Claude 进入机器人，真正的门槛不是会不会动
第一性原理 佛学觉照

Claude 进入机器人，真正的门槛不是会不会动

| 阅读 9 分钟

Claude 进入机器人世界，最容易被误读成一句话：

模型终于有身体了。

但 Anthropic 在 2026-07-09 发布的 Claude plays robotics 真正说明的不是这个。它更像是在提醒我们：语言模型进入物理世界的关键门槛，不是“会不会动”，而是它被接到了哪一层接口。

同一个 Claude，如果直接面对低层电机、力矩、连续平衡和实时反馈，会暴露出很硬的边界。如果让它通过代码、方向工具、强化学习监督、预训练步态控制器、视觉-语言-动作模型或高层 steering 来工作，能力看起来又会突然变强。

这不是矛盾。

这是机器人系统的本来面目：能力不只存在于模型里，也存在于接口里。

低层控制仍然很难

Anthropic 这组实验覆盖了多种场景：经典控制任务、模拟四足和人形机器人、机械臂、真实 Unitree Go2，以及从低层 motor torque 到高层策略和代码接口的不同控制方式。

最重要的结果并不夸张。

当 Claude 被要求直接处理低层控制，它大多不能稳定完成任务。原因也很朴素：真实或仿真的机器人控制需要高频闭环，而当前大模型推理速度远远不在一个量级。原文提到，足式机器人低层控制约需要 83 Hz 量级的反馈，而研究中的模型推理大约只有 0.2 到 0.4 Hz。

这不是提示词工程能轻易绕开的差距。

物理系统不会等模型慢慢想。重心偏了，脚滑了，夹爪错过了，反馈已经进入下一帧。语言模型擅长解释、规划、写代码和处理视觉语义，但这些能力并不会自动变成稳定伺服控制。

实验里，直接低层控制在操作任务上的完整成功率仍然很低。Anthropic 给出的 direct LIBERO manipulation 结果里，最好也只是 0 到 5.5% 量级。换句话说，裸模型离直接物理控制还很远。

所以这篇文章不能被读成“Claude 已经能可靠控制机器人”。

它更像是在画一条边界：不能因为模型能写代码、解释状态或给出策略，就把它当成已经掌握了物理闭环控制。

高层接口会突然放大能力

但另一个方向同样重要。

当 Anthropic 把任务接口提高一层，Claude 的表现就发生了变化。它可以写程序和控制逻辑，接入真实机器人任务环境；它可以借助方向、指针、视觉工具和预训练 gait policy，让四足机器人在某些场景里完成路线；它也可以作为 supervisor，给视觉-语言-动作模型提供高层指令。

这说明问题不该问成“Claude 能不能控制机器人”。

更精确的问题是：

它控制的是关节，还是目标？

它输出的是力矩，还是代码？

它看到的是原始像素，还是被工具整理过的位置、方向和状态？

它直接下发动作，还是通过一个已经学会走路、避障、抓取的控制栈？

接口一变，能力边界就变。

这也是为什么机器人安全不能只看模型 benchmark。一个模型单独测试时看起来很弱，并不代表它接入工具和控制器后仍然弱。反过来，一个系统演示看起来很强，也不代表模型本体已经理解了物理世界。

能力在栈里，不只在模型里。

Project Fetch 给的是背景，不是通行证

过去一个月，围绕 Anthropic 和 physical AI 的公共讨论明显升温。一个背景是 Anthropic 的 Project Fetch: Phase two：Claude Opus 4.7 被放进机器人狗相关任务，负责写代码、计划动作和推进工程流程。二级媒体和社交平台很快把它包装成“AI 让机器人团队提速十几倍、二十倍”的叙事。

这类叙事有传播力，但容易省略工程条件。

Project Fetch 的重点是机器人编程、调试和任务组织，而不是把大模型变成实时运动控制器。研究人员仍然需要连接设备、设定任务、批准动作、处理安全边界。Claude 的贡献很真实，但它发生在工程工作流和人类监督之中。

同样，短视频里出现的“Claude 控制机械臂做咖啡”“Claude 操作机器人”的演示，可以说明公众开始把 AI 想象成物理工作者；但这些演示不能替代可重复实验、任务定义、失败率、控制频率和安全审查。

真正值得追踪的是：模型被接入物理世界时，哪些工作由模型完成，哪些由传统控制器完成，哪些由人类批准完成。

安全评估要从模型转到系统

Claude plays robotics 最值得认真看的地方，是它把安全问题从 model-level 推到了 stack-level。

如果只测试模型直接控制电机，我们可能低估未来能力。因为现实部署不会让模型赤手空拳，它会得到工具、坐标、视觉 grounding、预训练控制器、VLA、数字孪生和结构化任务接口。

如果只看高层演示成功，我们又可能高估自主性。因为很多“成功”来自机器人控制栈、仿真器、人工批准和任务约束，不是模型独立掌握了开放物理世界。

所以物理 AI 的安全问题，不是“让不让 Claude 控制机器人”这么简单。

更具体的治理问题是：

哪些接口可以开放给模型？

哪些动作必须由确定性控制器执行？

哪些高风险动作需要人工批准？

模型版本、控制策略或工具链变化后，旧的安全结论是否还有效？

系统失败时，能不能限速、限力、暂停、回滚、断开执行器？

这些问题比“模型会不会动”更重要。

真正的门槛是接口权

机器人不是一个单一对象，而是一组接口。

视觉接口决定模型看到什么。控制接口决定模型能下发什么。权限接口决定模型能不能执行。人工接口决定人类什么时候介入。停止接口决定系统出错时能不能真正停下。

Claude 进入机器人世界，首先进入的就是这些接口。

这也是为什么 Anthropic 这篇研究比一般的机器人演示更值得看。它没有只展示一个漂亮结果，而是在不同接口层级上暴露同一个模型的能力变化：低层难，高层强；直接控制弱，借助工具和控制器后变强；操作任务的直接成功率仍低。

这个结论对产品、投资和治理都有提醒。

对产品来说，physical AI 的短期价值可能不在“端到端机器人脑”，而在机器人编程、仿真、测试、异常解释、任务分解和人工批准流程。

对投资来说，不该只看谁有最大模型，还要看谁掌握控制器、传感器、仿真、数据闭环和安全认证。

对治理来说，不该只问模型公司是否做过安全评估，还要问它评估的是裸模型、工具模型，还是已经接入执行器的完整系统。

Claude 是否会进入物理世界，答案已经是会。

但它进入的方式，不会是模型突然跳进机器身体里。

它会先进入接口：代码接口、工具接口、策略接口、权限接口、停止接口。

真正需要被设计和审查的，也正是这些接口。

参考来源

💬 评论