iPhone 包裝仍靠人手：Tutor Intelligence 談機器人作為系統問題

a16z Show 這一集請到 Tutor Intelligence 執行長 Josh Gruenstein，與 General Partner Martin Casado、Raghu Raghuram 對談。節目片長約四十五分鐘，YouTube 於 2026 年 11 月 2 日公開。Tutor 總部位於美國波士頓一帶，約一百六十人；主張先把機器人部署進真實工廠與倉庫，再用人類「tutor」（遠端協助操作、教機器做新任務的人）補足模型還沒學會的最後幾步，並把過程變成可訓練的資料飛輪。

開場鉤子很直接：連 iPhone 這類規模最大的消費電子，包裝與裝箱仍大量依賴人手。Josh 的核心主張不是「模型再大一點就好」，而是機器人是跨模型、硬體、軟體、供應鏈與客戶的系統問題；美國每年部署的工業機器人數量仍相對少，多數工廠與倉庫屬於第一次買機器人的綠地市場。

先想工作，再談模型

Raghu 開場觀察：他看過大量機器人新創簡報，絕大多數從模型洞見或資料形狀起講，很少人先想清楚機器人最後要做什麼工作。Tutor 卻反過來，從「能不能把人接進機器、先把活幹完」出發。

Josh 用思想實驗說明：假設有無限強大的軟體，可以把地球上任一人的肢體智慧遠端接到任一台機器人上，問題仍沒解決。美國機器人產業仍像作坊；製造、物流這類相對自動化的行業裡，機器人占比仍接近小數點後的誤差。軟體棧不完整，客戶也不存在，因為機器還做不了客戶真正要的工作。因此不能只押智力層、硬體層或客戶層，必須把三者合在一起。他內部把 Tutor 定位成「終極系統公司」，而不是單一技術層的公司。

Martin 追問：Josh 有 MIT 機器人背景，但對話聽起來更像在談單位經濟、營運與 go-to-market。哪個比較難？Josh 的回答是「全部都要做」。當年當純機器人研究員時，他的優勢就是願意跨製造、硬體、甚至 FPGA／ASIC 做取捨；少碰一層，就砍掉九成可前進的空間。創業後更清楚：全棧不只是模型加硬體加軟體，還包含供應鏈、客戶與產品。過去機器人新創很少出現真正大規模經濟成功，他認為原因有二：缺少可用的「智力原語」把單位經濟拉到可接受水位；市場高度拆散，各層玩家彼此對接，卻缺少能跨層做權衡的角色。

Martin 補上自己在業界的觀察：多數機器人公司從水平層（例如先做模型）起步，最後幾乎都被迫垂直整合。他問這是市場不成熟的階段現象（像早期汽車），還是實體世界本質上就無法像數位計算那樣水平化？Josh 認為主要是成熟度問題，類似早期運算市場。目標應是做出通用平台，讓非機器人公司也能在上面長出實體業務，就像今天軟體公司不必自己想晶片架構。他願意承認：若實體世界缺少乾淨抽象，路徑會不同；但人形（或類似通用形態）可以扮演接近 CPU 的角色：不夠為每個用例極致優化，但通用到足以承載多數工作。市場會從客製專機，走向通用形態，再在市場夠大時重新特化。

為什麼叫 Tutor，tutor 會不會消失

Raghu 問公司名從何而來。Josh 說：數位世界的人類智慧已透過社群貼文、郵件等方式「聯網」，自然長出可訓練 LLM 的資料；實體勞動卻沒有同等聯網。你拿起咖啡杯，指尖壓力與姿態幾乎沒被記錄。Tutor 的賭注不是「零資料突然冒出實體智慧」（他認為那與電腦視覺、NLP 的實際路徑不符），而是部署機器人網路，用稱為 tutor 的人類遠端操作者教機器做新任務，逐步建成「機器人訓練資料的網際網路」。部署當下就創造經濟價值（讓商品更便宜），因此是正和過程。公司名強調的是這種「tutor 智力」，而不只是人工智慧。

Raghu 分享投資前訪談客戶的經驗：多數客戶不太知道、也不太在意當下是人類 tutor 在控，還是學習模型在跑；介面被做得夠順。Josh 把這當成機器夠好的訊號：客戶該記住的是洗髮精單位成本便宜了五美分，而不是「機器很漂亮」。若反饋停在機器外觀，通常代表機器不夠好。

tutor 未來要不要拿掉？Josh 用務實單位經濟回答：把 tutor 的營運複雜度與成本，對照用 H200 這類 GPU 跑推理的成本結構與利用率；再問模型還缺哪一種人類才有的異質智力。工程硬把最後幾個九擠進模型，對上保留 tutor，是可以跨層權衡的商業選擇，不是意識形態。

Martin 提出反方：生成式 AI 的經濟奇蹟，某種程度上是「訓練分布進、經濟價值出」；機器人卻常在略出分布外就失敗。tutor 能否真正縮掉？Josh 認為關鍵仍是資料從哪來：若應用層一邊創造價值、一邊持續產出真實世界軌跡，飛輪才站得住。節目後段他也說，目前成本結構裡，持續的推理與遠端操作占比已高於傳統「大筆 CapEx、十年攤回」的想像；維修與故障排除也算進去，且公司會同步把各項成本往下壓。

前沿模型如何加速機器人

Raghu 問到模擬、空間推理與 frontier 模型（節目中提到 Astra 一類）對機器人的影響。Josh 說這是質變：過去大模型裡其實存了大量世界知識，但缺「最後一哩」的空間推理，難以接到可執行動作的頭部。實驗室開始用 CAD、三維建模等空間資料做後訓練，直接對應機器人需要的空間能力，等於把時間表往前推了好幾年。因為 Tutor 視自己為系統公司，前沿模型進步對他們是加速器，而不是「大廠模型一出就吃掉午餐」的單一威脅。公司 2021 年起步時還大量用卷積網路；供應鏈與硬體也必須從「為系統整合商、為高速重複運動而設計」的舊工業臂，改成能與 frontier 模型共同設計的形態。目前致動器、相機等仍向大規模 OEM 採購，但整機（可移動底座與手臂組合）在麻薩諸塞州 Watertown 自製。

Cassie 與 Sonny：兩種身體，對準美國室內物流

Tutor 目前主推兩款。Cassie 偏「蠻力」：單臂、大量吸盤，模型規模約兩億到四億參數量級，針對美國實體經濟裡幾乎一切都要上棧板、進紙箱所產生的搬運手工作業。Sonny（節目字幕與官方章節用此拼法；口語聽起來接近 Sunny）是工業向半人形：輪式而非腿式（多數室內廠房地面平整），更高負載、更快移動，並符合可與人協作的工業安全標準。波士頓有約一百台 Sonny 組成名為 Data Factory One 的資料場，做內部研究與真實世界強化學習；同時也有越來越多 Sonny 在客戶現場做更需靈巧、雙手操作的工作。

Raghu 問產品線要三種形態還是三十種。Josh：若只鎖定製造與物流室內，「有用市場」的八成到九成，Cassie 與 Sonny 這類針對該切面設計的身體就能覆蓋大半。他提醒觀眾別只記得電視節目《How It's Made》裡那些幾乎看不到人的魯布・戈德堡式產線：那往往是美國製造物流的極頂端一小撮；走進百萬平方英尺的廠房，更多是輸送帶與摺疊桌旁的人手。Cassie 對準的是難招工、平均年齡偏高、流動快、又傷身體的重勞動；Sonny 對準的是「幾乎每樣進紙箱的商品，當初都是人裝進去的」，包括一般人以為早已全自動的 iPhone 包裝。

Martin 問做不到什麼。Josh：目前出不了戶外。重點不完全是移動方式口號，而是硬體取捨：輪式加有限牽引，過不了碎石地。建築工地、掩埋場回收等機會，未來可能需要腿式，成為產品家族的一環。家庭場景經濟與安全門檻也不同：工廠裡一台 Tutor 機器人創造的價值，很少家庭願意用同等價格買單；且 Cassie／Sonny 對住家來說仍太工業、外形也偏「嚇人」。哲學仍是：先在多層棧做取捨站穩腳跟，平台長大後再減少取捨。

第一次買機器人的客戶，與中小企業

Raghu 問採用心態。Josh：幾乎每位買家都是第一次買機器人。若美國一年只部署約三萬八千台、九成工廠與倉庫仍零機器人，市場本質是綠地。客戶腦中的自動化仍是舊世界的系統整合專案，會預設「機器人對我沒用」。突破口不是先講 AI 或 tutor，而是：「有沒有考慮過一台每小時十六美元的機器人？」商業模式把供應商與客戶誘因對齊後，通路速度可比傳統工業自動化快幾個數量級：平均從首通到簽約約四十到六十天，簽約到現場開工約四十天，常在到場當天甚至前幾小時就進入產線。機器不客製、從工廠直送到客戶，客戶也不扛大筆 CapEx 風險。

部署後營運端態度很務實：看見能幹活，就會想把同樣工作複製到所有需要的點；小企業與供應鏈大型公司都有從一台擴到十多台、跨多據點的案例。Martin 問會不會像生成式 AI 使用者對模型產生情感、難以替換。Josh 引一句網路說法大意是：機器人還是機器人；一旦真的能幹活，大家就當它是設備。工廠經理層多半如此。但買家（COO／總經理）與使用者（整天跟機器共事的產線員工）不是同一人，仍需經營現場關係。人機互動（HRI）研究有一整套做法，例如每台機器有名字；客戶續購時可命名，現場員工會用孩子、球星或流行歌手的名字。對產線員工，機器減輕重勞動、讓人升到較高崗位；對廠長，日常管理負擔下降。命名早期曾用颶風式字母輪替，重複太多次後改由技術人員挑讓自己開心的名字。

Raghu 對客戶結構感到意外：許多機器人公司追 Fortune 50 實驗預算，Tutor 卻有顯著比重落在在地與中型企業。Josh：那就是市場主體；同時也是刻意避開「只接一家巨頭客製兩年、產品一次做完就失敗」的路徑。多元客戶是迫使產品變成通用平台的壓力：一般能力的身體跑一般能力的模型，簽約後很快就能上工，而不是為單一客戶做魯布・戈德堡機。成功極限下，他預期「變便宜就會多買」的財貨會擴張，也會觸發不連續點：例如某住房工廠線上成本若只比現場施工貴約百分之五，一旦能便宜哪怕百分之一，開發商需求會整批轉向工廠化建造；回收與其他市場也類似。家庭場景不排斥，但技術與經濟要另算。

產品迭代上，Tutor 自製硬體，目標每兩週推動製造流程變更，程式則每日或每兩週重大釋出；產品、客戶成功與導入視為緊貼客戶的同一大團隊，研究團隊一邊嵌進客戶問題、一邊做建模 moonshot。官網有定價試算：客戶填入營運數據，可估初步部署節省的年費；敘事是「兩個月後就能開始省，不必先砸 CapEx」，而不是五年客製藍圖。需求很大，但往往不是客戶本來就「想買機器人」，而是勞動市場流動、單位經濟可比較之後，整個體力工作市場都成了潛在市場。採購已進入策略勞動規劃，而不只是黑色星期五臨時搶產能：客戶知道人力老化、需求上升、成本基礎上升，毛利又沒有軟體公司那樣的緩衝，需要長期機器人夥伴，自己專心做除臭劑或蠟筆等本業。

工廠區位、中國與美國供應鏈

Raghu 問：若機器人越來越通用、可送到各地，對工廠區位與「一鎮一廠」式組織意味什麼。Josh：地緣政治會變。中國大舉投資上一世代工業自動化，在舊體制下很成功；但若下一波是綠地式、用通用機器人重建產能，美國反而少了「先拆舊自動化再重建」的包袱。另一變化是工廠數量可能像雲端與軟體工具催生更多公司一樣暴增：若有彈性的勞動底層，更多人能開、能放大實體事業。

Martin 提到 a16z 發表過機器人供應鏈報告，中國在供應鏈中很核心，並問依賴與風險。Josh：到 2026 年，全球供應鏈仍高度互依；美中公司都在想長期工業能力布局，包括彼此投資。Tutor 會隨量體上升而更垂直：供應商從 OEM 變成實質代工後，關係與「該不該自製」會改變。他認為 Tutor 要成功，美國需要成熟的機器人供應鏈；作為需求端的重要買家，公司有義務也有機會大力投資美國產能，這也是為何在 Watertown 造機，並預期把更多零組件垂直化留在美國。

真實世界強化學習與團隊

Martin 把話題拉回研究：各種機器人學習路線誰會勝出，Tutor 怎麼押。Josh 對照 LLM：異質資料很多，但資料金字塔頂端是真實世界強化學習軌跡。他們在波士頓建約一百台規模的 Data Factory One，自稱是美國同類半人形資料收集場中最大之一，用來做小批量玩不起的真實世界 RL。招聘面很廣：研究、工程、技術員，以及硬體、材料、電子等；沒有哪一層可以完全丟給別人還假裝懂。獨特之處是早上還在白板上談模型架構，下午就能看產線上機器表現。團隊遍布美國，go-to-market 與現場技術員跟著客戶分布。

這對讀者代表什麼

這一集適合用來校正「機器人等於再訓練一個更大的視覺－動作模型」的捷徑。Josh 的主張是：美國多數廠倉還在第一次買機器人；勝出條件是跨層取捨、以工作與單位經濟切入，以及部署當下就創造資料與營收的飛輪。Martin 的視角偏系統與產業結構：水平起步的新創為何被迫垂直、生成式 AI 的「分布進分布出」邏輯能否直接搬到實體、供應鏈如何本土化。Raghu 的視角偏客戶與產品：多數簡報從模型起講的盲點、中小企業才是市場主體、第一次買家要聽的是每小時十六美元與兩個月內上線，而不是技術故事。

對一般讀者，最直覺的畫面是：你買過的紙箱商品，背後仍可能是人手裝箱；通用室內機器人若把單位成本壓到可與人力市場比較，影響的是整條實體經濟，而不只是「酷炫人形 demo」。對關注製造業回流與美中供應鏈的人，節目把「綠地自動化」與「拆舊專機再建」的不對稱講得很清楚：這是策略敘事，不是保證路徑。

未來投資可以留意的方向

以下為依節目內容延伸的觀察方向，不構成個股建議：

• 機器人即服務／按小時計價：相對傳統大筆 CapEx、長回收期專案，經常性推理與遠端操作成本占比上升後，軟體毛利、利用率與現場導入速度如何定價。
• 全棧垂直整合 vs 水平模組：在市場仍不成熟時，自製整機、自建資料場、自有 GTM 的公司，與只做模型或只做手臂的公司，資本密集度與失敗模式差異。
• 綠地中小製造與物流客戶：第一次買家、四十至六十天成交週期、多點複製部署，是否比單一巨頭客製合約更能驗證通用產品。
• 實體資料飛輪：tutor 遠端操作、客戶現場軌跡、百台級 Data Factory 做真實世界 RL，是否成為難以複製的資料壁壘。
• 前沿模型空間後訓練外溢：CAD／三維後訓練若持續，系統整合型機器人公司的研發槓桿，以及「大模型吃掉應用層」敘事是否被削弱。
• 美國機器人供應鏈重建：OEM 轉實質代工、關鍵零組件垂直化、Watertown 一類在地製造，對資本支出與地緣風險溢價的影響。
• 形態演進：室內輪式半人形與單臂吸盤之後，腿式戶外、建築與回收，以及家用形態的經濟門檻何時被重新定價。

來源（聽後整理）

• 節目：a16z Show，What iPhone Packaging Reveals About the Robotics Opportunity
• 主持人：Martin Casado、Raghu Raghuram（a16z General Partners）
• 來賓：Josh Gruenstein（Tutor Intelligence 共同創辦人暨執行長）
• YouTube：https://youtu.be/lXkjXSul6yg
• 時長約 45 分鐘；公開日 2026-11-02

非逐字翻譯、觀點整理，不構成投資建議。