工业自动化的瓶颈，很久以来都不在机器人本身。机械臂便宜、可靠，交期以周计。真正的瓶颈是：任务一变，就得请一个技能很专、价格很贵的人来重新编程——所以自动化只活在把同一个零件做一百万遍的工厂里，进不去那些不这么干的工厂。
8月3日周一，一家总部在伦敦和悉尼的公司 Reimagine Robotics 走出隐身期，产品正对着这个瓶颈。里面有一个数字值得停下来看：在一个客户现场，他们把「做出并测试一个新机器人动作」的时间，从大约一天压到了大约十分钟。
这不是随便一支车库团队
Jonathan Scholz 在伦敦创建了 Google DeepMind 的应用机器人团队，并带了七年。2025年4月，他和三位前同事 Oleg Sushkov、Akhil Raju、Misha Denil 一起创办了 Reimagine。种子前轮金额未披露，投资方是 Fly Ventures、firstminute capital 和一批天使。
Scholz 把这套方法叫「monkey-see, monkey-do」——照猫画虎。工人做一遍给机器人看，看它试，做错了当场纠正，然后接着干下一件事。整个回路里不需要专业程序员。
「机器人来的时候应该带着新同事的态度：『我能帮什么忙？你想让我做什么？』」他说，「懂这套流程的人，应该能直接做给机器人看，把这两个问题回答掉。」
他反复强调这是增强而非替代：「对我们来说，这不是要把人从流程里拿掉。一个在岗位上学习的机器人是依赖人的。是工人识别出瓶颈，是工人示范机器人该怎么帮忙，是工人不断纠正它直到它真的有用。」他把这形容为「一个放大人类劳动的工具」。
这话可以照字面信。他多半真是这么想的，而且短期内多半也是对的。但它不是最要紧的那部分。
十分钟这个数字，改变的是「谁会被自动化」
看看 Reimagine 披露的两个落地案例。在一家按单定制的塑料件厂，机器人被训练来通宵看管3D打印机——取打印床、开合卡扣、按控制键——然后客户自己的团队用这个平台，把清洗、固化、烘干几道工序也自动化了，全程没请外人。另一个项目是从废旧硬盘里回收关键材料，公司和工艺工程师一起搭了一个三台机器人的拆解工位。
按单定制塑料件。硬盘拆解。这恰恰是过去自动化算不过账的那类活——任务一直在变，重新编程的成本压倒一切。当迭代成本从一天掉到十分钟，这笔账就反过来了。一家永远请不起系统集成商的小厂，现在请得起一台机器人了，因为「重新教它」变成了一个周二下午的事，而不是一张采购单。
还要留意塑料件客户那边最先被自动化的是什么：夜班。看机器，在夜里，一个人。这不是试点的偶然——它是任何小工厂里价值最高、阻力最小的那一块，而它以前是有人在上的班。
增强和替代，是同一套机制的两种速度
Scholz 的说法和「这会替代人」的读法并不矛盾，它们是同一个事实在两个时间尺度上的描述。
第一阶段确实是增强。工人就是训练信号。他对「什么值得自动化」的判断、他对机器人错误的纠正，本身就是产品——这套系统离了他根本跑不起来，这让他更值钱而不是更不值钱。这是真的。
第二阶段是示范数据攒够之后的事。Reimagine 进的是一份业内很熟的名单——1X、智元、Apptronik、NEURA、Sanctuary AI、Tutor Intelligence——全都在用人类操作员生成机器人基础模型的训练数据。这整个赛道的战略逻辑就是：人类示范现在是稀缺输入，而目标是以后需要得更少。每一次纠正既是修正，也是一个数据点。
这些都不能说明 Reimagine 的说法不诚实。它只是把摆在工人面前的条件讲清楚了：你是专家，你的知识正是这套系统需要的，而你提供的价值正在被记录下来。「与其让一个人把一件枯燥的体力活重复上千次，不如让他把它教给机器人，然后把这份能力用到任何需要的地方。」Scholz 说。如果「任何需要的地方」包括你自己，这就是笔好买卖。下一轮融资会说明很多问题。
