傅盛在分析中提到,苹果的人形机器人实践走了一条相当"抠门"的路:用Mac mini配合开源千问大模型,再靠合成数据训练,跑出了91%的成功率。

这套组合里没有堆算力,也没有自建超大集群。合成数据承担了训练素材的角色,开源模型负责理解与决策,硬件端只是一台Mac mini。

傅盛由此指出,人形机器人的突破可能不取决于本体硬件,而依赖大模型本身的升级。换句话说,机器人能不能更聪明,先看模型能不能更强。

对做AI工程的人来说,这个案例的看点在于成本结构:开源模型加合成数据,把训练门槛压到了个人和小团队够得着的位置。