工業自動化的瓶頸，很久以來都不在機器人本身。機械手臂便宜、可靠，交期以週計。真正的瓶頸是：任務一變，就得請一個技能很專、價格很貴的人來重新編程——所以自動化只活在把同一個零件做一百萬遍的工廠裡，進不去那些不這麼幹的工廠。
8月3日週一，一家總部在倫敦和雪梨的公司 Reimagine Robotics 走出隱身期，產品正對著這個瓶頸。裡面有一個數字值得停下來看：在一個客戶現場，他們把「做出並測試一個新機器人動作」的時間，從大約一天壓到了大約十分鐘。
這不是隨便一支車庫團隊
Jonathan Scholz 在倫敦創建了 Google DeepMind 的應用機器人團隊，並帶了七年。2025年4月，他和三位前同事 Oleg Sushkov、Akhil Raju、Misha Denil 一起創辦了 Reimagine。前種子輪金額未揭露，投資方是 Fly Ventures、firstminute capital 和一批天使。
Scholz 把這套方法叫「monkey-see, monkey-do」——照貓畫虎。工人做一遍給機器人看，看它試，做錯了當場糾正，然後接著幹下一件事。整個迴路裡不需要專業程式設計師。
「機器人來的時候應該帶著新同事的態度：『我能幫什麼忙？你想讓我做什麼？』」他說，「懂這套流程的人，應該能直接做給機器人看，把這兩個問題回答掉。」
他反覆強調這是增強而非取代：「對我們來說，這不是要把人從流程裡拿掉。一個在崗位上學習的機器人是依賴人的。是工人辨識出瓶頸，是工人示範機器人該怎麼幫忙，是工人不斷糾正它直到它真的有用。」他把這形容為「一個放大人類勞動的工具」。
這話可以照字面信。他多半真是這麼想的，而且短期內多半也是對的。但它不是最要緊的那部分。
十分鐘這個數字，改變的是「誰會被自動化」
看看 Reimagine 揭露的兩個落地案例。在一家按單客製的塑膠件廠，機器人被訓練來通宵看管3D列印機——取列印床、開合卡扣、按控制鍵——然後客戶自己的團隊用這個平台，把清洗、固化、烘乾幾道工序也自動化了，全程沒請外人。另一個專案是從廢舊硬碟裡回收關鍵材料，公司和製程工程師一起搭了一個三台機器人的拆解工位。
按單客製塑膠件。硬碟拆解。這恰恰是過去自動化算不過帳的那類活——任務一直在變，重新編程的成本壓倒一切。當迭代成本從一天掉到十分鐘，這筆帳就反過來了。一家永遠請不起系統整合商的小廠，現在請得起一台機器人了，因為「重新教它」變成了一個週二下午的事，而不是一張採購單。
還要留意塑膠件客戶那邊最先被自動化的是什麼：夜班。看機器，在夜裡，一個人。這不是試點的偶然——它是任何小工廠裡價值最高、阻力最小的那一塊，而它以前是有人在上的班。
增強和取代，是同一套機制的兩種速度
Scholz 的說法和「這會取代人」的讀法並不矛盾，它們是同一個事實在兩個時間尺度上的描述。
第一階段確實是增強。工人就是訓練訊號。他對「什麼值得自動化」的判斷、他對機器人錯誤的糾正，本身就是產品——這套系統離了他根本跑不起來，這讓他更值錢而不是更不值錢。這是真的。
第二階段是示範資料攢夠之後的事。Reimagine 進的是一份業內很熟的名單——1X、智元、Apptronik、NEURA、Sanctuary AI、Tutor Intelligence——全都在用人類操作員生成機器人基礎模型的訓練資料。這整個賽道的戰略邏輯就是：人類示範現在是稀缺輸入，而目標是以後需要得更少。每一次糾正既是修正，也是一個資料點。
這些都不能說明 Reimagine 的說法不誠實。它只是把擺在工人面前的條件講清楚了：你是專家，你的知識正是這套系統需要的，而你提供的價值正在被記錄下來。「與其讓一個人把一件枯燥的體力活重複上千次，不如讓他把它教給機器人，然後把這份能力用到任何需要的地方。」Scholz 說。如果「任何需要的地方」包括你自己，這就是筆好買賣。下一輪募資會說明很多問題。
