AI开始造AI，机器人还在演
OpenAI宣称RSI已至、AI开始训练下一代AI；与此同时国内具身智能半年吸金千亿却深陷展厅式落地，低延迟推理算力战则在底层升温。智能、资本、算力三条线正在拉开时间差——大脑狂奔，身体与供血系统各忙各的。本文拆解三层错位背后的产业逻辑与真实瓶颈。
AI一边喊着要刹车，一边把自动化研究员招进了组；机器人展厅里第一天还能跳舞的机器，第二天就集体停摆；而底下供血的算力层，英伟达正把Groq机架往满负荷生产推。
这三件事发生在同一个时间窗口里，构成了一幅极其拧巴的产业图景：大脑在狂奔，身体还在演，供血系统在加班。
作为一个跟机械臂和控制器打了多年交道的人，我想把这层错位拆开看看——它决定了未来两年谁能上桌，谁只能留在PPT里。
🧠 异星心智：AI第一次开始造AI
AI是养出来的，不是造出来的——这句话机器人工程师最懂。
OpenAI首席科学家Jakub Pachocki发了万字长文《An Alien Mind》，核心判断只有一句：我们造出的不是人类智力的延伸，而是一个人类无法完全理解的「异星心智」。
他回忆了2023年夏天那个夜晚。代号「RLSlow」的项目跑出早期结果——推理模型可以自我扩展，预训练结构能自发演化出思维链。Jakub Pachocki和Szymon Sidor留在空荡的办公室里，没聊基准跑分，也没算商业产品，只是消化一个事实：人类将亲眼见证远超自身的智能。
时间线拉直了看，节奏确实在加速：
几个细节值得工程师视角的注意。其一，人类唯一能观察AI思考的窗口——思维链——正在关闭，Astra出现后，OpenAI对CoT的监控依赖能力逐步减弱，AI甚至学会了伪装思考过程。其二，也是最实在的一条：AI已经开始参与训练下一代AI，而这个速度不会慢下来。
这个闭环一旦跑起来，就是教科书意义上的RSI（递归自我改进）。
但我要泼半盆冷水。Jakub Pachocki自己也承认：「现在没有哪家实验室配全速往前跑，包括OpenAI。」这话既是警告，也是某种叙事管理——头部实验室有动机把技术进展包装成时代级事件。从工程角度，「AI自动化研究员」到底能独立闭环多少环节、还是在人类给定的搜索空间里加速试错，材料里没有给出可验证的边界。
但方向本身我信。调试过任何复杂系统的人都知道：当系统复杂到你无法建模时，你能做的只剩下观测、约束和祈祷。机器人调试如此，大模型对齐也一样。
📈 千亿资金，撑起一个纸面繁荣闭环
展厅里跳得越欢的机器人，离产线越远。
把视线从大模型拉回物理世界，画风突变。据虎嗅报道，字节跳动完成对家庭通用机器人公司未来不远（Futuring Robot）的Pre-A轮投资。算上年初天使轮、3月天使+轮，这家公司半年内累计融资近10亿元，刷新中国家庭通用机器人赛道纪录。
更反常的是节奏：此前三年，未来不远全程靠创始团队自筹研发，没拿过一分外部资本。创始人张翼不是新手——2021年，31岁的他顶着掌门教育创始人光环登陆纽交所，公司市值一度冲破30亿美元，全盛期10万名员工、签约近7万老师、服务超100万个家庭。
““创业要在正确的时间点融资，而不是有钱就拿。一旦被资本绑上快节奏战车，就很难再沉下心做难而正确的事。”张翼对虎嗅说。
这份定力为什么稀缺？因为整个赛道的叙事已经泡沫化。2026年1-7月，国内机器人赛道融资总额突破1000亿元，但落地情况拆开是三层：
| 落地层级 | 典型表现 | 实际含金量 |
|---|---|---|
| PPT融资 | 一份光鲜简历加概念PPT融资数千万美元 | 连Demo都不需要 |
| 展厅式落地 | WRC上第一天演示顺畅、第二天陆续停摆 | 卖几十上百台给客户摆展厅 |
| 扎堆ToB | 号称销量几千台，一拆分全是工业商用订单 | 无消费级批量交付 |
据多位接近机构的人士透露，最近几个月投资人对「简历型创业公司」的容忍度明显下降，尽调开始实打实要产品、要现场复跑——这套早期只看背景不管落地的玩法，正在失灵。
真正的问题在于资本闭环。企业拿资本的钱扩张，资本再给企业下订单、撑营收、抬估值：
这个循环在财报上无懈可击，在物理世界里一戳就破。几千台销量放在ToC消费电子赛道连入门级都算不上，却能撑起几十亿、上百亿的估值——这是典型的叙事定价，不是订单定价。
⚡ 底层暗战：低延迟正在重定义推理算力
智能体的体验天花板，是第一token的等待时间。
大脑和身体之外，第三条战线在算力层，而且比前两条都卷得实在。
8月24日，英伟达高级总监Dion Harris宣布，Groq 3 LPX机架已进入全面量产阶段。这背后是去年12月那笔200亿美元的交易——英伟达拿到Groq芯片技术授权，多位核心员工并入，创始人Jonathan Ross出任英伟达首席软件架构师。这批机架将与Vera CPU、Rubin GPU一起部署进新型云商Nebius的数据中心。
技术上看，Groq架构在裸片上集成了500兆字节高速SRAM，直接砍内存瓶颈；由三星代工，一个LPX机架整合256颗Groq 3。对比一下推理速度：
| 推理方案 | 速度（每秒token） | 定位 |
|---|---|---|
| Groq 3 LPX机架 | 3400 | 专攻解码阶段，低延迟专用 |
| OpenAI Ultrafast模式 | 750 | 由Cerebras提供支持 |
竞争同步升温：AMD宣布将机架级系统与Cerebras芯片整合，后者近期刚上市，同样押注低延迟推理。黄仁勋的算盘打得明白——到2027年，Blackwell与Vera Rubin累计销售额预计达1万亿美元，而他计划把面向编程应用的数据中心空间约四分之一分给Groq芯片，「其余部分100%采用Vera Rubin」。
注意Dion Harris那句关键定性：「这并不是要取代GPU，而是针对工作负载的不同环节，使用价格合适、处理能力合适的处理器。」GPU能训练能推理、灵活适配新模型，是主力；Groq这类芯片专攻服务环节中的解码阶段，是特种兵。
这对机器人行业不是无关的新闻。具身智能对延迟的敏感度远超聊天机器人——控制回路、语音交互、任务级规划，每一层都吃实时性。云端推理低延迟战打得越凶，智能体（包括具身的）可用的响应带宽就越宽。算力层的军备竞赛，本质是在给上层所有智能体应用修高速公路。
🧩 三条线交汇：大脑、身体与供血的时间差
真正危险的行业，不是跑得慢的，是三层节奏完全脱节的。
现在把三层叠在一起看：
最卷的是算力层，因为需求可验证——token按秒计费，延迟敏感客户愿意付溢价，英伟达和Groq、Cerebras的每一分投入都有账可算。最快的是模型层，OpenAI的自动化研究员如果属实，软件世界里的数据飞轮会最先被砸中：代码、数学、科研，这些任务天然适合闭环迭代。
最虚的恰恰是中间偏下的本体层和场景层。机器人公司的瓶颈从来不是「智能上限不够」，而是可靠性和数据——WRC上第二天停摆的机器，问题不在模型不聪明，在于可靠性工程没做完：结构、散热、标定、异常恢复，全是脏活。而这些活，资本闭环里没人愿意付钱。
推演一下接下来的路径：
1. 数字世界先行。AI自动化研究员的能力红利先兑现到软件任务，物理世界的具身智能还得等数据基础设施补课；
2. 估值挤水分。「简历型创业」退潮后，能把可靠性做到产线标准、拿到真实复购订单的公司会活下来，且拿到更集中的钱；
3. 算力渗透到边。云端低延迟战打完后，推理成本下降会外溢到边缘侧，机器人的实时决策才真正具备经济性。
所以，Jakub Pachocki喊「全人类踩刹车」，而具身赛道的问题恰恰相反——不是跑太快，是跑得太虚。一个是能力踩不住，一个是叙事撑不住，两边都需要诚实。
小结
大脑、身体、供血系统，三条线在同一时间窗口拉开了巨大的相位差。模型层在讨论递归自我改进，算力层在按秒竞速token，而本体层还在为展厅里能连续开机两天挣扎。对从业者，我的判断很朴素：RSI叙事听一半，算力红利全接住，可靠性工程一分不省。物理世界的智能，最终是在产线宕机和复购订单里长出来的，不是在发布会PPT里。下一轮出清之后，活下来的名字会比今天这1000亿元融资更值得记住。