恩并没有达到预期效果。         工业区更热闹：两台人形机器人在「搭班干活」——一台搬运料筐，另一台从筐里抓取工件精准放到指定位置。

这在周六湖人队对阵明尼苏达森林狼队的第一场比赛中让他们尝到了苦果。

三 | 鲁迪-戈贝尔只打了24分钟，得到2分和6个篮板，而纳兹-里德替补出场砍下23分（其中三分球9投6中），让湖人队苦不堪言。与此同时，海斯和莱恩一共只打了11分钟，仅得到1分、7个篮板，没有助攻、抢断和盖帽。

湖人队试图用大量时间摆上八村塁和芬尼-史密斯来打小个阵容对阵森林狼队，但里德经常让他们为这个决定付出代价。         旁边展示直接挑战了机器视觉领域公认的「老大难」——透明物体识别。透明瓶子、塑料袋包装、反光饮料罐混在一起，对传统相机来说几乎是「隐形」的，但这台机器人看它们跟看积木似的，抓得又快又稳。         这是2026年7月的上海，WAIC开到第九年。杰登-麦克丹尼尔斯在仅33分钟的出场时间里13投11中，砍下25分并抢下9个篮板，同样给湖人队造成了重创，而朱利叶斯-兰德尔贡献了16分、5个篮板和5次助攻（不过也出现了7次失误）。今年具身智能第一次与智算并列为两大核心赛道，超过200家具身智能企业到场，人形机器人几乎挤满了整个展馆。

湖人队在第二场比赛中可能会尝试让海斯在场上多打一会儿，但除此之外，他们的替补席上并没有明显的快速解决方案。         但在这片热闹里，有一家公司做的事有点「反常」——它不造机器人。         回过头看刚才的画面：货架取货的是人形机器人，高速抓取的是工业机械臂，线束装配的又是另一种形态。         形态不同，任务不同，物体更是千差万别——布偶、螺母、透明瓶子、柔性线束。双向合同中锋特雷-杰米森三世在赛季后期展现出了潜力，但湖人队在常规赛结束前一直没有将他的合同转为标准合同，这意味着他没有资格参加季后赛。         但它们表现出来的能力却是相似的：都看得清环境，都理解任务，都能规划动作、精准执行。

四 |          为什么？答案不是梅卡曼德造出了一台「万能机器人」，而是：它造机器人的「眼睛」「大脑」和「手」，然后把这一套装进不同的身体里。就像安卓不造手机，但可以让所有手机都能跑同一套系统。

五 |

如果他们找不到应对森林狼队内线高度的办法，这可能会再次给他们带来麻烦。

六 |

湖人队的硬工资帽问题可能是他们起初没有将杰米森的合同转正的一个原因。         智能大于形态     机器人不会只有一种身体          全行业都在问：具身智能的终极形态是什么？很多人回答「人形机器人」。但这个逻辑有问题。

七 | 他们在赛季结束时距离第二土豪线仅差67万美元，而且在任何情况下他们都不允许超过这个限额。         工厂要的是快准稳的机械臂，人形反而笨重；仓库要的是能满场跑的轮式机器人，两条腿不如轮子效率高；便利店要在货架间穿梭的服务机器人，全尺寸人形连转身都费劲；家庭场景更不用说——橱柜下面那点空间，你让一米七的机器人蹲下去够东西？          不同环境天然需要不同的身体，用一种形态解决所有问题，就像用一把螺丝刀拆所有电器——理论上也许行，实际上一定不行。然而，赛季剩余部分的合同是根据常规赛剩余天数按比例计算的，所以他们本可以在赛季后期将杰米森的合同转正，而不用担心超过第二土豪线。

据ESPN的戴夫-麦克梅纳明报道，湖人队还表示“喜欢”他们进入季后赛时的阵容化学反应，不想通过裁掉某个人来转正杰米森从而破坏这种化学反应。         梅卡曼德创始人邵天兰在达沃斯世界经济论坛上说过：物理AI不指向某一种具体形态，而是一套通用能力。

八 | 也许莱恩对球队的更衣室氛围来说是个重要因素，但他在赛季后期连续11场比赛没有登场。从化学反应的角度来看，裁掉他真的会有那么大的影响吗？

诚然，湖人队如果依赖一个在过去两个赛季里效力过四支球队的双向合同球员，可能会自找麻烦。但话说回来，如果他们在常规赛后期给杰米森更多的上场时间，也许他就能更好地在季后赛中打几分钟。         真正决定机器人有没有产业价值的，不是它像不像人，而是能不能快速适应复杂环境、完成真实任务、用足够低的成本实现部署。毕竟，主教练JJ-雷迪克在3月中旬告诉记者，杰米森“已经真正赢得了教练组的信任”。         所以梅卡曼德的策略是「一脑多形」：同一套「眼脑手」，装进人形机器人、双臂轮式机器人、半身人形机器人、工业机械臂都行。         身体百花齐放没关系，脑子得是同一颗。

九 |          这颗「大脑」到底长什么样          Mech-GPT多模态大模型是整套系统的核心，不只是个听懂人话的聊天模型。

现实地说，湖人队现在可能真的没有什么好的选择。         给它一句「把货架第二层左边那个蓝瓶子拿过来」，它得先弄清你要哪个瓶子，再用「眼睛」看清现场，然后把这句话拆成一串动作：移到架前、伸手、抓稳、退出、送到前台。         难的是现场随时在变。自从他们取消了与威廉姆斯的交易后，实际上就注定了前场深度不足会成为他们在休赛期前的一个致命弱点。瓶子被碰歪、位置偏了、冒出新障碍，大脑就得当场改计划。他们只是不巧在季后赛首轮遇到了一支内线高度优势明显的对手。

如果湖人队能在第二场比赛中扭转局面，用小个阵容击败森林狼队，那么第一场比赛也许最终会被证明是个意外。         所以这颗「脑」至少干四件事：理解任务、感知环境、规划行动、监督完成——把「想做什么」「现场什么样」「下一步怎么走」「做完没有」串成一条闭环。但如果森林狼队继续凭借内线高度欺负他们，湖人队可能会后悔没有将杰米森的合同转正，哪怕只是为了给自己多一个尝试止血的选择。         这就是物理智能和文本智能最大的不同：答题，打完字就结束；干活，只有瓶子真拿到、工件真放准、插头真插进，才算完成。         比如，现场Mech-GPT多模态大模型的人机交互单元演示。

十 | 观众走到屏幕前，用自然语言跟机器人「聊天」——你可以随口说「把积木按顺序排好」，它听得懂、想得明白、做得到。

。不是固定的语音指令识别，而是真正理解你在说什么、你想干什么。

十一 |          播放          下一个          打开循环播放          00:00     /     00:00          倍速          3.0X     2.0X     1.5X     1.25X     1.0X     0.75X     0.5X          多音轨          AirPlay          0          静音播放中，点击 恢复音量          画中画          网页全屏          全屏          你可以 刷新 试试          视频信息     1.33.6          播放信息 上传日志 调试信息 [X]          视频ID     VID     -          播放流水     Flowid     -          播放内核     Kernel     -          显示器信息     Res     -          帧数     -          缓冲健康度     -          网络活动     net     -          视频分辨率     -          编码     Codec     -          mystery     mystery     -          按住画面移动小窗          再说「手」。光知道该做什么还不够，还得做到。

十二 | 世界动作模型配合新一代Mech-Hand灵巧手，把高层指令翻译成抓、捻、拿、握、敲、插接等精细动作。WAIC现场亚毫米级线束装配，就是「手」的极致体现。         最后说「眼」。

十三 | 高精度3D视觉加上透明物体成像算法，让机器人在复杂光线、杂乱料框、狭窄货架中精准识别物体的位置、形状和材质。         传统算法面前一个玻璃杯和「什么都没有」差不多，但梅卡曼德的算法能把透明瓶子看得清清楚楚。

十四 |          一句话：眼睛看清世界，大脑理解任务，手把想法变成动作。

十五 | 三者合在一起，不是某台机器人的专属技能包，而是一套通用智能底座。         通用性和泛化性不是口号，要靠难题来证明          「通用」和「泛化」在AI行业快被说烂了。

十六 | 梅卡曼德在WAIC上的回答是：你说「通用」和「泛化」，我用场景验证。         跨形态——同一套智能进入人形机器人、双臂轮式机器人、工业机械臂，形态不同，都能干活。         跨物体——不只认识规则工业零件，还认识几百种日化、食品、玩具、文具，连透明的、柔软的、反光的都能识别。         在WAIC现场的分拣单元，面前堆了几百种乱七八糟的物体——日化用品、文具、水果、蔬菜、玩具、零食——十几种类别，机器人一件件拿起来，扫一眼，准确丢进对应的分类框。         跨环境——深筐、货架、流水线、狭窄空间都能应对。         跨任务——搬运、分拣、装配、取货、协同作业，不需要每换任务就从头开发。         但更关键的是硬指标。工业客户不关心动作帅不帅，就看核心指标：速度、成功率、精度等。高速抓取单件小于2.4秒，线束装配亚毫米级，双机协同全程无人干预——这说明梅卡曼德展示的不是实验室Demo，而是接近真实生产要求的系统。

十七 |          比如，现场中一只机械臂在杂乱料框里高速翻找，每抓一个五角螺母不到2.4秒。你还没看清怎么定位的，零件已经稳稳落在传送带上。         真正的护城河：从1套到27000套          具身智能有一个残酷真相：让机器人成功表演一次不难，难的是换工厂、换国家、换物体后，还能快速上线稳定运行。难的不是Demo，是部署。         邵天兰说过一句很实在的话：问题不在硬件。速度、精度、负载、成本，今天的机器人都够用了。真正限制规模化的，是部署难度。         真实工业环境里，一套系统要稳定跑起来，往往得机械、电气、方案、软件、AI一大帮工程师折腾几周甚至几个月。这种「手工作坊」式交付没法复制，成本摊不下来，最终「算不过账」。

十八 |          梅卡曼德的解法是用标准化「眼脑手」组件，打通「感知—决策—规划—执行—数据反馈」的完整闭环，尽量减少人工调试。         而部署量够大后，一个更强的机制开始启动——数据飞轮。

十九 | 机器人在汽车、物流、锂电、3C、家电的真实产线上，每天都在遇到新物体、新光线、新任务：          大规模应用产生真实数据→数据提升模型泛化性→模型降低部署难度→更快进入更多行业。         飞轮一旦转起来，后来者追赶的难度是几何级增长的——你追的是一个越跑越快的对手。

|          而这套能力的规模，早已不只在国内。截至目前，梅卡曼德全球累计部署超过27000套产品。         能在完全不同的工厂标准、机器人品牌、集成商体系里都稳定落地，靠的不是把货卖出去，而是十年、27000套一个个磨出来的兼容性。

|          27000套，不是27000次演示——每一套都在真实产线上跑着。         全球化不是卖货     是一种综合能力          「全球化」不只是把产品卖到海外。真正难的是：能不能适应不同国家的工厂标准？兼容当地主流机器人品牌？跟当地集成商体系打通？提供及时的本地服务？这考验的是研发、标准化、交付和服务的综合能力。

|          梅卡曼德覆盖近50个国家和地区，服务100多家《财富》世界500强客户，国内细分领域连续6年市占率第一。

| 它在美、日、韩、德都设有团队，能适配市面上几十个品牌、上千个型号的机器人，欧美日韩主流市场市占率领先。         这是用十年时间、27000套部署一个个磨出来的兼容性。         正如邵天兰所说——出海不仅仅是一项任务，更是一种能力。能在全球不同市场做到标准化交付和规模化部署，本身就是技术成熟度和产品化水平的证明。         物理AI不是一场表演赛，而是一场部署能力、数据积累和产品标准化的马拉松。在这条跑道上，27000套已经跑完的路程，就是最好的简历。         编辑：大卫 所罗门。

Current article:http://p402j.jiubengtaibingpengou.pics/3li/20260826/4754.html

Published on:21:43:07