Tony Fadell 走进纽约第 28 街地铁站的时候，没料到自己会跟一张二十年前的”老朋友”海报面对面。

那是一张 iPod Shuffle 的广告，五英尺乘四英尺，挂在站台墙上，宣传语写的是”零屏幕时间”。

iPod Shuffle 广告为什么还贴在 2026 年的地铁里？

“第一反应是，等等，是不是有人忘了换广告？”Fadell 后来跟 TechCrunch 说。他是 iPod 的发明人，被叫作”iPod 之父”，看着那张海报，就像看到自己孩子的照片。

但仔细想想，这件事有点荒诞。Fadell 站在地铁站里，周围全是人——每个人都戴着无线蓝牙耳机，从手机里无阻地流着音乐，曲库里有一亿多首歌随时点播。这种我们早已习以为常的事，让乔布斯当年那句”你口袋里的一千首歌”听起来像出土文物。

那张 iPod Shuffle，那个邮票大小、只能随机播放、你几乎没法控制它放什么的设备，按理说对今天的用户毫无吸引力。但我们已经被科技裹挟得太深了。

“人们现在已经过度饱和、过度刺激了，他们真的想要一种更觉察自主的方式来处理自己跟科技的关系。”——Joy Howard，Back Market 首席营销官

“慢科技”是什么？

Back Market（一家翻新技术设备电商平台）的团队就是那张 iPod Shuffle 广告的操盘手。他们的首席营销官 Joy Howard 说，需求正不断增长——如果这些”过时”设备没有真的在拉动销售，公司不会舍得在纽约地铁站买那么贵的广告位。

对从未经历过没有社交媒体和智能手机世界的年轻一代来说，有线耳机、复古游戏机、CD 和数码卡片相机，有一种奇特的魔力。它们不会把照片自动上传到你的 Instagram Story，不会在游戏里弹赌博广告，也不能算法式地替你决定下一首该听什么。

Howard 把这种Movement 叫作”慢科技”（slowtech）。核心理念很简单：科技应该是服务你的，不是主宰你的。

有人在行动了

Austin Murray 早年在手机游戏行业赚过大钱（他创办的 Jamdat 以 6.8 亿美元卖给了 EA），现在他在做一个叫 MOQA 的”减屏幕时间”App。他跟 TechCrunch 说：”当我看着我的孩子们和周围的人，这件事最让我揪心。平均屏幕时间大概是每天五个小时——这不是意志力问题，是产品设计问题。”

还有 Light Phone，那款只能打电话、发短信、听音乐的电子墨水屏”傻手机”。联合创始人 Kaiwei Tang 说，越来越多 20 到 35 岁的人开始用 Light Phone，”这让我们挺意外的”。

作家 Calvin Kasulke（他的小说《Several People Are Typing》想象了打工人被困在 Slack 里的恐怖故事）现在付费用 Opal 和 Freedom 两款 App 来限制自己的社交媒体使用。他说：”我想很清楚地说……我并不为此感到得意。用两个不同 App 来限制自己怎么用手机，这事挺尴尬的。但我觉得屏幕本身不是坏事，只是我之前使用它的方式太蠢了。”

---

AI 在这件事里站在哪边？

有个细节挺有意思。有一款叫 Mark 的”AI 书签”，售价 159 美元，卖点是帮你减少读电子书时掏手机记笔记的频率。听起来有点荒诞——用 AI 硬件来解决 AI 时代的问题——但它的逻辑是成立的：你在读纸质书，想记个笔记，如果掏出手机来记，大概率会被别的通知带偏。用这个 AI 书签，你就不用掏手机了。

AI 的发展几乎跟”快科技”文化是同义词，但在这个故事里，它也可以是一种帮人”往回走”的工具。这大概就是 Howard 说的：”如果可以用 AI 来做这件事，来保护你自己……这就是人们想要的：更多掌控感。”

当然，不是所有”慢科技”信徒都同意 AI 该进来插一脚。但更大的问题其实是：我们造出了一个让我们如此依赖智能手机和各种 App 的生态系统，以至于科技行业的每一次任性改动都能决定我们怎么煮饭（Back Market 的开发者甚至”黑”进了一台电饭锅，让它继续工作）。

在这个现实里，人们如此渴望断开连接，以至于愿意”降级”回一台 iPod Shuffle，这件事本身或许比任何 AI 突破都更值得 AI 行业想清楚。

Richard Lawler 在 The Verge 的报道里讲了一个挺魔幻的故事：Midjourney，就是那个你用来生成”一只戴着宇航员头盔的柯基犬”的 AI 图像工具，现在要做医疗硬件了。

不是 App，不是插件，是一台真正的、你要走进去、身体沉入水中的全身超声扫描仪。

“比 MRI 还强”——这话谁说的？

David Holz（Midjourney CEO）在展示这台叫”Midjourney Scanner”的原型时，承认这跟公司之前干的”生成猫咪图片”相比，确实有点跳脱。但他的野心不小——他说这台设备的图像质量”在很多方面将优于甚至 MRI 机器”。

“在很多方面将优于甚至 MRI 机器”——David Holz 对 Midjourney Scanner 的评价

MRI 是什么概念？那是目前医学上最精密的无创成像手段之一。一家靠”文生图”起家的公司说自己的硬件能比 MRI 还强，这话搁在任何场合都够吹一阵的。

但先别急着笑。这台扫描仪的原理其实有点意思。

60秒全身扫描，每年一次？

它跟超声波技术公司 Butterfly Network 合作开发，设备里塞了 40 个”Butterfly Ultrasound-on-Chip”成像模块——就是那种能把超声波传感器做进一枚芯片里的技术。你踏上一个平台，它带着你沿着轨道沉入水中，经过一个装了几千个换能器的环形装置，后者发射超声波然后记录波穿过你身体后的回波，最终拼出一幅详细的 3D 内部图像。

全程大约 60 秒。

Holz 说，理想情况下你可以一年扫一次，甚至每天都扫。他的想法是监测身体对饮食和锻炼的变化反应——”我还不是地球上被测得最多的人，但也许我想要那种每天都能获得的可量化信息。”

这话听起来很像硅谷那套”量化自我”的老调，但换个角度想，如果全身扫描真的能做到 60 秒、低成本、无辐射（超声跟 CT/MRI 不同，不涉及电离辐射），那它确实有可能把”年度体检”这件事变得更可及。

开在商场里的扫描水疗馆？

Midjourney 给这个项目想了个挺有意思的落地场景：spa。不是医院，不是诊所，是一家让你放松的、可能还提供茶和点心的”扫描水疗馆”。招聘广告里写的是”通过一种魔法般的 spa 体验，最终将安全、快速、高保真的预防性扫描带给数十亿人”。

这里有个细节值得停下来想想。AI 公司做硬件，而且还是医疗硬件，这件事的门槛在哪里？Midjourney 在图像生成上确实有两把刷子，但医学成像不是生成一张好看的图就完事——误诊的代价是真实的。Holz 说他们用”成像体模”（imaging phantom，一种用于验证扫描精度的标准测试物体）做了分割验证，但离临床批准和大规模商用，中间还隔着监管、责任归属、医生采纳等一堆难题。

---

但这不妨碍它成为一个信号：AI 公司不再满足于躲在云端提供 API，它们开始想要触碰物理世界了。

Holz 本人是 OpenAI 的联合创始人之一（虽然很早就离开了），Midjourney 在过去几年里靠文生图站稳了脚跟，现在拿着这笔钱去做硬件——而且还是医疗硬件。这个路径，跟 Anthropic 做安全、跟 OpenAI 做 AGI，都不太一样。

它更像是在说：AI 不只是聊天机器人，它可以是看得见的、摸得着的、走进你身体的东西。

至于它能不能真的”优于 MRI”，这个问题的答案大概要等好几年后才能揭晓。但在 AI 越来越像空气一样无处不在的 2026 年，有一家公司愿意把赌注压在”让所有人每年做一次全身扫描”这件事上，本身就挺值得记一笔的。

从旧金山飞首尔要 12 个小时，落地后我走过无人值守的入境检查口，机器扫了一下我的脸和护照。坐地铁回家路上，人们都盯着手机——即使是地下的站台也有完美的 5G 信号——窗外闪过一个个 LED 屏幕，上面是庆祝 K-pop 偶像生日的广告。

在江南站下车后，一个卡通大眼睛的轮式机器人在路口耐心地等着过马路，它要去给某个人送晚餐。这就是首尔，一个对 AI 几乎毫无抵触的国家。

乐观到离谱的数字

皮尤研究中心调查了 25 个国家，结果发现韩国人是所有国家里对 AI 最乐观的——只有 16% 的人说他们对 AI 感到担忧胜过兴奋。作为对比，一半的美国人说他们更担忧而不是兴奋。韩国人每天都在用 AI，要么是当个人助手，要么是用它干活。

这种乐观情绪很大程度上是”设计”出来的。韩国政府把 AI 定为经济增长的引擎，总统李在明承诺要把韩国打造成仅次于美国和中国的”AI 三强”。

2024 年，韩国国会通过了《AI 基本法》，这是全球最早的一批综合性 AI 法律之一，重点是促进 AI 发展，监管走的是”轻触式”。

技术立国的逻辑

韩国人对技术的热爱有历史原因。这个国家从朝鲜战争的废墟里爬起来，靠的就是技术——1970 年代炼钢和造船，1980 年代做半导体，1990 年代铺宽带，2000 年代造智能手机。

今天，三星和 SK 海力士供应全球大部分高带宽内存芯片，就是这些芯片在驱动训练 AI 模型需要的英伟达硬件。韩国人的逻辑很简单：拥抱技术 = 现代化 = 在全球秩序里有一席之地。AI 只是这个逻辑的最新版本。

斯坦福 2026 年 AI 指数报告显示，70% 的韩国人认为通过 AI 创新来推进科学和医学是比通过监管保护就业更优先的事项。首尔街头的 AI 公交站已经在试点，配备多语言问答机。养老院里有 AI 陪护机器人，寺庙里甚至出现了人形僧侣机器人”Gabi”。AI 已经渗进了韩国人生活的各个角落。

盲目乐观的代价

但盲目乐观也是有代价的。2025 年，韩国政府强推 AI 教科书，结果被骂惨了——书上全是事实错误，而且数据隐私风险也没评估，连试点项目都没做就直接铺开了。

现代汽车宣布要在工厂里部署 Atlas 人形机器人之后，工会抗议得很厉害，说”没有劳资协议，一个机器人都别想进厂”。64% 的韩国人担心 AI 会抢走工作、加剧不平等，尽管 52% 的人也认为 AI 能提高生产力。

韩国 Gallup 的调查说，46% 的二十多岁的韩国人用聊天机器人算过命（韩国人叫”四柱”）。年轻人把 ChatGPT 当算命先生、股票顾问、还有干活工具，三合一。我表妹说了一句话，我觉得挺准确地概括了韩国人对 AI 的矛盾心态：”我有时候也怕 AI，但现在来说，它真的太有用了。”

---

Anthropic 上周做了一个在其他 AI 实验室眼里可能有点”格格不入”的举动——它加入了 Frontier，一个由 Stripe、Google、Shopify 等科技公司发起的碳去除集体。Anthropic 是第一个加入这个组织的纯 AI 公司。

Frontier 这次新募集了 9.15 亿美元，让总承诺金额几乎翻了一倍，达到 18 亿美元。到目前为止，Frontier 已经签下了近 7 亿美元的合同，覆盖 50 多个项目，预计能去除 180 万吨二氧化碳。

Anthropic 加入 Frontier 是它第一个和气候相关的动作。此时 AI 公司们正在疯狂买电，而且买的不都是”干净”的电。

为什么这件事值得关注

xAI 在孟菲斯的数据中心装了 57 台未获许可的燃气轮机，被环保组织告上法庭；SpaceX 的 IPO 文件显示它未来三年还要花 28 亿美元买更多燃气轮机。Anthropic 在这种时候加入 Frontier，多少有点想给自己贴上”我们在乎气候”标签的意思。

但说实话，Anthropic 自己也没那么干净。它还没有发布过可持续发展报告，而且在今年早些时候的一份声明里说它支持”all of the above”的能源策略——这句话翻译过来其实就是”什么电都买”。

Frontier 是怎么运作的

Frontier 本质上是一个”碳去除项目的买手团”。想买碳去除信用的公司面临一个困境：它们想在未来一二十年达到零排放，但有些排放是消不掉的（比如坐飞机），而碳去除这个行业又太早期了，没有哪家供应商能稳定地去除大企业需要的那个规模。

Frontier 就来做这个”尽调”——它评估哪些碳去除技术靠谱，然后替成员公司签合同。这些碳去除信用就像资产负债表上的”利润”一样，可以用来抵消企业账面上的碳排放。

碳去除到底在去除什么

Frontier 投过的技术路线很广：直接从空气里抓二氧化碳的装置、把磨碎的石头撒到农田里加速风化的方案、把生物质转化成生物油然后封存的路径、往海里倒抗酸剂来吸收二氧化碳，还有烧生物质发电并同时封存二氧化碳的技术。

现在 Frontier 说要换打法了——少投一点项目，但每个项目的钱给多一点，重点押注那些有希望每年去除 10 亿吨以上二氧化碳的技术。新合同的期限也拉长了，大概 8 到 10 年。

一个 Frontier 的发言人说，以后任何新合同都会要求碳去除公司”展示出通往政府补贴的路径”。这话其实挺诚实的——企业不想永远当这个行业的提款机。

联合国 IPCC 已经说了，要实现净零排放，碳去除技术是必要的。但问题是，没多少人愿意买单。Frontier 签合同可以签到 2040 年，但 2040 年以后呢？按照现在全球变暖的速度，我们到时候大概会有比碳去除更紧迫的问题要操心。

---

训练一个大语言模型，你只需要扒下整个互联网的文本就行。但训练一个能叠衣服、拿杯子的机器人？那可没现成的数据海洋给你捞。

这就是XDOF看到的机会。这家今天刚从隐身模式走出来的初创公司，刚拿了7000万美元融资，投资方包括Thrive Capital、Spark Capital、a16z、Lux和WndrCo。他们的赌注很简单：AI的下一个瓶颈不是模型也不是芯片，而是教机器人理解物理世界的数据反馈回路。

为什么机器人数据这么难搞

语言模型可以啃下整个互联网的文本，因为文字是现成的。但机器人需要的数据得捕捉物理交互——手怎么抓、力怎么控、物体怎么响应。这类数据几乎不存在。

YouTube视频？画质太低，而且你不知道视频里的人到底用了多少力、手指是什么角度。众包工人拍的片段？同样的问题，而且很难和真实的物理参数对上号。

XDOF的联合创始人兼CEO Philipp Wu在UC Berkeley读博时就撞上了这堵墙。他的研究方向是让机器人从大规模数据集里学习技能，但问题来了——根本没有大规模数据。

“这是一个鸡生蛋、蛋生鸡的问题——我们得先实际收集数据，才能开始问怎么为机器人训练基础模型。”

从学术论文到商业项目

Wu和后来的联合创始人、CTO Fred Shentu搞出了一个叫GELLO的低成本遥操作系统，让人类操作员可以控制机械臂来生成训练数据。这个项目后来成了一篇在机器人圈很有影响力的论文，因为很多实验室都有同样的数据瓶颈，开始用这类设备来采集数据。

看到机会后，Wu、Shentu和第三位联合创始人、COO Nemo Jin在2024年10月创立了XDOF，专门为搞机器人模型的公司提供数据生态系统。公司现在有约60名员工，已经在对口20家客户，包括几家前沿AI实验室（名字不能透露）。

Wu说得很直接：”所有顶尖实验室都在追机器人。我们已经看到在语言模型竞赛中稍微落后的后果……你不想在物理AI成为下一个前沿时被甩在后面。”

数据金字塔的三层结构

XDOF的计划是覆盖一个数据金字塔的三个层级。最值钱的一层是在实际部署的机器人上采集的遥操作数据；第二层是用遥操作机器人采集更通用的数据（就像GELLO那样）；第三层是”以自我为中心”的数据——人类戴穿戴式传感器完成日常任务时采集的数据，XDOF计划自己造这种传感器。

选什么摄像头会直接影响数据质量，进而影响手 tracking 算法的表现。Wu说：”如果你一开始不把硬件设计好，你采集的数据可能会有你没预料到的特定问题。”

为什么大实验室不自己搞

这个问题很自然：为什么OpenAI、Google DeepMind这些巨头不自己建数据管道？Wu的回答是规模和专注度：”你需要一个几十万平方英尺的仓库，里面放上几百台机器人。你还得维护这些机器人、校准它们的物理参数、 properly培训操作员。”

这种重资产、劳动密集的运营模式，大多数AI实验室宁愿外包。而这正是XDOF押注的市场。

公司名字XDOF是个双关，既指机器人学里的”自由度”（degrees of freedom，描述机器人能独立运动的方向数），也表达了他们的野心：”任意自由度，无限自由度。”

---

XDOF已经和UC Berkeley的AI研究实验室合作，发布了他们声称的有史以来最大的高质量机器人训练数据集合，叫ABC。里面有13万条机器人操作数据轨迹、300小时仿真数据和100小时评估数据。这种规模的预训练数据以前学术界根本拿不到。

团队已经用这些数据训练机器人做折T恤、压扁纸箱、把AirPods塞进盒子这类基准任务。接下来，物理AI的数据军备竞赛才刚刚开始。