2025 年 12 月 14 日，曾定义扫地机器人行业的鼻祖 iRobot 宣布根据美国破产法第 11 章申请破产保护。

根据公司披露的方案，iRobot 已与其主要债权方、代工厂、总部位于深圳的 Picea Robotics Co.（杉川）及其全资子公司 Santrum Hong Kong Co. 达成重组支持协议，在法院监督下完成债务重组与股权重置。重组完成后，杉川将获得 iRobot 的全部股权。

也就是说，在 iRobot 现金流枯竭且无力偿还供应链债务的情况下，杉川实际上通过免除债务的方式收购了公司资产。

iRobot 将这一交易描述为“推动长期增长计划的战略选择”，但对外界而言，这更像是一家技术先驱在长期亏损、收购失败与产业格局逆转之后，所能争取到的最后体面结局。

几乎在同一时间，《纽约时报》刊登了一篇对 iRobot 创始人 Rodney Brooks 的报道。在文中，这位机器人领域的奠基者之一，却毫不客气地向当下如火如荼的人形机器人浪潮开喷。

事实上，这并不是 Brooks 第一次向人形机器人泼冷水，去年 9 月，其在个人博客上发表了一篇数万字的技术檄文：《为什么今天的人形机器人学不会灵巧性》（Why Today's Humanoids Won't Learn Dexterity）。

（Brooks 博客）

Brooks 出生于澳大利亚，1972 年进入阿德莱德的弗林德斯大学，恰逢一批逃离“布拉格之春”后的东欧数学家来到该校，让他接受了系统而严谨的数学训练。更重要的是，他每周日可以独占学校唯一的一台大型机，连续折腾 12 个小时。

1984 年，他在斯坦福任教期间联合创办了第一家 AI 公司，在家用 Sun Microsystems 工作站写代码，每天早上把存储磁带用 FedEx 寄往硅谷。

受到昆虫启发后，他在 20 世纪 80 年代开发了能够自主运动的机器人，并于 1990 年联合创立了后来称为 iRobot 的公司。1993 年，他和学生开始研发人形机器人 Cog，试图从认知科学角度探索智能与感知的关系。这一思路带来了成功，也曾让他大胆预言：机器人终将无处不在。

但即便到了世纪之交，人形机器人依然无法商业化。

随后二十多年的工程与产业实践，重塑了他的判断。围绕 Roomba 的商业化过程，让 Brooks 切身意识到，机器人真正的难题不在概念与原型，而在制造、部署与长期可靠性。他曾提醒学生，研究成果只是填满了一小格方纸，而真正决定成败的，是那些不属于论文范畴的工程现实。

除了 iRobot，他曾创立 Rethink Robotics，尝试将协作机器人引入制造业；又在 2019 年联合创办 Robust.AI，聚焦于让机器人在真实、混乱的环境中具备可靠的协作能力。这些公司有的未能走通商业化路径，有的仍在探索之中。

也正是在这一过程中，Brooks 完成了从探索人形可能性到警惕形态幻觉的转变。这位一生致力于将智能机器引入现实世界的人，最终站在了当下热潮的对面，成为质疑者之一。

（Rodney Brooks 博客）

在《纽约时报》以及个人技术博客中，Brooks 对当下人形机器人热潮给出了极为一致的否定判断。在他看来，这一轮浪潮的问题不在于进展是否足够快，而在于整个行业正在被一套错误的判断体系与技术顺序所牵引。

首先，机器人的灵巧性无法速成。Brooks 指出，过往被视为“暴力学习”成功范例的语音识别与计算机视觉，本质上都建立在高度工程化的数据前端之上，而非单靠模型规模。当下人形机器人试图通过观看人类操作视频来学习灵巧动作，这在他看来既没有获取正确的数据，也没有学习正确的对象。

核心瓶颈在于触觉。人类手部无毛皮肤中约分布着 1.7 万个触觉感受器，仅指尖就有约 1,000 个，相关研究已发现至少 15 类触觉相关神经元。而在触觉分辨率、反馈带宽和多模态整合能力上，当前任何人形机器人系统都与人类存在数量级差距。

基于此，Brooks 判断：即便只追求最低限度的灵巧操作能力，人形机器人距离首次实现可盈利部署，仍至少需要十年以上时间。

其次，是一个常被忽视却至关重要的问题，安全性。全尺寸、能够行走的人形机器人，为了保持直立姿态，需要持续向系统中输入大量能量。一旦失衡跌倒，它们就会变得极具危险性。从物理学角度看，危险性并非线性增长：如果机器人的体型翻倍，其潜在的破坏性能量将增加到原来的 8 倍。

他在个人博客中提到：“不要在三米以内接近一台正在行走的全尺寸人形机器人。”

基于这些判断，Brooks 预测：15 年后能够真正成功的类人机器人，很可能已经彻底放弃人形。它们会使用轮式底盘，配备多只机械臂和高度专用的传感器，而不是执着于模仿人类的外观。

第三，当前人形机器人叙事中，普遍存在一种对“端到端学习”的过度泛化。Brooks 指出，语音识别、计算机视觉和大语言模型的成功，并非源于从原始世界到结果的纯学习，而是建立在高度工程化、强领域约束的前端结构之上：语音依赖为人类听觉打造的信号处理体系，视觉依赖模仿生物视觉皮层的卷积结构，语言模型则以人类书写语言、token 化和嵌入机制为基础。端到端学习真正发挥作用的，是在人类已经明确界定了输入形态与学习终点之后。

而在具身智能与人形机器人领域，这一前提尚不存在。与语言和视觉不同，触觉与力觉至今缺乏成熟的数据采集、存储、传输与重放体系，几乎没有可供学习的标准化前端。在正确的数据是什么尚未被工程化之前，试图依靠视觉数据和规模化训练直接学会灵巧操作，本质上是一种结构性误判。Brooks 认为，将端到端学习的成功经验简单移植到人形机器人上，不仅难以复制既有突破，反而可能造成系统性的资源错配。

（Robust.AI）

从某种意义上说，Brooks 对当下人形机器人的热潮也难辞其咎。正如 Robust.AI 联合创始人兼首席执行官 Anthony Jules 所言，“这一轮浪潮多少也有他的责任”。Brooks 曾于 1993 年启动 Cog 项目探索人形可能性，也曾在 1999 年论文中将通用型人形机器人称为“圣杯”。

如今，机器人领域正受到前所未有的关注，估值动辄数百亿美元的融资案例不断出现，资本与宏大叙事以前所未有的强度加速汇聚。比如 Figure AI 累计融资超 20 亿美元，1X Technologies 正寻求一轮最多达 10 亿美元的融资......

但在 Brooks 看来，当下投入这一领域的数十亿美元，本质上是在为一系列昂贵却无法规模化的训练实验买单，这些实验最终难以支撑大规模量产。

他见证过太多所谓的技术预言：1987 年，德国工程师的自动驾驶汽车就已在欧洲高速上飞驰；1997 年，IBM“深蓝”击败国际象棋大师；2016 年，AI 教父 Geoff Hinton 曾预测放射科医生将在五年内消失。如今，司机、棋手、医生依然在场。

Brooks 坚持认为，自己不是唱衰，而是保持清醒。他依然相信，未来几十年机器人会与人类并肩工作，甚至被称为“类人”，但它们更可能有轮子、有多只手臂，而非真正的通用人形。

他计划在未来几年逐步淡出企业管理，转而写一本关于智能本质的书，以及为什么人类在未来 300 年内都无法人工创造智能。

“这是我一生都在追逐的梦想，”Brooks 谈到 AI 时说，“我现在最讨厌的词就是通用人工智能。我们当年一直在朝这个目标努力！很快他们就会改口叫它‘超级智能’。”

“再往后也许就是超超智能了。”