a16z合伙人论证机器人投资路径：先部署人类遥操作，再反向构建模型

a16z合伙人Raghu Raghuram、Martin Casado和Jamie在2026年11月2日发布的投资信中，用前Netscape首席执行官Jim Barksdale的一句话作为论点起点：真正重要的是让主线保持为主线。他们认为机器人行业当前的争论大多围绕训练数据、模型架构和硬件类型展开，但主线只有一条——让机器人完成人类任务。Tutor Intelligence正是围绕这条主线设计的公司，这也是他们领投其B轮的核心原因。

大多数机器人公司的路径是先构建一个通用模型，再寻找应用场景。合伙人指出，这需要大量前期数据采集和资本投入，才能建立哪怕一个基础模型。Tutor Intelligence走了相反的路：先找到真实需求和具体场景，在还没有机器人大脑的情况下就把硬件投入生产环境，由人类遥操作员（他们称之为tutor）远程操控机器人完成工作。合伙人称这些操作员技术娴熟到客户能从中获得真实价值，却无法分辨自己看到的是员工完成的工作还是tutor完成的工作。

每一次真实场景的部署都在产生数据。Tutor从这些部署数据中反向构建模型，使机器人逐步获得自主能力。合伙人指出，每一台投入工作的机器人都让下一台更智能、更便宜、更容易部署。模型训练的数据不再是实验室里预先采集的通用样本，而是客户实际生产环境中真正需要的操作数据。

在商业模式上，Tutor采用按小时计费而非传统机器人行业动辄数百万美元的前期采购加实施费用。合伙人认为这将资本支出转为运营支出，打开了中小制造企业的市场——美国大量制造业正是以中小规模存在——同时也服务了部分最大的物流公司。据投资信披露，Tutor的机器人已在美国部分最大的制造和物流网络中运行，计划到2027年底合同覆盖超过1000台机器人；过去12个月中，近三分之一接收Tutor机器人的客户是已在使用Tutor的现有客户在安装更多机器人；部署实施时间低至8小时。

Tutor目前有两款机器人：Cassie为单臂，处理箱拣选和码垛/拆垛工作流；Sonny为双臂，灵巧度更高，服务电商履约中的逐件拣选。两款机器人共享同一个模型，这是Tutor在模型、硬件和数据采集上垂直整合的一部分。合伙人认为这种全栈能力使Tutor能向更通用的机器人方向演进。

需要指出的是，以上所有运营数据——部署时间、客户复购比例、合同机器人数量目标、操作员与人类难以分辨的说法——均来自Tutor Intelligence自报和a16z作为领投方的转述，未经独立验证。投资信本身也附有免责声明，称a16z未独立核实其中信息。合伙人的论点核心在于路径选择的逻辑：先部署后建模能否持续产生优于先建模后部署的数据质量和商业速度，仍需在更大规模部署中检验。