# 100美元的机械臂、299美元的桌面机器人，Hugging Face 想给机器人造一个 App Store

> Training Data No. 64 中文精读

- 原标题：Building the "App Store" for Robots: Hugging Face's Thomas Wolf on Physical AI
- 发布日期：2025-09-09
- 主持：Sonya Huang · Pat Grady · Konstantine Buhler 等
- 网页版：https://trainingdata.qiaomu.ai/ep/064-building-the-app-store-for-robots-hugging-face-s-thomas-wolf-RFKFaJ.html
- 精读字数：约 4903 字（阅读约 11 分钟）

> 本文为 trainingdata.qiaomu.ai 基于原始访谈的 AI 改写中文精读，非官方翻译；引用请注明出处并链接网页版。

一台机械臂，100美元，3D打印，图纸开源，在家就能组装。一个桌面小机器人，299美元，今年7月中旬开放订单，定价逻辑是可以当礼物冲动购买的那种。围绕这两件硬件，Hugging Face 攒出了一个6000到10000人的机器人社区，还办了一场覆盖六大洲、100个场地的全球黑客松。

说这话的人叫 Thomas Wolf，Hugging Face 联合创始人兼首席科学官。几年前，正是他推动公司把宝押在 Transformers 和语言模型上，才有了后来的 LLM 浪潮。2025年9月，他在红杉资本的播客 Training Data 里说，同样的味道又出现了，这次是在机器人身上。

## 他为什么觉得「又来了」

沃尔夫的判断始于两年前。斯坦福的几个团队陆续展示了机器人打结、叠衣服、颠锅抛起食物再接住，用的数据量非常少。他的原话是，硬件其实早就够了，「缺的那块砖，是能自适应、能动态调整的软件」。

于是18个月前，Hugging Face 启动了 LeRobot 项目。他的赌注是这样：**全球一两亿软件开发者正在集体变成「懂 AI 的人」，接下来他们中间会有一批人变成「会造机器人的人」，前提是有人把工具递到手上。**这个剧本他见过一次，Transformers 库当年就是把机器学习从少数实验室的手艺，变成了每个开发者 pip install 一下就能用的东西。

LeRobot 一句话概括，就是把 Transformers 的成功在机器人领域再演一遍：一个所有人共用的中心库，装着训练机器人最前沿的算法和数据集，往下再连到执行器，也就是硬件那部分。模型、数据、硬件，三条线在一个库里交汇。

社区数字还在指数增长，他最看重的指标是 Hub 上数据集的数量，曲线同样是指数形的。社区里的人分三类：被经典控制方法卡了很多年的传统机器人学者，最积极；原本搞 AI、觉得机器人是 AI 实体化的一群人，主动凑过来；还有学术实验室，把它当学生的入门教具。**不少投资人自费买了 SO-100 机械臂，就为了亲手摸一摸机器人到底能干什么。**拿到手就是一段 Python 代码，稍微用点 vibe coding 就能改，沃尔夫的目标是让小孩子都能给机器人改出行为。

开源在机器人里的分量，可能比在 LLM 里更重，他的理由是安全：

> 在机器人无处不在的未来，你会希望大量模型在本地运行。机器人断网之后撞墙，甚至撞到你的孩子，可比 LLM 幻觉严重多了。所以在安全这件事上，开源的角色可能比它在 LLM 世界里还要重要。

## 300美元的机器人，想重造一遍 App Store

主持人 Pat Grady 问，机器人的 ChatGPT 时刻什么时候来。沃尔夫说他更愿意叫 iPhone 时刻，他在等那个让普通人第一次冒出「我想要一个机器人」念头的场景。

他把市场拆成三块。工业那块不用聊，汽车厂里机器人早就成排了。商用那块卡在可靠性，机器人要在零售店里真的有用，还差得远。他真正感兴趣的是第三块：娱乐和教育。这块对可靠性的要求低，299美元的 Reachy Mini 就是按冲动消费定价的，买来当礼物，坏了也不心疼。

这个方向以前有人试过。MIT 媒体实验室的 Cynthia Breazeal 做过社交机器人，但价格都在1000美元以上，更要命的是软件：买回来就五到十个行为，全试完，机器人的生命周期就结束了。

Reachy Mini 的设计思路完全相反，沃尔夫说它要当一台「智能手机」：

> 它出厂带几个行为，但因为你可以改造它，别人可以造新行为、分享新行为，可以接上最新的视觉语言模型、语音模型、聊天模型，可能性几乎是无限的。这相当于重新打开一扇门，重造一遍 iPhone 的应用商店。

他承认这还是一场赌博，没有现成的证据。但信号在累积。一位投资人在哥本哈根的 TechBBQ 活动上告诉他，已经有大量创业公司直接在 LeRobot 上开工：有人想自动化手工测试，有人想在医院里放一台能跟人交互的机器人，拿 Reachy Mini 当白牌机改一改就能起步。用沃尔夫的话说，这就是 Hugging Face 的老配方，**把平台和积木备好，让人们在上面搭出疯狂的东西。**

聊到形态，绕不开人形。沃尔夫先算了账：机器人价格的70%花在执行器上，人形要60个执行器，光这一项就把价格顶上去了。**人形很难降到一辆车的价格以下，而花一辆车的钱，人们本来就会期待它值回票价。**Unitree、K-Scale 这些公司都在压价，但他的判断是很难压到1万美元以下。

人形的诱惑当然大，一旦解决，人类能干的活它都能干。问题在于，你真的需要先解决人形吗？他的立场是要一个「形态的星系」：单臂的、只有头会动的、各种尺寸的。至于恐怖谷，他原本也担心，后来发现 Unitree 的机器人看多了，人自然而然就无视了，这个坎可能被高估了。

十年后的图景，他最警惕的一种是：机器人卖10万美元，富人家里三台，其他人一台没有。他想要的是各种价位、各种形态的机器人铺开。这也更有趣，就像 LLM 只用来模仿人类反而无趣，机器人完全可以做人类做不到的事。

## 机器人行业最硬的瓶颈：数据

语言模型有整个互联网的几万亿 token 可以吃，机器人没有。网上的视频能用的很有限，想自动化一个任务，绕不开的办法就是录下真人或机器人实际操作。

自己录数据有个死穴：多样性不够。沃尔夫举的例子很直白，你在自己房间里录几千条数据，机器人学得很好，换到隔壁房间，墙从红色变成绿色，它就抓瞎了。

所以 LeRobot 的思路是把数据集搬上 Hub，激励每个玩家把自己录的数据传上去，凑出一个多地点、高多样性的大数据集。这是长线。短线是直接说服机器人公司开源一部分软件和数据。沃尔夫说他发现这事比想象中好谈，**因为机器人公司最后卖的是硬件，软件开源不直接伤到生意，反而能给整个行业抬轿子。**

另一条新变量的线是世界模型。沃尔夫注意到，好几个团队互不抄作业，却几乎同时发布了产品。背后的共同推手是开源图像和视频生成的进步，图像生成终于解决了六根手指的老毛病，视频模型接着成熟，研究者拿视频生成模型微调，让它能响应输入。DeepMind 的 Genie 也是这个方向。

对机器人来说，这可能是个关键节点。数据只有两个来源，真实世界录制和仿真。仿真这条路好几年没有真正的突破，世界模型可能是头一个。

## 开源与闭源：边界薄得惊人

聊到开源闭源之争，沃尔夫翻出一段老历史：OpenAI 的第一个模型 GPT-1，当年就开源在 Hugging Face 上，主要用小说和言情训练，你往里放两个人物，续写出来的故事他们总会相爱。后来 Google 加上维基百科的数据把它做大，再后来的故事大家都知道了。

现在的格局，他用了「边界很薄」这个词。Google 一直双线作战，Gemma 开源、Gemini 闭源，甚至传闻某个 Gemma 模型好到超过了自家闭源模型，只能压着不放出来。挑战者主要来自中国，美国也开始出现新的开源基础模型团队。

有意思的是当下大家选开源的理由。**现在还不是省钱的年代，企业转向开源，图的是数据隐私、能自己改模型、能试新想法。**成本优势要等市场成熟了才会变成主因，到时候能跑在更便宜的硬件上、拥有模型和整个技术栈，分量会越来越重。长线他看好开源，理由是软件行业验证过的那条路。

还有一个容易被忽略的价值：韧性。去年底他查过数据，BERT 这个上古模型至今下载量依然巨大。GPT-5 发布时的反弹他也提到了，很多人就是想继续用 4o，应用跑得好好的，没人想被强迫迁移。开源给你的东西是：它一直在那里。

Hugging Face 自己的角色也在变。沃尔夫说他们从亲自推库、推产品，转向做「社区的建设者」，跟 llama.cpp、vLLM 这些推理框架深度协作，保证一个模型发布当天，你在哪个工具链里都能直接用。模型大小上，两条曲线会同时存在，下载榜上大到笔记本跑不动的旗舰模型和刚好能本地跑的小模型都很受欢迎，GPT-5 内置路由器按需分配，在他看来就是个信号。

中国是这条线上最大的变量。沃尔夫管这叫过去两年最意外的事：谁在2020年代初能想到中国会变成开源的旗手。录音前两周他刚去了中国，实地看下来的感受是内部竞争极其惨烈，让他想起硅谷，所有模型公司都拼命卷，连「谁更开放」都是竞争维度。有个细节很能看出这种规范扎得有多深：智谱（Zhipu）一度决定不再开源，立刻遭到反弹，主要反映在招聘上，候选人不愿意来了，于是又回到开源路线上。**开源在中国已经内化成行业规范，他预计这个趋势会继续。**

西方的回潮就发生在刚过去的这个夏天，OpenAI 决定回归 Hub。他半开玩笑说，现在就差 Anthropic 开源第一个模型了。至于为什么回潮，沃尔夫给了一个很冷的解释：**开源永远是没有退路一方的最优解。**Mistral 靠开源从零冲进第一梯队，这是创业公司的配方。中国模型公司在西方卖不动 API，开源权重等于在没有任何损失的市场里刷存在感。而每当有人集体闭源，市场上就会出现「开源旗手」这个空位，Meta 当年就是这么填上去的，下一个填空的人总会出现。

至于西方公司敢不敢用中国开源模型，沃尔夫说他经常做调查，实际看到的顾虑不多，Perplexity 还基于 DeepSeek R1 做了去审查版的 R1 1776。大家真正想要的是更通用的模型安全保障，毕竟连 GPT 有时候都会在「strawberry 有几个 r」这种问题上翻车。

## 从苏联期刊到 FineWeb：问对问题有多难

沃尔夫对开源的执念有来头。当律师之前，他是物理研究者，做超导材料。那个领域很多奠基性工作出自苏联学者之手，他得去翻苏联的《实验与理论物理杂志》（JETP Letters），有些文章还是俄语。

> 从那时候我就有了这个念头：该死，获取知识太难了。如果能把它变容易，会解锁多少好东西。

后来他进了计算机行业，发现 arxiv 和开源的世界，兴奋了很久。直到他试着复现一篇 DeepMind 的论文，发现行不通：论文只写作者想写的，真正的诀窍不会写进去。

所以他把开源科学理解为授人以渔：给出模型固然好，讲清楚怎么训练出这个模型更好。Hugging Face 今年夏天出了一本《Ultra-Scale Playbook》，讲怎么在1000张 GPU 上训练大模型、怎么做负载均衡和各种并行。他们还造了 FineWeb 数据集，Qwen 等一批新模型都在用，并且把造数据集、清洗数据的方法完整写成了长文。

聊到 AI 颠覆科学，沃尔夫泼了点冷水。他自己就是反例：学生时代他成绩很好，给个定理就能证明；当了研究者才发现自己是糟糕的研究员，因为**科学突破的核心是问出别人没问过的问题**，诺贝尔奖通常颁给打开一个全新领域的人，而 LLM 现在最不擅长的就是这个。

> 我期待的是有一天 AI 跟我说，我有一个超光速的想法。但要做到这个，光写答案没用，得问对问题：今天的理论哪里该被推翻重来？

他给 LLM 的当下定位是科研加速器：人定方向，模型把预测量放大10倍、100倍、1000倍，快速做完某个蛋白质的研究综述，给出验证假设的最优路径。

顺带他提了一个没几个人在研究的大问题：谄媚。模型总在附和你，而好的研究者恰恰是那种会跟很多人唱反调的人。他的教授是位诺贝尔奖得主，出了名的不客气。怎么让模型有自己的观点、甚至有品味，可能比堆算力更重要。

## 明天就能做的事

- 想入门机器人，不用等。SO-100 机械臂100美元，图纸开源自己打件组装；Reachy Mini 299美元，插上电脑跑 Python，配合 vibe coding 就能改行为。把它当成学 AI 的实体教具，比在聊天框里学要具体得多。
- 创业者和产品人可以盯住 LeRobot 社区。手工测试自动化、医院交互、教育娱乐，已经有公司在这条路上，早期位置还多。给 Reachy Mini 写「行为」有点像2008年给 App Store 写第一批应用，先上车的人占坑。
- 手里有机器人或者有数据的机构，把数据集整理好传上 Hub。机器人行业的数据多样性是硬瓶颈，谁贡献数据谁就在给未来定价。
- 做 AI 应用的团队，重新评估一下开源模型。当下选开源的理由已经从省钱变成了数据隐私和可定制，等到你能「拥有整个技术栈」的那天，这个决策的分量只会更重。

沃尔夫在播客最后说，他期待十年后，AI 像当年的媒体创作一样，从少数人生产、所有人消费，变成所有人都能上手造点东西。机器人会是这件事的下一块拼图，而拼图的起点，可能就是一台100美元的机械臂。