Claude 单挑四足机器人，这次它把人类团队甩开了 20 倍，全程没人帮忙

事情是这样的。

去年八月，Anthropic 干过一件挺逗的事。他们把一群自家员工拉到仓库里，给每人发一台市面上能买到的四足机器人，就是那种长得像机器狗、能跑能跳的玩意儿，然后下任务，让这帮人去操控它完成一连串活儿。关键是，这些员工压根不是搞机器人的，平时写代码、做研究、开会，跟舵机、激光雷达八竿子打不着。

这个实验叫 Project Fetch，fetch 就是狗子叼球那个 fetch。任务的终点也确实是让机器狗把一颗沙滩球乖乖叼回起点的那块假草坪。

当时他们把人随机分成两组。一组能用 Claude，具体是那会儿最强的 Opus 4.1，另一组什么 AI 都不给，只能靠搜索引擎和自己那点聪明劲。结果不意外，能用 Claude 的那组明显更快、做得更多。这事他们当时写过一篇报告，有兴趣的可以去翻 第一阶段的记录。

但真正让我愣了一下的，是那篇老报告里一个不起眼的细节。

实验开始前，他们其实偷偷试过一把，让 Opus 4.1 自己单干，不带人，看它能不能把整套流程跑下来。答案是干脆利落的不行。那会儿的模型卡在最最初级的一步，就是怎么连上那条狗。跟那组没有 AI 的人类一样，对着机器人大眼瞪小眼，连接都建立不起来，更别提后面叼球了。

好。把这个画面记在脑子里。一个连机器人都连不上的模型。

然后，时间往前走了不到一年。

同一条狗，换了个脑子

这两天 Anthropic 把 Project Fetch 又翻出来重做了一遍，发了 第二阶段的报告。这回主角换成了新一代的 Claude Opus 4.7。同样那条机器狗，同样那堆任务，唯一变的就是接在笔记本另一头的那个模型。

我把报告从头看到尾，看完坐那儿缓了好一会儿。

核心结论就一句话，我尽量原汁原味地搬过来。Claude Opus 4.7，在没有任何人类帮忙的情况下，完成了那些不到一年前人类团队做过的全部任务，速度大约比最快的那组人类还要快 20 倍。

20 倍。

这个数字得拆开看才有体感。他们挑了两组人类都完整做完的四项任务做对照。没有 AI 的那组，干完用了 361 分钟，六个小时往上。用 Claude 的那组快不少，181 分钟，三个钟头。

Opus 4.7 自己上，9 分 35 秒。

我盯着这个数字看了好几秒。361 分钟和 9 分钟，这已经不是同一个量级的较量了。平均算下来，它比没 AI 那组快了 37 倍多，比有 AI 那组快了将近 19 倍。还有另外一张包含五项任务的对照表，人类那组花了 264 分钟，Opus 4.7 三次试验平均下来，12 分 7 秒。

去年那个连狗都连不上的家伙，今年自己一个人把活全干了，还顺手把所有人甩在身后。

它不是蛮干，是真的会取舍

光快还不够吓人，吓人的是它快得很有章法。

报告里提到一个我特别在意的点。人类在干这活的时候，最大的内耗是选择。怎么接上机器狗的视频和激光雷达传感器，有好几条路可以走，每条路都有坑，人类就在那儿反复横跳，试一条不行回头再试另一条，时间全耗在岔路口上了。

Opus 4.7 不纠结。它很快就锁定了那条最优路径，而且写出来的代码很多一次就跑通。这点尤其扎心，因为在去年的老实验里，不管是带 Claude 的人类组还是不带的，第一次写的代码基本都跑不起来，得反复调。

更有意思的是代码量。你可能会觉得，机器干活嘛，肯定是哐哐一顿堆，写一大坨。恰恰相反。带 Claude 的人类那组总共写了 10309 行代码，没 AI 那组写了 1136 行，而 Opus 4.7 自己只写了 1045 行。

成功率持平甚至更高，代码量却比人类带 AI 那组少了差不多十倍。

这说明啥。说明它不是用算力硬怼出来的，它是真的找到了一条更干净的解法。写过代码的朋友都懂，能用 1000 行解决的问题非要写 10000 行，那不叫能干，那叫还没想明白。一个动不动就给你吐几千行的协作者，和一个想清楚了再下手、一击中的的协作者，是两种完全不同的物种。

这一手，有点子牛逼。

当然它也不是神。报告很诚实地记了一笔，Opus 4.7 默认用了一个有点过时的目标检测算法，不是最优解。但即便起手牌不太好，它也能绕过去，最后还是凑出了一个能用的方案。

我看到这儿其实是松了口气的。一个连自己用了次优算法都能自我兜底的系统，比一个号称样样最优、一出错就崩的系统，让人踏实得多。

但它在最像狗的那一步，栽了

讲到这儿你可能觉得，完了，人类要被一条机器狗取代了。

先别急。这篇报告最让我喜欢的，恰恰是它没有藏着掖着，专门留了一节讲 Claude 卡在哪。

卡在哪呢，卡在 fetch 本身。就是那个最朴素的、最像一条真狗会干的动作，把球精确地拱回起点。

你想想看，人类拿着手柄推这颗沙滩球的时候，脑子里其实在飞速跑一个闭环。球有没有跑偏，刚才那下推多了还是推少了，球现在滚到哪儿了，下一下力道该怎么调。这是一种实时的感知、纠错、再出手的循环，人类在摔了几次跟头之后特别擅长这个。

Claude 没拿捏住这种微妙。它能把机器狗挪到球后面、摆好姿势准备顶，这部分没问题。可一旦进入那种连续的、需要根据反馈不断微调的精细控制，它就乱了，推得歪七扭八，跟当年那些走到这一步的人类参与者一个德行，没成功。

后来是一位比第一阶段志愿者更懂机器人的研究员，亲手写出了能自动取球的程序。作者也说得很坦白，给现在这代 Claude 多一点时间、再搭点脚手架，它很可能也能做到。但他们接下来真正想盯的是另一件事，模型能不能用它在别的任务上那种又快又稳的水准，去啃下这最后一关。

所以你看，这个故事其实没那么科幻。它不是一个全知全能的机器人降临人间，而是一个偏科生。逻辑、规划、写代码、连传感器，它强到离谱。可一旦碰到那种需要身体感觉、需要在物理世界里实时手眼协调的活，它还嫩。

会写一万行代码控制器的它，和稳稳把球拱进草坪的它，中间还隔着一道坎。

我盯着的是那条暗线

如果只看快了 20 倍，那这就是一条普通的炫技新闻。但我反复琢磨的是作者点出的一条规律，这条线才是真正让我后背发凉的东西。

他们说，这件事的演进，反复出现同一个套路。一开始，是模型帮人。然后，是人帮模型。最后，是模型基本能自己干。

把这条线套到 Project Fetch 上严丝合缝。第一阶段，模型给人打下手，人类是主角，Claude 是助手。中间这一年，是人类在喂它、在教它、在帮它。到了第二阶段，人类的角色缩到只剩下，把笔记本插到狗身上，敲一句初始提示词，然后点几下批准，剩下的它自己来。

研究员从主驾驶，变成了副驾驶，最后变成了那个坐在后排只负责说一声可以出发的人。

而这条线，Anthropic 说他们在另一个完全不相干的领域已经亲眼见过一模一样的剧情，那就是网络安全。先是模型辅助安全研究员，然后研究员调教模型，再然后模型自己就能上手。现在，同样的动态开始在 AI 和物理世界的交界处冒头了。

这就不是一条狗的事了。这是一个模式，一个会在你想不到的领域反复重演的模式。

作者还打了个特别戳我的比方。他们说，模型现在能轻松上手现成的物理工具，这件事，跟当年 AI 学会用 string-replace 这种现成的代码编辑工具、一脚踏进所谓的代理式编程，是同一个剧本。

这个类比我得停下来多说两句。所谓代理式编程，就是模型不再只是被动地吐代码给你，而是能自己拿起工具去改文件、跑命令、看报错、再修，像个真在干活的工程师。我平时的工作，说得通俗点，就是给大模型搭一层能让它真正干活的脚手架，工具怎么接、任务怎么调度、跑挂了怎么重试，全是这层里的活。所以当我看到 string-replace 这个词从一篇讲机器狗的报告里蹦出来的时候，我是真的笑了一下。

因为我太熟悉那个转折点了。模型从只会说，到会动手用工具，这中间的鸿沟看起来巨大无比，跨过去之后再回头看，又快得让人发懵。

Anthropic 管现在这个阶段叫物理代理 AI 的早期时代。Physical agentic AI。听着挺玄，翻译成人话就是，AI 开始能自己抄起物理世界里的家伙干活了，哪怕目前只是在很有限的场景里。

涌现这两个字，最该被记住

报告里还藏了一句话，特别容易被那个 20 倍的标题盖过去，但我觉得它才是全文的题眼。

作者特意强调，模型在机器人这块的长进，根本不是他们专门为了搞机器人去优化的结果。没有人坐下来说，我们这季度的 KPI 是让 Claude 学会遛狗。这些能力，跟 LLM 发展史上无数次发生过的那样，是从更通用的规模化训练里，自己长出来的。

涌现，emergence，就是这个词。

你为了一个目标拼命喂数据、加算力，结果模型在一堆你压根没去教的地方，突然就会了。你教它读书写字，它顺手学会了操控一条机器狗。这种感觉很难形容，有点像你辅导孩子做数学题，某天发现他不声不响地把家里的洗衣机给修好了。

坦率讲，这种不可预测性，是我对这一波 AI 又兴奋又有点犯怵的根源。兴奋是因为天花板根本看不到顶，你永远不知道下一次规模化会蹦出什么新本事。犯怵也是因为这个，能力是从训练里自己冒出来的，没人能提前给你画一张准确的清单，告诉你它到底会什么、不会什么。

我们这行有个特别朴素的认知，看不到的东西最难防。

那条 20 倍曲线，到底意味着什么

文章快收尾的时候，作者下了一个判断，我把它抄在这儿，因为我觉得这话分量很重。

他们说，能力上那些看起来大得吓人的差距，往往能被很快跨越。模型自己造软件工具，这事搁不久前听着还像天方夜谭，可它现在就实实在在地发生了。所以，在硬件、在物理世界这条路上排除掉同样的轨迹，是不明智的。

我同意。但我想给屏幕前的你，尤其是同样在这行里摸爬滚打的兄弟，补一个我自己的角度。

20 倍这个数字，吓人，但也别被它吓住。它衡量的是那些已经能被清晰拆解、能写成代码、能跑通自动流程的任务。在这些地方，模型确实在以一种碾压的姿态前进。可你回头看看 Claude 栽跟头的那个 fetch，那个需要实时手眼协调、需要在物理世界里和不确定性死磕的环节，它还差得远。

人类擅长的，从来就不是那些能被写成 1045 行代码的标准任务。人类擅长的，是在草坪上推球推歪了之后，凭着一股说不清道不明的身体直觉，下一脚就找回了感觉。是那种摔过、疼过、然后身体自己记住了的东西。

我有时候觉得，这一波 AI 真正逼着我们想清楚的，不是机器能干什么，而是我们到底凭什么还站在这儿。答案可能恰恰藏在那些没法被精确建模、被规模化喂出来的地方。藏在那些笨拙的、需要反复试错才能长出来的、属于身体和经验的褶皱里。

是谁来自山川湖海，却囿于昼夜厨房与爱。万青那句词，我以前听只觉得是一种困顿。现在我倒觉得，那个被昼夜厨房与爱困住的、笨拙的、会推歪球的肉身，可能正是机器一时半会儿学不走的东西。

机器狗已经能 9 分钟跑完人类六小时的活了。但它还学不会，怎么温柔又精准地，把一颗球送回家。

这事让我踏实，也让我清醒。它在飞速追上我们能写成代码的那一半，那我们就更得守住、更得好好长出来另一半。

报告原文我贴在这儿了，建议你自己去读一遍，Project Fetch 第二阶段，里面还有几段机器狗推球翻车的视频，挺有画面感的。做这事的是 Anthropic 那个专门盯前沿风险的 Frontier Red Team，他们一贯敢把模型不行的地方也摊开来讲，这点我挺服。整套实验是在 Claude Code 里跑的，思考努力程度直接拉满，跑了三次取的平均，数据上还算扎实。

好家伙，写到这儿我又想去翻翻那条机器狗到底是哪个型号了。这大概就是被一篇报告勾起好奇心的下场，根本停不下来。