Machina Labs’ Edward Mehr on Autonomous Blacksmith Bots and More
37:25 Share

Edward Mehr 的工作是人工智能与铁砧的结合。他与人共同创立的公司 Machina Labs 将机器人和人工智能的最新进展融合在一起，将金属塑造成无数形状，用于国防、航空航天等领域。该公司的应用能够加快设计和创新速度，使迭代和生产速度加快，只需几天时间，而不是传统工艺所需的几个月时间。NVIDIA AI Podcast 主持人 Noah Kravitz 与 Machina Labs 首席执行官 Mehr 谈论该公司如何利用人工智能开发首个机器人铁匠。其机器人技工平台集成了七轴机器人，可以塑造、扫描、修整和钻削各种材料——所有这些功能都通过人工智能实现。</context> <raw_text>0 您好，欢迎收听 NVIDIA AI Podcast。我是您的主持人 Noah Kravitz。深度学习、机器学习、计算机视觉，所有这些我们现在都归入人工智能领域的术语，最引人入胜、充满活力和直观的应用之一就是机器人领域。

多年来，机器人一直是一个充满活力的领域，但自从大型语言模型出现以来，人们对机器人的兴趣、它对主流受众的曝光度，以及我们如何沟通、训练和利用机器人的一些想法

都得到了扩展。今天来和我们谈谈机器人领域，特别是制造业领域的，是 Ed Mayer。Ed 是 Machina Labs 的联合创始人兼首席执行官，我很高兴欢迎 Ed 来到播客。这件事筹备了一段时间了，所以我非常期待听到 Machina Labs 的所有工作。相信我，这真是太酷了。Ed，非常感谢您抽出时间参加 NVIDIA AI 播客，欢迎。谢谢。很高兴来到这里。

那么，让我们从头开始吧。请告诉我们一些关于 Machina Labs 是做什么的，以及它是如何起步的。

然后我们再继续。听起来不错。在 Machina Labs，我们正在尝试，或者说我们正在构建下一代制造车间。主要的推动因素是人工智能和机器人技术。我们试图解决的主要挑战是我在我过去的职业生涯中学到的东西。那就是，每当你必须制造一个物理部件、一个由材料制成的部件、一个由物理材料制成的设计时，你几乎都必须围绕它建造一个工厂。有很多

你需要建造的机器和设备，它们是专门为该部件、该几何形状、该部件使用的材料而设计的，这些是无法改变的，无法轻易改变的。每当你想要改变设计和材料时，你就必须去改变这些机器和你在车间里必须部署的工具。

所以我们想做的是，我们能否建立一个真正意义上的软件定义工厂？一个可以改变其设计、可以改变其运行而无需改变其机器的工厂，而机器的改变是非常昂贵的。这需要很长时间。对。

而且，你知道，这些挑战在过去的制造业中一直存在，你知道，100 年了。我认为现在我们已经到了机器人和人工智能都足够成熟的地步，我们可以重新思考制造车间和车间是如何建造的这种模式了。所以当您提到您在以前的工作中学到的东西时，您曾在 SpaceX 和 Relativity Space 工作过，对吗？

太棒了。太棒了。你在那里也从事制造工作以及围绕制造过程的一切吗？是的。是的。明白了。好的，我，

我自己对制造业了解不多。我已经在数字世界做内容创作者一段时间了，但对我来说，如果你想创造一些物理的东西，你必须围绕它建造物理工具等等来创造它是有道理的。显然，拆除它、重新配置它将是一个昂贵的过程。因此，当您谈到软件定义制造车间的概念时，

这是什么意思？因为我显然认为我们无法将零和一转化为物理输出。那么这是如何运作的呢？这是什么意思呢？是的，绝对的。

所以我有点有趣的，不是有趣的，也许是更混合的背景。所以我的教育……我敢打赌它很有趣，但我们会看到的。是的，我很感激。我的教育主要集中在机器人和软件方面。你知道，当我上学的时候，学术上是计算机工程，然后更具体地转向机器学习、经验建模和人工智能。我在谷歌和微软等公司度过了我职业生涯的早期阶段。

但是，你知道，从小我就对制造业情有独钟。我在上学的时候做了很多焊接和木工之类的事情。所以我一直想能够将软件和机器人的世界结合起来，带入制造业。所以当我去了 SpaceX，我才开始了解制造零件有多难。

为了说明这一点，我将举一个我们在大约 2020 年、2010 年、2012 年期间在 SpaceX 从事的一个项目中的例子，那就是猎鹰 9 号。一旦我们确定了猎鹰 9 号火箭的直径，工厂中的许多工具和设备都配置了该直径。

这意味着，例如，你用来制造该火箭油箱的工具都固定在该直径上。一旦你想获得更大的火箭，你想要它是因为更大的火箭意味着你可以装入更多的燃料，它可以到达更高的轨道。

但这并不是一件容易的事情。这意味着在工厂中要投资数亿美元才能改变这一点。事实上，如果你关注猎鹰 9 号的整个生命周期，或者只是猎鹰系列，你会发现火箭一直在变高，但直径却从未变大。

事实上，如果你看看 SpaceX 在过去的 20 多年中存在的情况，他们已经开发了两个火箭系列。实际上是一个半。所以有一个猎鹰系列和一个星舰系列，这是一个大得多的火箭，而且还没有实现生产。所以是一个半，这就是我称它为一个半的原因。为了建造星舰，他们不得不从头开始。新的设施，在德克萨斯州的许多新工具，对吧？是的。

这就是我说制造业非常依赖硬件的原因。当然。现在，在过去的几十年中已经开发出了一些技术，使我们能够稍微摆脱这种限制。3D 打印就是其中之一。

这就是我从 SpaceX 转到 Relativity Space 的原因。Relativity Space 的目标是，我们能否尽可能多地 3D 打印火箭，以摆脱这种限制，即如果我们想改变火箭的设计，我们就无法改变的限制。

所以在那里，我负责一个团队，该团队正在构建一个非常大的 3D 打印范围，对吧？你可以打印出宽 15 英尺、20 英尺，长度 20 英尺、30 英尺的结构。这基本上是一个带有焊接机的机械臂，它一层一层地焊接，你知道，基本上就是 3D 打印，一层一层地焊接一个非常复杂的结构，这个结构可以非常大。

所以，第一次，像 3D 打印这样的技术给了这个承诺，现在你实际上可以将一个设计转换成一个可以逐步构建几何形状的东西，它不受特定工具的限制。

3D 打印的挑战是，仍然有很多几何形状是无法实现的。要么物理上不可能打印出来，这有很多物理上的挑战，要么经济上不可行。这让人们开始思考如何构建更广泛的自动化

可以进行不同类型的工艺、不同类型的材料。它不只是针对 3D 打印或机械加工或一种工艺。它可以进行车间中需要的不同类型的制造工艺，而无需特定于工具。这就是 Machina 的起源。

核心思想是回答你的问题，比如，这怎么可能？核心思想是，你知道，我们过去拥有这种灵活性，对吧？如果你回到几个世纪前，制造业曾经是工艺美术。人们实际上是制造东西的。他们可以有一天，你会去找一个铁匠，然后你说，好吧，给我打造一把剑。

他们会从一根材料开始，使用他们的锤子，并将其逐步应用于该材料，他们拥有创造性的思维，因此他们可以知道应用不同的步骤，并以创造性的方式来获得一把剑，然后第二天你可以说，哦，你能给我做个盾牌吗？它将从一块扁平的金属板开始，然后他们以不同的方式使用相同的锤子，它将从金属板中给你一个盾牌，对吧

所以他们非常灵活。挑战是他们无法扩展。因此，对于当前的制造模式，我们用吞吐量换取了这种灵活性。但我认为，如果我们能够以自动化方式复制工匠所做的事情，

那么我们也许可以两全其美。我们可以获得工匠所拥有的灵活性，但也可以将其扩展。这基本上就是我们在 Machado 做的事情。我们正在构建我们所说的机器人技工。核心组件是，你能否复制工匠的灵巧性，这是机器人发挥作用的地方？但更重要的是，你能否复制工匠头脑中发生的事情？

他们如何使用非常简单的工具来想出一套程序和步骤，以获得精确的部件？然后，因为它是一个机器人系统，所以你可以很容易地扩展它。所以我想请你深入探讨一下。但在这样做之前，是否有特定的行业、子行业、

以及定义 Machina 正在从事的工作以及 Machina 没有从事的工作的项目类型或其他参数？它是否特定于，你知道，你是否为此制造了机器人铁匠？但是，你知道，他们是航空业、不同的行业吗？这方面的做法是什么？然后也许我们可以深入探讨一些

你正在做的事情的技术细节。是的。所以我们制造的机器人技工单元，这是一个机器人系统。我们称之为单元。它实际上是行业无关的，对吧？你可以为航空航天制造零件。你可以为汽车制造零件，这就是它的优点，对吧？就像早上你可以做汽车零件，下午你可以做航空航天零件。但是为了建立一个好的业务，我们总是想从我们非常适合的地方开始，这取决于当前的经济状况。当然。这

在那里开发它，然后从那里扩展到其他垂直领域。因此，我们今天关注的重点主要是在航空航天国防领域。我们对汽车也有一些关注，但主要是我们的业务来自航空航天国防领域。原因是传统的工厂非常擅长反复生产相同的东西。所以我们不一定要开始与他们在反复生产相同的东西方面竞争。我们想在设计不断变化的领域竞争。

零件不断变化，我们称之为高混合环境。这就是航空航天和国防非常适合的地方。

他们也比其他一些利润率较低、无法承担测试新技术的风险的行业更擅长采用新技术。所以航空航天国防是我们开始的地方，因为市场因素和市场进入考虑。但目标是这将来可以应用于任何垂直领域。是的，有道理。我应该问一下，Makina 是什么时候成立的？是的，我们在 2019 年成立了公司。好的。

所以公司现在已经有四五年了。但是，是的，但是团队来自制造业背景。你知道，我的联合创始人 Bobak 是一位材料科学家。他过去曾在航空航天和汽车行业工作过。许多 SpaceX 的校友，一些来自 Relativity Space 的人。所以很多人都从事敏捷制造和机器人领域。然后我们在 2019 年开始。然后我认为我们在 2020 年有了我们的第一个制造单元。

酷。为了完全透明起见，现在我应该提到 NVIDIA 实际上是 Machina Labs 的投资者。好的，让我们从任何角度，以及你想要的任何程度，深入探讨一下，Ed。

我想我有两个问题，你可以选择一个更有意义的问题。一个是关于你的制造车间是什么样子的，或者说你通过无线电所能描述的最好的样子，以及你如何构建单元以适应不同制造任务的混合。

然后我还有另一个问题，当然，人工智能是如何以及正在发挥作用来告知，你知道，我希望我们能深入了解这种创造性思维，这是什么术语，机器人制造商？不。机器人技工。机器人技工，谢谢。我知道这是一个比制造商更温暖一点的术语。那么我们应该从哪里开始更深入地挖掘呢？是的，我认为让我们

从车间布局开始是一个好的开始。因为这与传统的制造车间不同，对吧？我们在洛杉矶这里有一个设施，现在大约有 11 万平方英尺。这与你看到的，例如，如果你去一家汽车工厂，非常不同。像我说的那样，传统的制造模式非常专注于反复生产相同的东西。而且，

我们能够实现这一点的方式主要是因为在美国的一项发明，由亨利·福特在 19 世纪初完成，叫做装配线。在那里，产品以线性方式在工厂中移动，并且在它的每个工位或沿途，人们基本上只是安装不同的东西或对其进行不同的制造操作。

所以如果你进入今天的批量工厂，你会看到那种装配线流程，材料从一端进入，它们开始在装配线上组装在一起。每个操作都在每个工位进行。同样，你会得到一个电话或你得到的任何产品。从我这种非专业人士的角度来看，我一直想到的事情是每个工位都在反复做完全相同的事情，或者或多或少做完全相同的事情。

是的，这就是我们如何实现高吞吐量的。但是，阿喀琉斯之踵是，你无法改变。一旦你想改变它，基本上你必须彻底检修整个工厂，对吧？这就是为什么它变得非常昂贵。所以我们的模式有点颠覆了这一点。所以它说，好吧，让我们拥有这些我们称之为单元的东西。这些单元是由机器人实现的。每个机器人都可以被编程来执行不同的操作。

现在我们也正在将物流与制造脱钩，这意味着现在你的设施更像是一个数据中心，对于熟悉计算领域的人来说，你基本上在数据中心中拥有相同的方式，你有一堆计算机，你可以对这些计算机进行编程，这些计算机连接在一起。你可以对这些计算机进行编程，让它们通过软件执行不同类型的操作。这与我们在车间中的模式相同。有一系列制造单元。

这些单元是机器人单元，可以配置为对不同的零件执行不同的操作。然后通过一种集中式系统，你可以基本上对每个单元做什么进行编程。也许一个单元形成汽车的引擎盖，另一个单元也许正在焊接它，另一个单元正在修整它，而物流完全解耦了。

因为我们想要获得这种灵活性。现在，还有很多其他的好处，对吧？例如，你不仅获得了灵活性，而且还获得了滚动更新。你可以像这样，你可以关闭一个单元，而整个制造过程不需要像在装配线中那样进行彻底检修，对吧？所以还有很多其他的好处会发挥作用。但是，是的，我们的洗牌机看起来与你在，比如说，今天的汽车工厂中看到的非常不同。

当您谈到机器人单元、机器人本身时，它们是机械臂吗？根据任务的不同，它们是否有不同的物理形式？机器人本身的物理形式，称之为机器人技工，在多大程度上决定了？你知道，我回到你关于火箭直径固定的 SpaceX 的例子，并想象，好吧，对……

其中一个单元在物理上无法做到的事情一定有一些限制。是的。这实际上是我们公司自成立以来一直争论不休的一个非常大的话题。我们如何使这些单元尽可能灵活和灵活？我认为有两个考虑因素。一个是单元的大小，另一个是组件是什么。

如果你看看今天的行业，我们有很多选择。我们可以采用非常简单的自动化。很多人可能会想到像 Yantries 和系统，这些系统基本上是你可以在其中进行 XYZ 运动的。这是一个非常简单的系统。然后你可以一直走到一个非常复杂的机器人系统，比如人形机器人，对吧？它们有很多自由度，可以自动做很多事情。

但是缺点是，随着系统变得越来越复杂，它就越难制造。精度可能不如以前好。它们可以施加的力的大小也不如以前好。另一方面，你有一个非常简单的系统，可以在龙门架侧做很多精确的事情，可以施加很大的力。然后你另一方面，有一个非常复杂的系统，比如人形机器人，像 Figure 和其他公司正在尝试做的那样。你获得了很大的灵活性，但你可能会失去动力。

精度、准确性和它们可以施加的负载量。所以我们选择处于中间位置。所以我们使用机械臂。我们使用工业机械臂来获得两全其美的优势。在我们的制造单元中获得足够的灵活性，因为我们可以用 SACSEX 或 7 轴机械臂来复制几乎与人类相同的灵巧性。

但与此同时，你使用的是一种稍微商品化的系统。所以我们不必从头开始制造轮子。所以机械臂已经存在了几十年了。有多个供应商提供相同的东西。所以它更商品化。但它仍然让我们受益，所以它具有灵活性，但它具有施加大量力的优势。它仍然非常精确。我们可以通过我们的软件堆栈来消除它的许多限制。

所以使用机械臂，但理想情况下，你可能想要有多种这些机械臂的配置，对吧？在数据中心中也是如此，你拥有，你知道，一个系统具有 X 量级的 RAM 和这种类型的 CPU，而另一个系统可能具有更大的 RAM，而我们的系统可能具有 GPU，但希望我们只能有 5、6 种不同的配置。然后我们做这 5、6 种不同的配置。我们基本上可以做各种不同类型的零件，对吧？

例如，现在我们有非常强大的机器人可以处理非常厚的材料。我们有更薄的机器人，它们稍微精确一些，更弱的机器人，它们稍微精确一些，但它们不能施加那么大的力。所以我们有几种不同的配置，但总的来说，几乎可以处理不同类型的几何形状。也许 80%、90% 的几何形状都可以通过不同的配置、不同的尺寸来实现，对吧？

我正在与 Ed Mayer 谈话。Ed 是 Machina Labs 的联合创始人兼首席执行官，正如 Ed 一直在详细介绍的那样，该公司正在通过将机器人技术与人工智能以及对制造车间本身看起来像什么的新方法相结合来彻底改变制造业，

它如何重新配置，它到底是什么。那么，现在让我们谈谈你是如何让机器人单元做你想让它们做的事情的。也许甚至超过这一点，我很想知道，当你谈到创造性方面时，你知道，将那种旧世界的、人类的世界结合起来。仍然有工匠在那里制造东西。将它融入这个机器人过程中，这就是它的全部内容。是的。

所以理想情况下，你想要什么样的系统？如果你想要一个真正像机器人技工或真正技工一样的系统，你可以去系统那里说，嘿，这是一个设计。这是我想要的一个部件的设计。基本上，输入、设计、意图。然后系统可以提出

它将如何引导其运动学，基本上是机械臂，来执行正确的操作集，拿起正确的工具，以正确的方式将其应用于材料，然后最终获得正确的零件，对吧？当然。这就是我们想要的理想解决方案。今天，这些步骤是由许多专家完成的。

所以有一个专家设计师查看 CAD，也许修改 CAD 或设计意图以获得可制造的东西。它可能会与提出设计意图的人来回沟通，以确定，好吧，你可以做出哪些妥协才能使其可制造？然后另一个专家将最终的、经过协商的设计转换成一组

机器人系统可以执行，然后对机器人进行编程以执行这些步骤。在任何时候，如果机器人做得不好，也许我们会进行质量控制，然后说，好吧，机器人做得不对。我们必须再次迭代，然后更新机器人指令，然后看看我们能否获得更好的零件。然后最后，你必须做某种质量控制。零件出来了，有人会看看它，然后说，好吧，它是否符合我们想要的要求？现在，这些步骤目前是由专家完成的。所以，

所以我们想要的是将所有这些结合到一个智能系统中。

现在，你看到 ChatGP 已经做了这些和其他事情，你会说，好吧，看起来我们非常接近能够做到这些事情。就像现在我们有这些机器人系统，可以要求它做一些非常复杂的事情，它会给你一个答案。你知道，现在有新闻说，这些模型的最新迭代训练可能和博士一样聪明，对吧？所以我们有这些非常专业的系统，可以通过人工智能通过这些步骤进行推理。

我们面临的主要挑战是，你知道，你看到的像 ChatGPD 和其他系统一样，已经接受了公开可用数据的训练，对吧？你可以使用互联网来训练它。对于制造数据，数据传统上是不可用的。

所以我们面临的额外挑战是，好吧，看起来模型已经能够破译并将设计转换成机器人需要执行的步骤，但我们没有足够的数据或可用的数据来对其进行训练。所以对我们来说，额外的复杂性是我们需要构建能够生成数据并逐步改进的系统。我们需要从首先使用启发式方法的系统开始。

不是模型，而是生成大量数据。然后我们使用这些数据来构建模型，并随着时间的推移逐步提高其能力，直到达到拥有机器人技工的地步。你可以直接输入设计意图，输入设计意图，然后它就会从另一端出来，这些机器人系统正在制造的实际零件。那么你是通过模拟生成这些数据吗？你是如何构建数据集的？非常好的问题。

所以当我们开始的时候，这总是这些问题，无论是谁，对吧。和你谈话，和谈论野生动物保护和追踪动物的人谈话。这总是关于数据的。是的。是的。所以这是挑战，对吧？模拟是创建合成数据的好方法，对吧？

挑战是，即使是今天的模拟对于我们的特定过程来说也不够快。例如，如果你看看其他一些机器人任务，你做的是操作，比如你四处移动东西，那么你就有足够快的模拟，对吧？他们称之为这些机器人健身房，对吧？机器人基本上可以做很多不同的事情，并且可以探索空间，并获得训练数据。因为物理学、运动学物理学实际上很简单，对吧？模拟。

我们过程中的挑战是我们正在模拟一个更复杂的物理现象。你知道，当我们正在成形这些金属板时，我们必须模拟变形。所以是塑性和弹性变形，我们需要模拟摩擦。我们需要模拟材料的内聚力。还有很多事情。我们需要模拟撕裂。是的。

所以当我们最初开始做一些这项工作时，例如，尝试模拟它，我们意识到，如果我们想正确地模拟环境和我们的过程，实际上是非常困难的。

昂贵且耗时。一个部件，我们用机器人成形需要 15 分钟，在基于微分方程的模拟上，我们称之为有限元分析模型，在一个 27 核的 CPU 机器上需要一周时间。所以就像，好吧，在现实生活中运行它可能更便宜。只需捕获数据，是的。捕获数据。但我们采取了两种方法。所以我们说，好吧，让我们构建一个系统，我们可以进行大量的现实生活试验。

Edward Mehr 的工作是人工智能与铁砧的结合。他与人共同创立的公司 Machina Labs 将机器人和人工智能的最新进展融合在一起，将金属塑造成无数形状，用于国防、航空航天等领域。该公司的应用加速了设计和创新，使迭代和生产速度加快，只需几天而不是传统方法所需的几个月。NVIDIA AI Podcast 主持人 Noah Kravitz 与 Machina Labs 首席执行官 Mehr 谈论该公司如何利用人工智能开发首个机器人铁匠。其机器人技工平台集成了七轴机器人，可以塑造、扫描、修整和钻孔各种材料——所有这些功能都通过人工智能实现。</context> <raw_text>0 并确保我们以一种能够捕获数据的方式构建它们，每四毫秒捕获一次此过程的状态。这就是我们正在做的。因此，在过去四五年里，我们捕获了数TB的数据。我们制造了成千上万个零件。此外，我们还在使用GPU进行更快的模拟，对吧？我们能否实际加快模拟速度，以便我们也能用来自合成工作的数据来增强它？哦，

所以我们必须同时做这两件事。但是，这确实是一个巨大的挑战。这是摆在我们面前的两个挑战，而像那些从事自然语言模型的公司可能没有这些挑战，因为互联网多年来一直在为他们提供用户生成的数据。是的，不，我不想……你提到了QC，它一直萦绕在我的脑海中。我不希望机器人QC技工，这么说吧，根据我在互联网上阅读的内容产生幻觉。这么说吧。是的。是的。

所以你提到了，你知道，数据和训练，以及一切的速度都是你一直在努力克服的两个主要障碍。还有其他你克服的障碍，或者也许只是，你知道，沿途的一些令人惊讶的时刻，或者只是作为开发中的重要里程碑，你知道，

Machina Labs正在做的一切。然后对此的后续是，我想，除了训练和速度，这些显然非常重要。如果你展望未来几年，或者任何最佳的时间框架，也许你和其他机器人和制造公司正在努力清除什么才能达到你的进化的下一个阶段？

是的。所以当你想要生成你的数据时，这是一个有趣的挑战，这可能是机器人公司面临的最大挑战。我记得伊利亚有一个播客，谈论为什么OpenAI在当时放弃了他们的机械臂。好的。对吧？主要挑战是，是的，你说，好吧，我必须生成我自己的数据。但是你正在使用非常复杂的物理系统生成数据。这些机器人可能会损坏，它们可能需要维护。

所以你几乎必须找到一种方法来擅长操作。好的。

你需要能够非常顺利地运行大量的机器人来生成数据。正如我所说，这实际上一直是主要挑战之一，即使OpenAI当时也是如此，我们就像，我不知道我们是否参与其中。我们没有正确的专业知识来创建这种运营严谨性来操作这些机器人单元。现在，他们实际上获得了数十亿美元的资金，他们可以专注于此。我们也没有这种奢侈。我们需要创造

我们是一家风险投资企业，显然我们有相当多的资金，但我们也需要为客户创造成果。我认为我们面临的最大挑战之一是，为了实现这个人工智能驱动的世界，我们需要真正成为非常优秀的运营商，并快速为客户创造价值。我们在早期遇到的许多挑战都类似于，我们如何创建一个可以全天候工作并生成数据的机器人设施，并解决许多这些挑战？

所以这对我们来说一直是一个很大的工作领域。我认为，另一部分，你知道，可能有点远离技术工作，因为你是一家运营密集型公司，你还需要处理很多人。人们面临的一个挑战……Makita有多大？有多少人？我们现在大约有70人。好的。但在许多技能方面，对吧？我们有技术人员，一直到机器人工程师、人工智能工程师、软件工程师、材料科学家，

如果你传统上想要组建这样一个多学科团队，你必须膨胀，对吧？你必须创造所有这些不同类型的专业知识，这些专业知识可以一起工作。因此，我们还必须找到一种方法，我们如何在运营大型运营设施的同时不膨胀，然后生成数据，同时保持人工智能和其他领域的严谨性和专业知识。所以我认为我们面临的最大挑战是驾驭这些水域。嗯，

作为一名技术人员，你总是低估了人为因素的重要性。是的。我认为，你知道，这是我随着时间的推移学到的一些东西，这可能是最重要的因素，对吧？许多技术发展已经存在，但拥有一个充满热情且能够高效运作的团队一直是这里最大的挑战之一。绝对的，是的。是的。

所以，在这里让你有点措手不及，你如何看待制造业因为人工智能和我们正在讨论的事情而发生变化？随着我们前进，我的意思是，五年、十年、二十年后，所有制造业都将……

你知道，看起来非常不同，并具有这种灵活、可扩展、可重新配置的，你知道，Machina拥有的和正在继续构建的类型设计？我们是否必须拆除或掏空现有的制造设施，并考虑到这一点重新建造它们？然后这可能超出了你的能力范围，所以请随时拒绝这一点。但是

你是否看到这些类型的产品会随着时间的推移进入消费和家用机器人？是否会有那么一天，你知道，我能够让我的家用机器人为我建造一张新桌子，用于……你知道的，任何东西。是的，现在是一个有趣的时刻。好的。是的。

我们正处于我认为改变制造业有很多顺风的情况。作为一个国家，我们在19世纪末、20世纪初开发了许多以前的制造方法。

随着我们开发这些技术，但随着时间的推移，随着美国劳动力成本的上升，我们开始将这些东西转移到其他国家。因此，许多制造业都离开了美国。但现在我们意识到，哦，也许这不是一个好主意，因为现在我们依赖于

以及这些大型制造中心，这些中心可能不一定符合我们的价值观，对吧？你知道，他们可能有点更专制，或者他们可能只是不想与我们有相同的利益。所以现在我们正在考虑，好吧，我们需要可能更自给自足一些。

挑战在于，构成这些制造技术的核心技术不允许它们回到美国。我们现在谈论的工厂需要为每个零件而建。这意味着什么？这意味着该工厂需要为世界其他地区制造大量相同的零件，然后才能在经济上具有竞争力。

因此，很难以较小的规模复制相同的工厂，并且在美国仍然具有竞争力。技术的性质使其具有中心化倾向。所以我们现在正在发现技术的性质。这不仅仅是，你知道，有了Gusto，我们可以将制造业带回美国。也许我们可以带回其中一部分，但就大部分而言，除非技术发生变化，否则我认为我们无法将制造业带回。但话虽如此，正如我所说，有很多顺风。人们想把它带回来。

因为现在它正在成为一种生存威胁。所以我认为由于这些顺风，制造业将发生很多变化。自动化是将要改变的最大因素之一。为了将制造业带回美国，它将不会像我们在60年代和50年代那样。这将是制造业的新范式，需要更少的劳动力。

或者可能需要比以前更熟练、生产力更高的劳动力。因此，自动化、灵活的制造、易于重新配置的车间将成为……

将制造业带回美国的重要组成部分。你知道，看看中西部曾经是制造业城镇的一些城镇。你去那里，去市中心。你知道，围绕那个工厂的整个经济都消失了，因为那个工厂，你知道，它生产的产品已经过时了，而且它不够灵活，无法改变。它死了。所以这会改变。现在的问题是速度有多快？这就是问题所在。

这更难预测，因为我认为这里有很多地缘政治参数。正如你所说，有趣的时代。是的。如果你与中国发生冲突，这将很快改变。是的。如果你不这样做，也许它会慢一点。但是的，它肯定会改变。时间线更难预测。现在，我们会在家里拥有这些系统吗？我认为这个时间线稍微长一些。

更长。你知道，有些人预测，在某个时候，每个人都会有一个类人机器人来帮助他们做事情。我认为更容易实现的目标是让机器人利用人工智能和自动化在工厂中工作，因为我们已经弄清楚了围绕这些机器人的许多其他事情，并且我们拥有非常好的供应链。但我确实看到了未来，我们将在家中拥有类人机器人。每个人都会拥有一个。也许时间会更长一些。很难预测超过10年的任何事情，但我认为这将在20年、25年后出现。

足够了。对于那些可能在制造业或机器人自动化领域有抱负的企业家，或者可能正在学习并对机器人和自动化感兴趣，但不确定要走哪条路的人，你会从技术方面或你显然拥有创业背景和精神方面给出什么建议？所以

我认为你前面提到的关于人是核心，有时，你知道，这对技术人员来说更难的事情是一个重要的问题。但你会给出什么样的建议？

我认为自从我毕业以来，发生了一件事，那就是我们需要更多多学科人才。你知道，我，你知道，我来自一个非常重视教育的家庭。我妈妈是老师。我爸爸有博士学位。所以它非常专注于，上学，在一个领域成为专家。这就是你的事情。我认为这种模式现在正在发生变化。

我们需要能够更好地连接不同组件的人。我们总是需要专家，但我们也需要更多的人，也许他们懂机械工程，但也懂软件。他们也懂机器人。他们可能还了解一些材料科学，因为我们拥有像人工智能这样的突破性技术，我们需要能够连接多个学科之间联系并创造新事物的人。

是的。所以这正变得越来越重要。因此，我建议现在上学的人，多接触。

也许在一个领域成为专家，但尽可能多地接触其他科学和工程领域。这会让你成为下一代公司公司更有吸引力的候选人，对吧？所以这将是我对那些想进入技术领域的人提出的主要建议之一。在创业方面，我认为，建立以使命为导向的公司正变得越来越重要。嗯。

曾经有一段时间，你可以建立很多增量改进的公司。你知道，系统已经存在，你只想做一些增量改进。对，对。我认为有了人工智能，现在转变将更加根本。总会有增量的事情，但增量的事情更容易构建。所以我不知道公司是否一定能够做到这一点，初创公司能够做到这一点。作为一个初创公司，你想追求一些更根本的东西。而且

为此，你需要更多以使命为导向的公司。所以找到你真正感兴趣的东西。你知道，你成为一个坚定的信徒，认为这种变化需要发生，然后去追求它。我认为将会有更少的公司只是会优化这一点和那一点，因为对于公司本身，对于更大的公司本身来说，做这些事情更容易。

听起来像明智的建议。对于那些想了解更多关于 Machina Labs、你们的最新创新、你们正在做的事情，也许还有更多技术导向的研究论文和博客之类内容的听众，听众可以在哪里在线了解更多信息？是的，显然我们的网站machinalabs.ai是一个好地方。但我们也在社交媒体上非常活跃。

在领英上。我认为我们经常在上面发布技术和商业里程碑。推特也是，还有Instagram。是的，所以我认为在这些渠道上关注我们。我实际上很喜欢，你知道，非常公开地，我们在Machina拥有的主要理念之一是，公开构建。

因此，我们实际上甚至在线分享我们的技术挑战，你知道，人们会对此做出回应，我们非常开放。因此，如果你关注，我认为即使对于技术人员来说，你也会看到我们发布的许多有趣的内容，他们可以为之做出贡献。

太棒了。Ed，非常感谢你抽出时间与我们聊天。我可以整天听你唠叨，或者说整天问你问题，听你谈论它。这是令人着迷的事情。正如你所说，我们生活在一个有趣的时代，它可能只会比以前发展得更快。所以我期待着关注Machintosh Labs正在做的事情，也许我们以后可以再聊聊。我很乐意。谢谢。谢谢。谢谢。