有一台处在全球直播镜头前的机器人, 它安静沉默三秒钟之久。整个场地上, 每个人均未发出言语, 甚至连空气仿佛都好似被按压住一般。
2026年8月, 在北京举办的第二届世界人形机器人运动会, 于国家速滑馆“冰丝带”展开。来自六大洲16个国家的666支队伍, 带着2000多台机器人, 在赛场上, 有的机器人在跑, 有的机器人在踢, 有的机器人在打, 从表面上看, 这是一场技术展示。
有个日本记者, 他把摄像机对准一台中国女性人形机器人, 然后开口问了一句话, 这句话和比赛不太相干, 他问的是: 你喜欢日本吗?
这个问题一出来，现场的味道就变了。
你讲它属于采访内容, 也行得通。然而, 它全然不是针对运动会现场理应询问的问题。它并非关于算法, 并非关乎速度, 并非涉及控制, 并非关联落地, 原来是具有主观色彩的一个问题。置于全球直播环境中, 这般问法极易使他人感觉存在别样意图。
那个机器装置没有马上作出回应, 处于停顿状态, 整整持续了三秒钟, 之后才开口说道: “我对于使用中文展现得更为娴熟。”。
记者瞬间愣了一下, 紧接着飞快接了一句话, 声称它有可能更加擅长中文。然而截至他都还没来得及把这一口气顺畅地调节过去, 那个机器人紧接着又补充了一句日语, 这句日语是: “阿里嘎多。”。
这两句话很短，但现场的效果不短。
有不少人首要的反应是这是否属于预先编写好的程序, 源自前后之间的对话显示它以前能够恰当识别中文还有英文且反应也相匹配, 这次要点不全在于“会不会说”, 重点在于“怎么开始接以及后续展开”, 它先是出现停顿, 接着以中文做出回应, 然后以日语作为回应的结尾, 如此排列序列本身就具备相当趣味内涵, 并非强硬顶对着干, 也并非一味迎合顺从, 更不是毫无逻辑胡乱作答回复, 而是稳稳抓紧掌控住了节奏。
我更愿意把它理解成一种判断。不是情绪判断，是场景判断。
它识别出对方所提的问题并非属于技术交流范畴, 于是没顺着对方所设的思路前行。它未曾正面应对那个带有引导性的问题, 反而是巧妙地将话题一带而过。此动作堪称轻柔, 但利落纯粹。许多人把这种情形称作情商, 然而在我看来, 这更像是智能体开始具备了恰当的拿捏尺度的能力了。
“分寸感”这件事, 将其置于人身上, 那代价可不低哪, 把它放到机器人身上, 就愈发引人注目。这是由于什么, 因为它并非凭借热血, 更非依靠临场随机发挥, 说到底是靠着识别、进行判断、做出合理选择。你能否在一个不友善不好的提问之中, 既能够做到不失礼仪礼貌, 又不会被对方牵着走, 常常要比会不会背诵几句标准答案更为重要了。
这件事被刷屏, 并非全都源于那三秒钟, 真正促使情绪高涨起来的, 是背景已然发生了变化。
中国人形机器人产业在今年上半年时, 其出货量已然达到了一种极为夸张的地步。在赛场上, 天工机器人在百米赛跑中跑出了8.86秒的成绩, 把众多人的认知直接又往前推进了一段距离。日本媒体接连几天对这场比赛进行报道, 其语气中也很难再假装轻松。因为他们所看到的并非仅仅是几台机器在奔跑, 而是一整套产业链在向前施压。
更尴尬之处在于, 日本有一部分队伍在参赛之际, 其机器人的硬件本身是源自中国的。它们自行去开展软件调试, 然而底盘、身体以及关键部件却无法绕过中国的供应链。以往日本在机器人这个领域, 其名声是相当硬的, 可如今面对这样的赛场, 已然很难凭借过去的印象来进行辩解了。
所以那个日本记者为什么会问“你喜欢日本吗”？
我并非认为这仅仅是随口而出的问题。而是更像是当一方面对彼此时, 已然察觉到存在的差距之后, 却依旧企图从一个并非技术范畴的所问之中寻找回那么些许心理层面的平衡。实际上, 在实际生活当中这种状况是极为常见的。当在技术层面无法获取胜利之时, 人往往就会转向去询问态度如何, 询问所处立场是怎样, 询问是否喜欢, 询问到底站在哪一方。
但机器人偏偏没有接这个口子。
它先是沉默了三秒, 这三秒中, 像是在对问题进行确认, 又像是在挑选回应方式。最终, 它既没有冒犯到对方, 也没有依照对方的设定去运作。此处理方式颇具意味所在, 把一场本可能被炮制为戏剧化新闻的问答, 转变成了一次极为平静的现场状况反应。
就在这里, 才是真正耐看之处, 绝不是称声称懂得更利落运用中文的言辞, 也绝非那一句“阿里嘎多”, 而是其并未被现场的问答给引领拖曳而跑。
这同样透露出一个颇为实际的转变, 人形机器人并非仅仅是具备奔跑与跳跃功能用以展示的物品了, 起码在这一类场景当中, 它开始呈现出一种更为完备的交互能力, 并非只是按部就班地背诵台词, 而是能够针对所处环境保护作出反应, 对于具体语境拥有相应的选择偏好, 这两者之间的差异极为显著。
事实上, 外界针对此事的解读呈现出更为热烈的态势, 这实属正常。毕竟, 它恰好精准触及了多个关键要点, 涵盖技术层面的进展情况, 国际间的相互对照状况, 现场所展现出的强烈反差, 以及情绪的集中释放。如此这般的组合形式, 自然而然地具备易于广泛传播的特性。
虽说热闹是热闹着, 可真正关键的却是那一点。如今我们所探讨的, 已并非仅仅是机器人“能不能说话”, 而是它在现场可不可以做出像样子的判断。前者属于演示, 后者才是能力。
外交部的发言人毛宁, 后来转发了这场运动会的画面, 将重点置于天工队夺冠这件事上。这个举动, 实际上很能说明一些问题。官方并未把精力放在那段问答展现出的戏剧性方面, 而是把关注点放到了技术自身上。
这就够了。
有些场景, 看上去像是一句问答, 实则乃是一回跟现实的直面。你觉得众人在瞧机器人怎样回应, 事实上众人所看的是, 中国机器人究竟进展到何种地步。
那样一台机器人, 最终并没有直接去回答“喜不喜欢日本”这个问题。不过呢, 它借助三秒钟的停顿, 以及两句回应, 从而给出了一个更为完整的答案。
它听懂了，也看懂了，而且知道自己该怎么站住。
