模型又快又便宜，机器人成最大赢家

OpenAI核心产品与平台负责人Tibo放话：市场还没理解三件事——互联网大部分行为将改由智能体完成、模型正以惊人速度变得更便宜更快、所有模态终将无缝打通。几乎同一时间，Perplexity把自己的检索引擎p99延迟从800毫秒砍到65毫秒。一个是叙事，一个是工程，但把它们摆在一起看，结论很清晰：智能体的单位智能成本曲线正在陡降，而这条曲线斜率最陡的受益者，不是搜索框，是开始走进物理世界的机器人。

📈 Tibo的三句话，市场为什么没听懂

圈内流传一句话：产品负责人看趋势，往往比发布会上的PPT诚实。Tibo这次给出的三个判断，每一条都指向同一个方向——交互入口正在迁移。

第一条，互联网大部分行为将改由智能体完成。翻译成工程师的语言：过去是“人点页面”，未来是“智能体调工具”。用户不再打开十个标签页比价，而是让一个智能体替他把检索、筛选、下单一次跑完。

证据不是概念，是流量。Notion接入MCP后流量激增，被Tibo当作直接例证。一个协作软件接上标准化协议，就能吃到智能体生态的溢出流量——这说明智能体不是封闭在自己对话框里的，它开始向整个软件世界伸手。

第二、第三条——模型又便宜又快、模态无缝打通——我们后面拆。先说第一条对机器人行业的含义：具身智能，本质上是“长了两条腿、一双手的智能体”。数字侧的入口迁移逻辑，会以极快的速度外溢到物理侧。当互联网行为被智能体接管，下一步自然就是物理世界的搬运、巡检、装配被具身智能体接管。

业内不少做机器人的朋友私下讲：以前融资讲本体硬件，现在LP开口就问“你的模型调用成本是多少、回路延迟是多少”。这不是刁难，是行业判断标准真的换了。

⚡ 65毫秒：一次典型的“叛逃”开源叙事

先看一组硬数字：

故事线很典型：Perplexity起家时fork了一个开源检索引擎，撑起了AI原生搜索栈。但随着流量上来，开源组件成了性能天花板。于是这家公司选择“叛逃”——用Rust从头写了Photon，一个自研的检索与排序引擎，替换掉当年的fork版本，现在承接全部生产流量。

请求链路并不复杂，复杂的是把每一环的尾延迟压下来：

800ms到65ms，不是优化了8%，是把p99延迟压掉了大约92%。这个数字对聊天窗口来说只是体验升级，但对智能体来说完全是另一回事——检索质量的上限由模型决定，下限由延迟决定。

算一笔账：一个智能体完成一次复杂任务，可能要发起十几次检索。旧引擎800ms的p99意味着串行检索会成为整条链路的主瓶颈；65ms意味着一轮推理里可以并行铺开十几次检索而几乎不拖后腿。延迟每降一个量级，智能体的“思考密度”就上一个台阶。

产业判断也很直白：当基础组件成为瓶颈，头部公司自研是宿命。检索引擎如此，未来机器人本体的实时控制芯片、执行器，大概率也会重演同一个剧本——先用开源和通用件跑通产品，再用自研件吃掉成本和延迟。

🔋 模型变便宜变快，机器人是延迟最敏感的客户

Tibo的第二条趋势——模型会以惊人速度变得更便宜、更快——常被解读成“API又要降价了”。但在机器人行业的人眼里，这是完全不同量级的事。

原因很简单：聊天可以等三秒，机器人不能。

一个机械臂做抓取，一个人形机器人在仓库里行走避障，感知—决策—执行的闭环对延迟的容忍度，比任何网页应用都苛刻。这里有一张智能体基础设施向物理世界延伸的全景图：

这张图的关键在于：数字侧的每一层优化，都会顺着链条传导到物理侧。Perplexity把检索p99压到65ms，是C层的进化；模型变便宜变快，是A层的进化。而机器人站在这条链条的最末端，是所有上游进步的“净受益者”。

更实际的是成本乘数。一次机器人任务的模型调用次数，远高于一次对话——感知要调、规划要调、异常处理还要调。Tibo说的“惊人速度变便宜”，在这个乘数结构下被放大。业内一种被广泛认可的说法是：机器人的每小时运营成本，正在从“硬件折旧主导”切换到“模型调用主导”，而后者恰恰是当下下降最快的变量。

这也是为什么2026年具身智能的叙事，正在从“本体摞参数”（自由度、负载、续航）转向“单位任务成本”。谁的模型又快又便宜、谁把延迟压进控制回路能接受的区间，谁就先跑通商业化。

🤖 模态打通与MCP：机器人侧的接口红利

Tibo的第三条趋势是：所有模态终将无缝打通。这条对机器人行业的意义，可能比前两条加起来还大。

看两个信号。其一，Notion接入MCP后流量激增——工具调用协议标准化带来的生态爆发，是可以用流量直接验证的。其二，多模态打通一旦完成，机器人就不需要一条独立的“机器人专用大模型”技术路线：一套模型能看图、能听声、能理解语言、能输出动作，视觉—语言—动作在同一个模型空间里对齐。这正是当前具身智能最热的VLA路线想解决的核心问题。

协议层标准化对机器人的另一重价值常被低估：当智能体调工具的接口是通用的，机器人接入“数字工具电网”的成本就骤降。一台仓库机器人查库存、订电梯、调订单，理论上可以复用和办公智能体同一套调用协议，而不是每个场景单独开发接口。

把时间线摊开看，这条基础设施链的迭代节奏已经非常清晰：

所以对机器人创业者来说，正确姿势不是等一个“机器人专属大模型”从天上掉下来，而是现在就把多模态模型和工具协议吃进自己的技术栈——接口红利是先到先得的。

⚠️ 冷思考：三条趋势落进车间，还差几道门槛

话说回来，泼一盆冷水是必要的。数字世界的成功逻辑，不能原样平移到物理世界。

第一，智能体接管网页行为，错了可以重试——页面刷新、订单取消，都是可撤销操作。机器人在物理世界做动作，错了没有undo按钮，一次错误的抓取可能就是安全和财产损失。这意味着机器人对模型错误的容忍度，比数字智能体低好几个量级。

第二，65ms是检索排序的延迟，不是控制回路的整环延迟。从摄像头进光、到模型出动作指令、再到执行器响应，中间还有感知预处理、推理、通信、驱动一整条链。检索引擎的进步是必要条件，不是充分条件。

第三，便宜不等于够安全。模型调用成本下降让机器人“跑得起”，但工业客户买的从来不是单次调用，而是可用性、一致性和责任边界。据多位接近头部本体厂商的人士透露，目前量产爬坡里最难啃的往往不是模型，而是交付侧的确定性。

这几点提醒指向同一个操作建议：机器人公司此刻该做的，不是追叙事，而是把现在便宜了一个量级、快了一个量级的模型能力，立刻吃进自己的控制栈和任务编排层——别人还在讨论趋势的时候，工程红利已经摆在了桌面上。

小结

Tibo的三条趋势与Perplexity的65毫秒，讲的是同一件事：智能体的单位智能成本，正在以远超市场预期的斜率下降。互联网行为的入口迁移是这个过程的第一站，而物理世界——巡检、搬运、装配、家庭服务——是弹性最大的下一站。对机器人行业来说，2026年的正确叙事不是等风来，而是趁模型变快变便宜、模态打通、协议标准化的窗口期，把数字侧的基础设施红利尽快搬进控制回路。这条曲线还在陡降，先把它变成产品的人，先上牌桌。