逃去超市当收银员后，我算出了自己被机器人淘汰的倒计时

工龄长达30年后，我不得不承认：新工作的第一个星期，是我职业生涯里最快乐的七天。

我原本是一名写了一辈子代码的软件工程师，最近却去了家门口的连锁超市当收银员。面试时，店长扫了一眼简历，抬头问我：「你过去做的事比我们整个超市都大，为什么会来这儿？」

我跟他们摊牌：AI技术演进太猛，软件工程行业的职业安全感正在瓦解。他们听懂了，也没再多问。

但我没把底牌全亮出来——我并不是要把三十年的技术积累扔进垃圾桶，去换一份纯体力活。实际上，我是带着程序员的视角走上收银台的。我把自己定位成一个「卧底的前线部署工程师」（Forward Deployed Engineer，FDE）。在AI前沿企业里，这类工程师的职责就是直接扎进一线业务，负责把AI融入实际工作流。

第一周的感觉确实比任何一份码农工作都痛快。刚进IT公司的新人往往很憋屈：啃几周陈年老代码、配各种稀奇古怪的环境、开一堆摸不着头脑的会，想写点业务逻辑得等上几个月。而在超市，我只花了两个小时熟悉收银机，就被直接推上流水线。第一个早班还没结束，我已经熟练地在为顾客扫码、装袋了。

这个岗位的入门门槛明显比写代码低得多。如果连人类都能两小时速成，那留给AI的壁垒到底还有多高？

为什么我们至今没在超市看到机器人收银员？

数字AI狂飙，物理AI为何慢了半拍？

眼下的数字AI遥遥领先于物理AI（Physical AI）。但两者的差距正在以肉眼可见的速度缩小。

数字AI生活在高度受控的虚拟环境里。大语言模型（LLM）靠消化人类积累的文本、代码、学术论文和商业数据训练出来，在智力层面的许多指标上已经追平甚至反超普通人类；扩散模型包揽了图像、视频生成；各类AI Agent正在接管电脑桌面上的一切操作。

物理AI则不同，它是AI在物理世界中的具体化身（具身智能，Embodied AI），通俗讲就是由AI大脑控制的机器人。

这概念并不新鲜。过去半个多世纪，工厂流水线上的机械臂、客厅里嗡嗡作响的扫地机器人，本质上都是机器人。但它们此前搭载的只是专用弱人工智能（ANI）。一块电路板或一套死板的程序，只负责拧螺丝或走指定路线。在特定任务里，ANI的速度和稳定性完爆人类，可一旦遇到意外——少了一个零件、物体倒地——机器就会瞬间卡死，只能等人工干预。它无法从意外中学习，除非工程师重新给它写代码。

现在的质变在于：AI正在从专用智能迈向通用智能（AGI）。

以自动驾驶为例，即便网络上偶尔能看到无人出租车卡壳的段子，但在实际统计中，自动驾驶在很多维度的安全性已经超越了人类新手司机。面对开放世界的交通环境，算法不仅能处理突发状况，还能把错误转化为训练数据，自我迭代。

既然AI都能上路开两吨重的汽车，搞定生命攸关的复杂路况，为什么还搞不定超市里装面包、扫蔬菜这件小事？

答案在形态上。

汽车本质上是一个极简的非人形机器人：四个轮子负责移动，油门和刹车控制启停，规则和物理约束相对清晰。而人体结构复杂得多，单单走路这个动作，就需要调动两百多块肌肉和六十多个关节协同工作。如果只是单纯扫码，装上六条机械臂的专用机器效率也许更高，何必非要执着于人形？

除了让习惯和真人打交道的中老年顾客感到亲切外，人形的核心逻辑只有一个：整个物理世界都是按照人类的身体尺度设计的。

门把手的高度、台阶的跨度、收银台的通道宽度、货架的进深、包装袋的把手……如果造一个通用人形机器人，它就能无缝复用人类所有的物理基础设施，不需要超市为了迁就机器把整个收银台推倒重来。

黄仁勋此前断言：机器人产业的「ChatGPT时刻」已经到来。 机器人正在走出单一专用的机械臂形态，向通用能力演进。

LLM让我们认识了大语言模型，而接下来我们需要适应的名词叫 VLA（Vision-Language-Action，视觉-语言-动作模型）。LLM理解语言并进行推理，VLA则负责理解物理世界：摄像头看到物体，在多模态框架下做空间与常识推理，直接驱动机械关节做出抓取、挪动、调整等物理动作。遇到条形码被压皱或物品拿反时，它能像人一样现场应变，而不是直接报错死机。