我在机器人领域观察到一个迷你版的莫拉维克悖论：对人类来说困难的体操动作，对机器人来说却要简单得多，而像烹饪、清洁和组装这样的“无趣”任务却相对困难。这导致了外行人产生认知失调，“所以，机器人可以做跑酷和霹雳舞，但为什么它们不能照顾我的狗？”相信我，我的父母问过我这个问题的次数比你想象的要多…… “机器人莫拉维克悖论”也造成了物理AI能力远比实际更先进的错觉。我并不是单独指责Unitree，因为这适用于行业内所有最近的杂技演示。这里有一个简单的测试：如果你在侧翻机器人面前设置一面墙，它会全力撞上去，制造出一场壮观的场面。因为它只是过拟合了那一个参考动作，而对周围环境没有任何意识。 悖论存在的原因是：训练一个“盲人体操运动员”要比训练一个能够看见和操控的机器人容易得多。前者可以完全在模拟中解决，并且可以零样本转移到现实世界，而后者则需要极其真实的渲染、接触物理和混乱的现实物体动态——这些都无法很好地模拟。 想象一下，你可以从一个纯手工制作的文本控制台游戏中训练LLM，而不是从互联网。机器人专家们运气不错。我们恰好生活在一个加速物理引擎如此优秀的世界中，以至于我们可以在几乎没有真实数据的情况下实现令人印象深刻的杂技表演。但我们尚未发现通用灵巧性的同样作弊代码。 在那之前，我们仍然会被困惑的父母质疑。

在经历了Deep Seek震惊六个月后，显然中国不仅在人工智能方面取得了飞跃，还在一系列高端技术上取得了进展。 他们即将到来的实力与战略力量的平衡有什么关系？ 新一期的《多极化》现已发布，主持人@admcollingwood和嘉宾@hsu_steve。