今天是AI讲座系列的第五期，没有看过前四期的朋友们可以在我YouTube视频上看，把前四期的视频先看完。然后没有看过推特的highlights的朋友也可以在我推特把highlights看完啊。呃，第五期讲很简单的一个事情，今天要跟大家讨论我自己态度的一个转变，以及所有人态度的一个转变。这个巨大的转变是什么呢？就是传统具身智能迎来了一个大的拐点。

在2026年的下半年的时候，大家发现了一个非常重要的事情，就是以前具身智能所有的方向、所有的方法全都错误。今天此时此刻大家可以用GPT-6加上AI Agent，加LLM Agent、VLM Agent，加上所谓的机械臂的游戏手柄控制的一些小方法，就可以实现一个之前具身智能里面要砸几亿、几十亿都解决不了的一个重大难题，就是灵巧手的问题。那今天具身智能已经几乎要把零巧手（注：应为灵巧手）的问题有了一个很重大的突破，以及低的成本有很大很重大的突破，而且还在继续往前走。而这种突破是以前传统的矩阵智能（注：应为具身智能）的公司完完全全做不到的一点。

所以说今天我们要跟你讨论讨论巨深（注：应为具身）智能的问题，你们也知道宇宙科技这种老一代的军事智能公司（注：应为具身智能），我骂了很多遍了，他炒作、虚伪、虚荣。他基础上几乎是没有任何的突破，而且他在实际的落地上，在商业上是完全是画饼。所以我今天先跟你们聊一聊上一轮巨深智能的重大缺陷啊。首先你要知道很多人用reinforcement learning（强化学习）去训练它，去调一个小的模型，或者调一些小的filter、小的什么东西。他们训练起来是极其困难的。

你们所有的机器人的公司告诉你，机器人公司就像一个垃圾场一样啊：一堆地上放着一堆的元器件、一堆传感器电机，然后各种各样连着你的工程师电脑。里面不断地去读数据，然后不断的去调试用reinforcement learning训练当然是一个突破，但这突破太小了。这个突破不足以弥补传统矩阵智能领域的重大缺陷。而宇树科技到今天为止，也包括中国其他的这些科技公司都没有解决灵巧手的问题。所以用它们来训练是极其困难的事情，所有人所有在机器人公司工作过的人都告诉你：里面的人基本上没有任何成熟的平台、没有任何成熟的方法。

基本上是一个非常难的事情，所以说第一点训练起来是极其困难的；第二点收集数据也是极其困难的。你要在现实世界中不断的收集数据，然后不断地去训练、调整你的硬件和电机参数。任何一个迭代都会非常非常的漫长，收集数据这一点就已经非常困难了；第三，机器人的型号各异、参数和标注也不同。电机和信号全部相同的话，你训练完之后只能用在你这一款机器人上面；下一款上面不好意思，你还要重新去做。

而且所有的机器人如果因为信号各异导致你只能做几个任务，那最后就像宇树科技的机器人一样：每个机器人都是一个大号的遥控玩具。你只能用几个按钮来做几个任务，它首先不通用、其次不灵巧，跟你们想象的那个全能的、超级的无敌的万能的有规划的什么都会的机器人完全不一样。第四点是它成本极高、耗时极长、人员极贵，而且看不到希望。如果你人员极贵，你可以比如说我花一百个人，但是我能带来一万倍的突破，我认为这是好事儿。

但是在机器人领域呢，就是说一百个人我只能带来一百倍的突破、一百倍的训练工作强度。那这个东西我认为它不是一个能够（注：应为可行）的东西，人们在科技行业里追求的是指数级的增长。而如果我需要我做一百款产品，我需要一千个人，十个人做一款、十个人做一款。那这个东西完全就是对科技行业的一个错误的方向，人们认为这个东西没有价值。而且你一直要找很贵的机器人工程师这么昂贵的人招进来，你还让他们做非常土的活儿、非常脏累的活儿。

所以没有办法。然后是Percy Liang的approach，就是他做了一个小号的VLA模型（Vision-Language-Action）。哪怕是VLA这个模型已经比之前宇树科技的方法强一万倍了，但是这么一个模型的参数依然很小。训练起来呢也极其困难、效果也非常差，而且到今天为止VLA几乎做不好常见人们期待的机器人的任何好的项目。好的任务基本上都做不了，所以说VLA这个方法呢已经有一个巨大突破了，人们看到了一个非常有未来的曙光和希望。

但是呢，VLA这东西长期来看训练它也会越来越难。人们可以为通用的大模型花钱去训练OpenAI和Anthropic，但是人类几乎不太可能为VLA去花大钱。因为你的成本过高，而你的产出不及预期的情况下人们不会为你花钱的。所以说VLA这个模型呢让人们看到了一点点曙光，但是又破灭了。这个东西商业化又是摇摇欲坠、非常看不到边界。而且VLA这东西你也要收集数据，它还跟前面几个一样：它收集数据还极其困难、成本也高。

所以说呢，机器人这个领域里面想做VLA你可能要等大模型人们都掌握训练目前头部的模型的情况下，你做VLA才有可能。但是这个成本又特别高了：你要几万张卡、几十万张卡，然后需要很多人工程师去搭infra（基础设施）。这个东西又是极其困难的，所以VLA这个方向呢也是基本上死路一条。再有一个：人类所有的包括VC、市场、媒体、政府、老百姓、客户，他们目前的想法都是企图一口吃成一个大胖子。

这个东西就违反科学、违反技术的原理：就是目前机器人什么都不能做到一口吃成一个大胖子，成为超级全能机器人、零巧手通用的零巧手通用超级大脑。这个东西是完全不可能的事情，你们总是拿科幻片的那些东西来去思考机器人领域的发展。而机器人它不是科幻片儿，它是实打实的工程：如果做不到这一点那你就只能让它活在PPT里面。那就是骗人、就是诈骗，你连一个往这个方向上走的技术路线都没有。

而大家现在都在脑子里在想：哎呦，我们是不是马上就要到这个这么一个超级机器人的时代了？那一直没有到一直在吊着大家胃口。整个是整个行业的一个责任心的问题，就是你们在诈骗对吧？所有的公司demo优先于做技术争着融资、上市退出。就是说我们所有的公司都在尝试把我们长处拿出来，比如说运动控制拿出来那我们就是做一个翻跟头对吧？灵巧手你做不了那我就不做了。

所有的公司都是表演翻跟头啊、跑步走路啊、打拳跳舞之类的工作，然后你实际上没有灵巧手它就不可能用于真正的商业价值里面。不可能真正用于生产和一线的这些客户的需求里面，那什么时候这些东西可以用在一线呢？我就说什么时候这些灵巧手能够被中国的江浙沪老板、深圳的老板一台一台买回家去放到你们的设备间里面，然后让他们在工厂里面去操作。那就是一个成功的东西：比如说传统的机械臂啊凡纳克（Fanuc）的机械臂、各种各样的其他品牌的机械臂。

我们是买回来去做喷漆、去焊接的，批量生产的这些任务里面用这个机械臂自由度。它们已经不是今天已经落到生产线里面了而是二十年前就已经落到生产线里面了，这种传统的可编程的机械臂已经大面积地铺开。而所谓的具身智能这种技术呢到今天为止目前为止没有任何的铺开，也不可能通用、不可能超级、不可能灵巧、也不可能聪明。而这些江浙沪和深圳的老板们比任何人都聪明：如果你真的有那么一天的情况下他们一定会买回来。

宁可这个成本和人差不太多他们也愿意买回来去尝试一下，而今天到此时此刻他们比任何人聪明也没有买这个东西好吧。所以说上一轮的具身智能的重大缺陷就是这些东西，所以几乎来说是一个碰到了一个技术的壁垒：这个技术的一个死死胡同。这个死胡同几乎往前走不了了，再往前走的活需要以极高的成本和代价去往前推动了。那么本轮的具身智能从2026年开始，他们的特点是什么呢？

我就以上一代和本轮儿来去指代了啊。本轮儿的重点是：首先抛弃了传统极其昂贵且低效率的reinforcement learning的方法，就是整个宇树科技的技术栈、宇树科技的方法彻底被推翻。一个也不用、一个也不留，彻底不用你了：昂贵低效率；第二是抛弃了邯郸学步东施效颦的VLA方法（Vision-Language-Action Model）。它是一个非常非常好听的一个童话故事，但这个东西落地也很难、成本也很高。

它也非常非常困难：所以说那我们也把这个邯郸学步都实现，本质上是我把LLM、VLM的方法加一个action就可以了？那不是这个意思。你要差很远了，所以说你没有足够多的实力和能力的情况下你做VLA是不死路一条：所以说VLA的方法也被抛弃了；第三是非常原始简陋的世界模型就是John的Japan（注：应为Jensen Huang或相关概念误读）。就是他提出的原教旨的世界模型就是Japan，但是呢John这个东西也八字没有一撇。

那这个东西大家也不用了：还有呢八字没有一撇的其他画饼级的世界模型，世界模型这个东西呢？好我跟你讲世界模型我花点时间讲这东西吧。世界模型是一个非常非常漂亮的一个大的童话故事啊，每个人对世界模型都有自己的定义：有的人说有这个生成的图像就是世界模型；有的人说生成那个3D就是世界模型；有的人说世界模型必须加上这个运动。总而言之，世界模型可能现在世界上已经有二三十种定义了：每一种世界模型的定义都是在画饼。

都是在赌你自己相不相信世界模型这个漂亮完美的一个故事的这么一个镜头，所以说今天大家聊到世界模型跟具身智能已经没有任何关系了。哪怕很多公司在模模糊糊地跟你讲：我们世界模型解决的问题就是具身智能，我们世界模型最后就是具身智能里面最重要的一环。不是的：他们都是在画饼也没拿不出任何你能看得见的东西，所以说今天此时此刻我可以说世界模型的所有公司都是在诈骗。包括你们看到的融资特别特别多、都是图灵奖的那家公司，也包括你们看到在北京清华的那个公司。

世界模型全是在诈骗啊：这个东西一定一定是这一点好吧，所以说本轮具身智能特点是什么呢？我就告诉你很简单的一点就是用VLM（Vision-Language Model）。就是你们能买到的GPT和Claude它们的模型加上AI Agent。AI Agent连上什么呢？连上机械臂的手柄（Function Calling）。机械臂的手柄就是它像一个机械臂一样：就是你的机械臂有几个关节，我控制关节运动直接进行机械臂的操作。你可以看到场景、看到场景之后让agent直接向小孩们（注：应为向机械臂/执行器）。

我可以把它类比为一个非常聪明的小孩儿就是你的AI Agent、你的VLM Agent。一个聪明的小孩拿着游戏手柄盯着电视机就是你的摄像机的一个画面或者几个画面，你在打游戏：你的内容是控制机械臂来完成任务。这是目前世界模型的一个呃说错了目前的具身智能的本轮开始的一个最大的方向：本质上就是一个聪明的小孩拿手柄盯着电视打游戏。这个游戏就是用控制机械臂来完成任务，这个小孩很有耐心：因为你的agent你用的token只要你你不欠费你会一直去用它。

那你只要没有达成任务它就会一直往上往这么去做：所以说呢这是本轮具身智能的一个特点，就是它是一个落地非常快、成本非常低而且我一讲你们都懂的这么一个approach。这个approach已经实现的效果比之前我跟你们讲的那些乱七八糟的东西都要好了，这是本轮具身智能的特点。所以呢我要跟你们讲一讲这个方式做具身智能有什么优点？跟前面比有什么优点？首先成本很低：你不用雇二十个、五十个robotics机械电子的PhD博士们。

我估二十个五十个博士啊头部的大学的博士你花多少钱？你有多少钱那么少啊，成本很低。这么做的成本低呢你只要买一个头部的OpenAI的API就是和那个什么和那个Claude Opus 5.0、5.1你就用它的API就可以直接干了。它唯一的成本就是机械臂的本体和成熟的AI inference的市场零售价格：就是你买API的会员和机械臂的本体。它不需要特别特别昂贵的东西，不需要极其昂贵的人员和研发的投资：只要把这拼起来它就可以干活了。

你看这就是大模型的一个特点，它会带来各种各样的奇妙的变化：一个聪明的人、你要做一个人的手臂是很难；但是你让一个聪明的小孩控制机械臂是很简单的。而聪明的小孩现在又可以市场上批发的去购买它：只要在OpenAI和Anthropic的API就可以购买到了。那这个东西就直接整个技术路线就完全合理化了对不对？第二是它不需要任何的训练：你当然需要一些skills、需要一些规则。但是它基本上不需要大规模地去训练模型模型的训练，我我把这个写清楚一点啊：不需要你train做任何的model training。

任何不需要只需要给agent写规则或者skills正确接入机械臂手臂的手柄的tool calling就可以完成任务。就是无论是function calling还是tool calling怎么教都可以：就是你只要把手柄正确地接入进来，或者你接入一个手臂、或者你接入八个手臂十个手臂。它就可以通过API来完成任务；第三的智力水平非常的强大，强大到足以代偿你功能的缺点。强大到可以完成极其复杂任务的运动规划：比如一件一物的精细雕刻、一件工工的精细雕刻。

比如说精密的手术，比如说非常精细的检查探查都是可以的；第四呢就是说你不用担心这个技术的天花板：为什么呢？天花板这个聪明的小孩儿你不用担心他的智力怎么样。小孩儿有人去研究小孩的智力对吧？这组合探索天花板会有一些agent专门为机器人做的agent，他只要是做软件上的优化就可以了。只要做agent上面的一些优化就可以了：同时LM呢你也可以期待OpenAI、Anthropic他们智力水平的迭代和增加。那么你本身要做的就是说控制以上的东西交给LLM和agent，控制以下东西机器人和本体。

你只要做好接口：就是做好游戏手柄、做好电视、做好游戏机你就可以。而怎么样训练这个小孩儿？怎么样有更智力更高水平的小孩儿，这个事情交给OpenAI和Anthropic就可以了你不用管了好吧。所以说机械臂本体、电视控制器controller、机械手柄和模型agent彻底脱钩解耦：你们上面做的好就可以了，我们把下面做好我们就可以了。把它们一拼起来它就是一个执行任务非常强大的一个agent、一个一个实际上的机器人了好吧；第五一些非常长周期的工作可以实时调整。

实时观察实时更新规划对吧？甚至我认为这个东西可以有潜在的可能性完成世界上最高的手术就是脑瘤（注：原文千岛瘤，应为误听）对吧？为什么脑瘤是最难的一个工作呢？脑瘤不是像数控机床一样我直接切一个东西出来就完事儿了。它需要切一点观察一下、切一点观察一下：它首先需要非常多的经验对吧？你知道脑瘤这个东西人脑的血供是非常充分的充足的。那么切脑瘤最怕的一点是我不能切到血管，如果切到血管了那你这个脑子不就是等于说你你出事故了吗？

所以说脑瘤最重要是不能切到血管；第二是我要把它切干净我不能让它复发。而人脑的这个脑瘤呢有一个特点：比如说如果你是弥漫性的这种脑瘤那么你这个脑瘤会切不干净或者边缘你不好判断。那么你就需要非常今今天中国美国欧洲都是一个道理：就是说脑瘤这种工作一定需要世界上最顶级的医生最有经验的医生一点一点地切。可能要切五个小时、七个小时的时间：就是这个医生就坐这儿坐着，然后一点一点就跟你可以想象就是用耳挖勺儿把你月饼里边的这个豆沙馅、枣泥馅一点儿一点儿的挖出来。

然后可能还有其他的一个馅儿，但是你还不能把这个或者你可以这么想：就是蛋黄里面有一个豆沙、豆沙里面有一个咸蛋黄儿。然后你要把这个月饼切开之后呢，你要把咸蛋黄儿一点儿一点儿的挖出来用耳拔勺儿一点一点地挖出来。同时你还不能碰豆沙，你还不能碰其他的有一些血管什么之类：你还不能碰它。难度就是这么高，所以说它需要极其强、极其强的这种判断的这个能力：极其复杂的规划能力。

现场有随机应变能力处理危机事物的能力，同时你还有特别精细的手工：而这种工作呢？我认为是如果你用LM Agent加机械臂手柄的function calling是有可能在这个方向上进军的。因为你的LM可以有潜在的能力去判断这个东西好用不好用，所以说呢我认为就是如果LM Agent加上机械臂手柄能够我先不说切脑瘤儿。我先说比如说缝合一个血管儿，或者说我时时地雕一块玉。

或者说就是一件儿一公，我按照它的规则去钓一块儿玉。或者说我做需要观察、规划、灵机应变的手工活儿，如果它们能把这工作解决掉，就证明这个方向达到了人类水平。这意味着人类的某些手工工业可以抛弃了，而这个东西更有价值。就好象一个小朋友拿着手柄完成脑瘤切除那种工作，因为它不求快但求稳、求准。不像四川爆炒腰花只有十秒钟出锅，LM agent一定很慢，来不了实时事情。但慢工出细活就切脑瘤这种神经外科手术都是大手术，五到十个小时。只要麻醉允许延长足够长时间，切脑瘤就有可能实现。

向着这个方向进军可能最简单的方式是切阑尾或缝合血管小肠，若能完成这些初步外科手术工作便是一个里程碑。这是它的优势：工程师将人脑解耦，用最低成本搭建基础设施如电视机、电脑游戏手柄和环境摄像头。剩下东西交给Agent操作手柄可能是最好的方式，这是其优点。但它并不完美，依然没有触觉传感器，不能完美解决Pick and Place工作。灵巧手若抓住药瓶再抓杯子是生物底层直觉，两三岁婴儿闭眼也能抓到。

靠人控制游戏手柄抓东西很难，首先没有触觉。另一个问题是抓取关节太多复杂度高，依然不能完美解决。人手有尺神经桡神经等很多关节，若了解手外科知识可知，完成基本功能需尺神经和桡神经正常。人手至少三个手指能完成80%的手工手功能，如抓杯子需拇指食指中指配合。人手作为灵巧手的结构设计最基本的是大拇指必须保留。

完成抓取工作，中指三个关节食指六个关节拇指八个关节共需八个自由度。若用VLM做此事务必添加八个控制器控制电机，附加值很高。手可随便抓因为下意识直觉反应，小婴儿闭眼也能抓住苹果奶瓶。若让你控制手柄调整八个关节旋钮去抓东西非常难几乎不可能。没有触觉、低级直觉和反馈，工作室不能做抓取放下工作。放下来直接放开就行但抓取很难Pick很简单Place很难。

若Place难则不太能做人类Pick and Place工作，意味着相关任务这一代机械臂或具身智能失败概率大。切脑瘤功能可能九十分但Pick and Place只有三十分，这是很大短板。就像人手麻木或神经断裂无法抓东西。解决方法是不能做Pick and Place任务就不要让它做，把工具死死攥在手上。例如拿水杯舀水先天让手死抓控制期间不动只调整胳膊手腕旋转平移用手控杯子。

或者直接用螺丝扣在手上，如做脑瘤不用手抓设备可焊死机械臂上或安装让它去切割挖。没有触觉传感器和低反馈不能做Pick and Place工作不代表不能做任何任务。人手最大缺点是人只有两只手，医生手术需多人协助因为再厉害的医生也只有双手。如修复心脏血管搭桥或瓣膜，助手拉钩持镜支撑主刀用双手操作。

若机械臂可同时控制八个那就太简单了，可一步步叠加做。第二三个拉开第一个第四个切第五个调摄像头等这是优势。把工具焊在机械臂手上不代表不能完成工作，因为可有很多机械臂拿不同工具。一个Agent控制十个轮流工作，焊有不同工具的机械臂一点点做是最大的优势。没有功能没关系因为机械臂足够多放五个十个工具在手上就能完成工作。

第二个缺点是LLM推理速度慢，做coding或文字都慢运动控制更慢。目前Demo都是一百倍速度加速小心谨慎迭代试错一点点运动控制。解决方法是这问题解不了只能赌未来LM推理越来越快聪明消耗token越来越少便宜，只能这么做。第三固定场景下长期规划手工能力巨大提升但距离强大通用灵巧手越来越远失去幻想意淫不易做PPT骗钱。

人们总觉手万能什么都可以做那是科幻电影或诈骗宣传片里的东西非常遥远已不可能。此时此刻LLM加Agent加机械臂实打实工作不灵巧且能做的工作有限擅长和不擅长的差别巨大。没有幻想意义也不好骗钱了要上战场骡子是马拉出来溜溜，你上场给人展示骗人不行这是本轮缺点。很多人推特辩解具身智能和数控机床3D打印区别本质是它是智能的而程序化只能执行G code。

哪怕G code用LM生成也无法根据视觉及时调整反馈，即使生成了几百份执行时没反馈只能按G code走。它适合标准化小批量生产如三百五百一千个或十个五个没问题而Agent控制游戏手柄最大区别是做一步观察规划做再改长期短期规划和人交流。它具有随时修改规划及与人类沟通批准能力，如切脑瘤发现血管粘连粘大块瘤子。

现实中医生活体医生切脑瘤也是切一点看一点有血管旁边粘大块瘤子怎么做？切一点试有没有破再切点再看血管快收不住赶紧停手去别处。切一步观察规划一步等下一步更新，很多瘤子做99%必须留1%因为状况外贴着血管。人们想象不到执行任务时遇到突发情况如血管比想象中复杂粘连厉害切不下来允许你不切了Agent就有这能力。

标准化小批量生产东西都可执行但非标准化不能走批量且需执行中反馈的东西数控机床3D打印完全做不了只能用Agent。Agent控制游戏手柄运动做一步看一步这是最大区别操作方式不同，很多人说它是数控机床3D打印我说不是。数控机床3D打印观察规划离线而Agent控制游戏手柄观察在线规划改变也在线这是最大区别。

最后讲本轮具身智能发展趋势，大方向之前AI讲座1234期都讲过这一期就讲具身智能趋势。VLM高智力可代偿用游戏手柄做Function Calling To-Calling运动控制大部分缺点。它不精准不稳定难Tony也拼错有各种规划难度但只要你VLM高智力水平是其他运动控制一亿倍以上即可代偿。聪明小孩控手柄哪怕有缺点也可逐渐代偿做复杂规划东西更简单VLM高智力可带上一切缺点。

就好象阿斯伯格症患者用高智力代偿精神先天问题，现实中以正常人形态生活。你感觉他不一样但吃饭聊天很正常是用高智力模仿正常状态，所以高智力可代偿一切缺点这是第一点。第二VLM虽贵慢但未来可期，Robotics行业以前独立开发训练模型找方法现在不是了。机械臂手柄电视游戏机和智力决策解耦，OpenAI和Anthropic培养小孩机器人领域可长期吃头部大模型厂商剩饭。

对Robotics行业找着金主就是头部AI公司长期吃剩饭这是未来可期方向。第三解决成本高难度大但比之前方法更有前途可能能做好但特别慢，Place一定做不好若自己有足够时间用手柄解决聪明小孩一定能解决。但他解决起来非常慢以更高智力代偿，但比之前做更有前途毫无疑问。第四VLM用游戏手柄控制To-Calling接机械臂更容易仿真，若机械臂运行现实中器件之前能仿真先执行看能否更好。

有几个摄像头三维重建再仿真执行完再去操作，就好象医生挖脑瘤前先想能不能做脑子里想结果再执行。VLM用手柄控制To-Calling其实更容易仿真模拟专家提前建模后执行方式，更稳定更有准。不像愣头小子直接上去切你方向很好可先仿真执行再现实执行都可。VLM用手机手柄控制To-Calling接机械臂和人类手臂有本质区别，用手抓东西方便用机械臂一定有什么更方便。

它们功能和任务会逐渐分化VLM Agent加机械臂有擅长任务人手有人手擅长任务如Pick and Place。

pace，它一定代替不了拧螺丝的人。为什么？或者是比如说代替不了一些工业上的一些基本的工作，比如说他就是需要你在生产车间里把一个什么啊飞快飞过去的一个鸡蛋捡出来，或者是把一个什么羽毛给揪出来。你可以用流水线自动化的方式去检测坏鸡蛋。比如说鸡蛋炸了之后，这个里边发现小鸡孵出来了，或者鸡蛋臭了，你可以用自动化的方式把它弹出来。但是呢，人手可以抓，而你用VLM加上Function Calling加机械臂，它是很难做这个工作，因为它做的不好。

所以说人手的工作和机械臂加Function Calling就是本轮具身智能的这个分化点。这个机械臂它一定会有分化，就好比说人类有人类更擅长的工作，而VLM Agent也有更擅长的事情。对吧？就人类擅长察言观色、沟通交流；而VLM Agent擅长的是Coding，擅长的解决系统化的工程化问题。那么人类和Agent已经开始出现分化了。

VLM Agent加机械臂、人手，以及传统的工业制造和G Code控制数控机床，长期来看一定有一个策划。就是不会说谁消灭谁啊，人消灭机械、机械消灭人，不会这样的。而是每个设备、每个技术的场景都有它适合的这么一个市场。只不过VLM Agent的市场会越来越大，人类擅长的东西会越来越少；那人类只能做更擅长的事，而VLM Agent加机械臂有它更擅长的事情，这个工作可能越来越多，甚至可以替代很多其他的工作。

但是呢，长期来看一定是人类还是人类是不会被淘汰的。好吧？相信啊，大家要相信这一点，要坚强地活下去，你不会被淘汰掉的。好吧，今天就跟大家讲这些。嗯，基本上我今天讲的东西跟我之前Twitter上讲的大差不差，我推断上讲的有更多的东西。

而且没有看我之前1、2、3、4期AI视频的朋友，一定要把前四期都看完。一期二期是讲座系列，三期四期是直播，这是第五期，就跟大家讲具身智能这一个方向。之前我跟大家讲的数学，很几个月前讲的数学的方向，后来迎来了一波大爆发；讲AI的攻防攻击和防御又赢了一波大爆发。

今天这个方向你看吧，接下来六个月的时间一定是本轮具身智能、VLM Agent接手柄接机械臂这个方向的大爆发，一定是这个方向。好吧？今天跟大家讲这些。