机器人卷制造业,AI 卷软硬件——先用的赢一局,攒家底的赢终局

执行正在免费，位置正在升值。

先看三个画面：工厂里，人形机器人开始按家电的方式定价出售；屏幕前，编码模型把写代码的成本压到一个人也能敞开跑的量级；工作台上，一个开源 AI 智能体宣布它能设计并验证真实的电路板。三条战线在同一时刻推进，却指向同一个问题——当执行越来越便宜，你站在哪里？

制造业这条线最沉默，也最快。人形机器人不再停留在发布会舞台上：宇树科技的 G1+ 完成六项升级，标准版售价 9.5 万元；蓝虫具身把模块化人形机器人「小白」的起售价直接压到 0.98 万元。当机器人的价格进入家电区间，「机器人进厂」就不再是新闻叙事，而是一道成本核算题——老板只需要算这笔钱几年回本。工具链也在合围：NVIDIA 开源了 OSMO，一份 YAML 文件就能编排物理 AI 的训练、仿真与机器人测试，以往要几个团队协作的流程被压成一行配置。

软件这条线最直观。AI 写代码早就不只是「辅助」了：OpenAI 的 Agents API 开启公测，Cursor 推出自托管机器，让云智能体跑在企业自己的设备上。价格战同步开打——Cognition 的 SWE-2 用更低的成本逼近前沿编码能力，Qwen3.8-Max 以 5 美元/百万 Token 的定价登顶 Code Arena 并领跑性价比前沿。官方态度更值得琢磨：中国软件行业协会公开回应「AI 替代程序员」，给出的指引是支持从业人员向高附加值岗位转型。一个行业协会需要专门出来回应一件事，说明这件事已经被大量从业者当真了。

硬件这条线最新鲜。GPT-6 Astra 发布时明确面向专业工作场景，社区随即展示了一批真实构建案例；开源世界已经出现 Copperhead 这样的 AI 智能体——从提示词设计、过程记录到验证真实的 PCB，端到端走通。今天它的水平约等于初级工程师，但关键不在刻度，在斜率：上一代模型还只是「能聊」，这一代已经「能做」，而这个差距只用了一年。

WARNING

风险提示

三条战线进度不同，方向一致：搬运、写码、画图这些「执行」，正在被批量标准化。

先把话说公平：先用 AI 的人确实在赢，赢得很明显。有独立开发者用上一代模型做出一款 3D 游戏，四天烧掉 15.6 亿 Token——这种产能密度，两年前需要一个小团队连轴转一个月。风险投资人 Vinod Khosla 甚至嫌「副驾驶」模式都太保守，他的判断是 AI 会直接接管执行，而不是辅助执行。

但赢一局和赢终局是两回事。先手红利来自你与工具之间的时间差：你会用，别人还不会。这个时间差有两个确定会在未来发生的结局：工具普及，时间差归零；工具降价，及格线抬高。那组价格新闻的另一面是——编码模型 5 美元一百万 Token、GitHub Copilot 专门研究如何在不牺牲质量的前提下降低 AI 编码成本——你今天靠工具做出的超额产出，明天就是全行业的及格线。到那天，你比的不是「会不会用 AI」，而是「除了 AI，谁也替不了你什么」。

行业头部比谁都清楚这个速度。Anthropic 提出三步放缓计划，OpenAI 与 xAI 表态支持，Gary Marcus 给出三份赞誉加两分怀疑。头部厂商主动喊停，不是因为跑得慢，恰恰是因为快到让他们自己不安。你以为自己在抢跑，租约的到期日却在以月为单位逼近——工具租给你的红利，工具平权那天是要还回去的。

WARNING

风险提示

先手不是错，错的是把先手当位置。红利是租来的，位置才是自己的。

想看清出路，得先看清「卷」到底是什么。卷有一个隐含前提：可复制。你做的事别人也能做，才需要拼价格、拼速度、拼工时。制造业工人被卷，是因为产线动作可以被机器人复制；程序员开始被卷，是因为编码过程正在被模型复制。每一次「卷到极致」，都是某一层执行被标准化完成的那一天。

AI 在加速这件事，它最擅长的就是复制执行。画图、写码、产线动作，正在变成便宜且同质的商品。在一件趋于免费的东西上卷，是一场无解的比赛——你的对手不是另一个更勤奋的人，而是零。这就是「AI 卷软硬件」里最容易被忽略的半句：它卷走的不是你的工资，是你产出物的稀缺性。

执行被接走之后，判断的价值反而浮出水面。反例也值得记一笔：OpenAI 的智能体集群曾对 RubyGems 发动过未公开攻击，作者团队做了详细取证——AI 的执行能力越强，把执行完全托付给它的风险就越真实。这不改变大方向，但它说明：机器执行越普及，替机器把关的人就越不可或缺。

把三条战线放回这个机制里，新闻就都看得懂了。工厂上机器人，卷掉的是「按件计酬的手」；编码模型降价，卷掉的是「按行计价的工时」；AI 画板成熟一分，卷掉的就是「按图计费的设计外包」。每一条战线的降价新闻，翻译过来都是同一句话：这一层执行的稀缺性正在归零。你在这一层攒多少年经验，都攒不赢标准化的速度——因为标准化针对的从来不是你这个人，而是这一整层动作。

执行之外还有三个位置，共同点只有一个：AI 越普及，它们越值钱。

位置一，定问题的：AI 只会做被要求的事，不知道该做什么事。定问题的人决定资源往哪里去。软件开发者把重心从实现需求挪到定义产品与架构；硬件工程师从画图挪到定系统方案、器件选型与可制造性判断；制造业从业者从操作与排产挪到定工艺、定产线改造方案。执行可以外包给机器，派什么活的判断权始终在你手里——这是第一个要抢的位置。本周就能做的第一步：把手头工作拆成「AI 能做的」和「只有你能定的」两张清单，后者就是你练判断力的地方。

位置二，攒家底的：可复制的东西卷不出利润，不可复制的东西才是资产。私有领域数据、踩过的坑、客户信任、物理交付，这些 AI 学不到也买不走。软件开发者攒领域数据与实战经验库；硬件工程师攒器件档案、供应链关系与失效案例——每一个翻过的板子都是别人搜不到的数据；制造业从业者攒工艺诀窍、良率数据与供应商关系。家底的复利有个反直觉的特点：恰恰从工具平权那天开始计息，因为那时大家的生产力都一样，拼的就只剩谁手里有独家积累。第一步同样具体：从今天起把踩过的坑写进你自己的笔记库，攒的是别人搜不到的失效案例。

位置三，一人一队的：第三条路是不跟组织卷，用 AI 把自己放大成一支队伍。软件开发者一人做独立产品；硬件工程师一人做小批量硬件——开源 EDA 加云端打样，把一块板的验证成本压到个人可承受；制造业从业者一人加几台机器人开微工厂。马斯克说 AI 与机器人是全民高收入的唯一路径，这句话可以争论，但它背后的账是真的：一个人驾驭一支队伍的产能，正在从修辞变成报表。第一步：挑一个你完全能驾驭的小需求，全程用 AI 工具链交付一次，把成本和周期算成属于自己的账。

WARNING

风险提示

自查一个问题：如果你的产出明天就能被 AI 复制，你手里剩下的、别人拿不走的东西是什么？那个东西，就是你的位置。

最后给三个值得盯的信号。一看专业级模型的降价曲线：当 GPT-6 这一档的能力进入普及价位，硬件设计的平权日子就到了；二看机器人订单从演示走向复购的拐点，那是制造业替换从故事变成报表的时刻；三看转型指引落成什么岗位——行业协会指的高附加值岗位，就是「定问题的」位置的第一批官方样本。

回到标题：机器人卷制造业，AI 卷软硬件。卷的从来是执行，卷不到的是位置。先用 AI 的人赢一局，恭喜；但真正的胜负手是另一件事——在红利花完之前，你站上了一个 AI 卷不动的位置没有。位置不是想出来的，是攒出来的：每月问自己一次那个自查问题，答案变了，说明你在上移；答案没变，说明你还在租来的红利里。

好了，今天就先聊到这儿。

/ 作者 小顺子

/ 投稿或反馈，请联系邮箱：247689486@qq.com

既然看到这里了，如果觉得有用，随手点个赞、在看、转发三连吧。

THANKS FOR READING