人类必须从头开始煞费苦心地学习一切——所有人类都必须学会走路、说话，然后完成学业并在大学里学习专业技能——但机器人可能能够完全跳过所有这些步骤。

机器人公司 Figure 的首席执行官 Brett Adcock 对机器人技术的未来进行了令人信服的阐述，他勾勒出一个人形机器人可以迅速超越人类学习和效率的愿景。他的中心论点围绕着共享神经网络的概念，即机器人舰队的集体意识，允许单个机器人的经验成为所有人的即时知识。他认为，这将创造一种前所未有的市场动态，这在高级硬件中是前所未有的。

Adcock 的愿景始于扩大生产的经济效益。“随着你向世界上投放更多可以做一些有用事情的机器人，人们会付钱给你这些机器人的成本。工作的单位产出会下降，因为你只会制造更多的机器人，”他解释说。“你将在制造业的经验曲线上上升。”

但根据 Adcock 的说法，真正改变游戏规则的因素不仅仅在于制造。还在于学习。“机器人将每天在市场上学习变得更好，它们将与集体车队分享，”他说。这与生物学习有着根本的不同。“不像孩子，孩子们必须学习如何走路。我的孩子必须学习如何走路。但是我们的机器人可以共享一个神经网络，并执行我们今天讨论的相同用例，或者您在这里看到的今天下线的任何其他机器人。

这创造了一个强大的反馈循环。“它会边走边学，当它犯错时，当它成功地做事时。它像人类一样学习，”Adcock 解释道。这对市场的影响是深远的，可能导致“赢家通吃”的局面。“我认为，这是先进硬件的首批行业之一，它可能是一个或多个赢家，甚至可能是一个赢家通吃的市场，其中一组拥有最便宜的机器人，也是最聪明的。”

在 Adcock 看来，对最有能力和最安全的机器人的渴望将推动这种整合。“你永远不会想要拥有愚蠢的员工。你不会想要你家里不是最聪明的人;这很危险。你会想要最聪明的员工，你会想要你家里最聪明的人。这也是最便宜的。

他最后强调了这种技术演变的独特性质。“它不像电脑、汽车或电话。它是一个活生生的代理，随着时间的推移，它会变得越来越好，越来越便宜。能够推出大量对市场有用的机器人的一个或多个团体将具有显着优势，并领先于其他所有人。

Adcock 的断言触及了人工智能和机器人技术领域最令人兴奋且具有潜在颠覆性的发展之一：车队学习的概念。与必须通过多年的学习和实践独立获取知识的个体不同，机器人网络可以即时分享经验和见解。世界上某个地方的工厂中的一个机器人犯的错误可能会在几秒钟内成为全球整个车队的教训。这可以防止相同的错误重复发生，从而大大加快学习曲线。

这个概念不仅仅是理论上的。我们已经在汽车行业看到了特斯拉和 Waymo 等公司的新兴版本。来自其车队的数据用于改进其完全自动驾驶能力，其客户驾驶数百万英里的经验反馈到系统中以提高其性能。Adcock 提议将相同的原理应用于一个更复杂的交互领域：通用人形机器人。

这对竞争格局的影响是惊人的。如果一家公司能够部署大量机器人并实现这种共享学习，它可能会创建一个几乎不可逾越的“智能护城河”。更大的车队会收集更多的数据，从而产生更智能的 AI，这反过来又使机器人对客户更有用和更具吸引力，从而进一步扩大车队规模。这种良性循环可能会使拥有较小或不太智能的车队的竞争对手难以迎头赶上。

该领域的最新发展强调了这一趋势。Figure 本身也取得了重大进展，最近与宝马合作，在汽车制造商的制造工厂部署了人形机器人。这为 Figure 的机器人提供了一个学习和执行任务的真实试验场，每一次成功和失败都有助于 Figure 车队的集体智慧。同样，拥有Optimus机器人的特斯拉（Tesla）和拥有Digit的Agility Robotics等竞争对手也在竞相部署他们的机器人并收集关键数据，以推动其AI的发展。

构建最智能、最有能力的人形机器人的竞赛不仅仅是关于复杂的硬件。这是一场构建最有效的学习生态系统的竞赛。能够掌握集体机器人学习艺术的公司不仅会引领市场，而且可以从根本上重塑未来几代人的劳动性质和生产力。