Axis 平台让普通人能参与具身智能趋势

我社群里有两个比较活跃而且熟悉的群友，在这里用简称吧，一个叫FF，一个叫YY。

FF在湾区做具身智能，算法工程师，年入三百多万人民币；YY在国内做具身智能，收入放在国内也非常高。

今天还发现了一个在日本做存储的，年入七位数人民币

这几年 AI 确定的一条趋势，就是人才和资本都在往 Physical AI 聚集。

但我们不是每个人都会机器人算法，也不是每个人都有机会进入宇树、Figure、Tesla 这些公司，更不可能每个人都在家里买一台机械臂训练模型。

就像我现在也只是依然待在软件公司，不过我们公司的业务也是AI相关的。

那么普通人到底怎么参与具身智能这轮趋势？

我看到了一种很有意思的路径，就是给机器人提供数据。

大模型为什么发展这么快？

因为我们已经替它积累了几十年的互联网。网页、书籍、代码、图片，天然就是训练数据。

机器人没有这么幸运。让机器人学会「把面包放进烤箱」，它真正需要理解的是一长串连续动作：看到面包 → 判断位置 → 控制机械臂 → 抓取 → 移动 → 避障 → 对准烤箱 → 放下。这样一次完整的动作过程，在机器人领域叫做 Trajectory，轨迹数据。

Physical AI 想真正从实验室进入家庭、工厂、商店，需要海量这样的数据。

问题恰恰也在这里。现实世界的数据太贵了。机械臂要钱，场地要钱，操作员要钱，而且一台机器人同一时间只能干有限的事情。

Axis 做的事情，是把其中一部分搬进浏览器。平台里已经有大量非常具体的机器人任务： 打开冰箱、打开抽屉、拿起物体、移动物体、在厨房里导航……

普通用户通过模拟环境控制机器人完成任务，每完成一次，就会产生一条 Trajectory。我看的时候，已经有 415 万+ Trajectories，15.6 万+ Users。

具身智能发展到今天，一个变化正在慢慢发生，以前我们谈参与 AI，通常想到的是买英伟达 $NVDA 、买机器人股票，或者去 AI 公司上班。

但我们不是每个人都有机会成为具身智能的从业者。至少还可以参与 Axis 这样的项目，真正进入这条数据生产链里。

LLM 时代，人类无意中用几十年创造了互联网，最后喂出了 ChatGPT。

Physical AI 时代，我们可能会第一次有意识地，一条一条教机器人理解这个世界。

如果你也想自己去看看：

接下来我会把具身智能的更多趋势、公司与股票，还有 @axisrobotics ，一起带大家了解。

因为把机器人造出来只是第一步 真正让几百万台机器人学会干活，或许才是更大的生意