本节视频
配音由 AI 合成。 视频章节、文字稿与出处
文字稿
文字稿
知行问
一条机器人新闻，怎么一眼看出它靠不靠谱？这一集给你一套办法：先看是谁说的，再追四个问题。网上每天好多条机器人消息，真假混在一起。学会这套办法，你能自己筛出来。
先看是谁说的
把来源分成三个等级。官方一手、论文预印、媒体二手，分别记作O、R、M。同一件事，官方说、论文说、媒体转述，分量不一样。越靠一手，越好核对。但厂商自己说的要打折扣，最好还有外部验证。看雷达快照一条。据日媒报道，物流设备公司大福，计划二零三零年做实证实验。这条是M，二手消息，得回原文核对。而且注意：那是计划里的演示，不是已经在仓库干活。
再追四个问题
第二问：是演示，还是已经在干活。试点、实证，都还只是试。第三问，成功率是在什么上？第四问，是最多还是平常？一篇论文说，比起常规批量评测，最多能把评测省七成。注意，这七成是省评测的力气，不是机器人干活的成功率。而且是最多，不是每次。还有个窍门：先找能核对的事实，别只看形容词。数字要问指标和条件。没有产量数据，就不能自己补一个。第五问：有没有注明时间的一手来源。特斯拉二零二六年第二季度报告，把产线标成建设中。看清报告期，不代表发布时的实际状态。假如网上说月产多少台，官方稿里却没有，那就先别当真。原来看数字，先问一句：这是在什么上、最多还是平常！
动手练五题
轮到你了。翻开这份雷达快照，挑五条，逐条问这五个问题。标错等级、把一次演示当成已经部署、把最多当平常。这三种错，都会让你高估一条新闻。回顾一下，三个要点。第一，先看是谁说的：O R M。第二，再追四个问题：是演示还是已经部署、成功率、峰值、来源。第三，没数据的地方，不自己补数。看懂这几问，你比很多转发的人，都更靠谱！下一集，我们进实验室，让机械臂伸手够到桌上的杯子。下一集见！
证据与出处
动手与自测
小测公开，答案与解析在作答后显示；图文课里的练习答案需登录查看。
第 0.6 集的视频给了一套看机器人新闻的办法：先看是谁说的（O 官方一手、R 论文预印、M 媒体二手），再追四个问题：是演示还是已经部署，成功率是在什么上，是最多还是平常，有没有注明时间的一手来源。片中用了三条真实材料：雷达收录的大福 2030 年实证实验计划（M），一篇预印本的“最多减少七成评测工作量”（R），以及 Tesla 2026 年第二季度报告第 6 页对 Optimus 产线的描述（O）。本篇是这一集的图文课与练习，不重复文字稿，而是把每一问落回原文的某一句，并重点练第五问：一份材料上往往有好几个日期，报告期、发布日期和今天的状态要分开核对；原文没有披露的数字，就写“原文未说明”，不自己补。
本课随视频改版更新：上一版第五问的例子是小鹏的新闻稿，这一版换成 Tesla 的季度报告。本节视频、文字稿与出处在本页上方，全季安排见课程大纲。Tesla 那段话按“已完成、进行中、预期、计划”的逐句拆解，上一课物理AI实验室 0.5：人形机器人热潮，把 Tesla 季度报告的一段话拆到演示、样机、量产与上岗已经做过，本课不再重复，只用它练日期和未披露的数字。O/R/M 分级的来历见Physical AI 前沿雷达：每条标注证据等级的具身智能早报。
公开小测的 5 道题附完整解析；登录后可完成三项练习：追溯一个虚构数字在四次转述中怎样走样、给一份虚构资料包排时间线并填一张状态卡、审四条虚构的论文标题，并对照分步解法、常见错误与 20 分评分标准。
一、五问卡：每一问去原文找哪一句
视频里的“五问”可以写成一张卡。第二列是做法，属于本课的教学建议；第三列是片中的例子。
| 问题 | 去原文找什么 | 本集的例子 |
|---|---|---|
| 1. 是谁说的 | 发布者是谁：公司自述、论文作者自报，还是媒体转述 | 大福那条，雷达标 M，出自 MONOist（ITmedia）的报道 |
| 2. 是演示还是已经部署 | 句子的时态：计划、试点、实证，还是已经在运行 | 大福计划 2030 年做实证实验，是未来的试验，不是现在已在仓库干活 |
| 3. 成功率是在什么上 | 数字的主语：什么任务、什么指标、什么条件 | “七成”是评测工作量的降幅，不是机器人干活的成功率 |
| 4. 是最多还是平常 | up to、最高、最多这类词，以及和什么比 | 相比常规批量评测方法，最多减少 70% |
| 5. 有没有注明时间的一手来源 | 原文写的是哪个日期、哪个时期；要引用的数字是否真的写在原文里 | Tesla 2026 年第二季度报告把 Optimus 产线标为 Construction；那是报告期的状态，不是今天的状态 |
视频还给了一个窍门：先找能核对的事实，别只看形容词；数字要问指标和条件；没有产量数据，就不能自己补一个。五问都答完，再决定能不能转述、该怎么转述。
登录后继续阅读本课其余各节、自测题与答案。
局限 / 注意
- Tesla Q2 2026 Update 属 O 级，产线进度、预期和计划用途都是厂商自报，本站没有独立核实。报告期截至 2026-06-30；所给文本没有写发布日期。本课不跟踪之后的进展，也不推断当前产量、交付规模或长期可靠作业。本课依据的是报告文字，不含其中的图片和图表画面。
- Beyond Binary Success（arXiv 2603.13616）是预印本，属 R 级；70%、50%、rollout 数量和“不损失统计严谨性”都是作者报告，本站没有复现。本课依据的是摘要与正文前几节，不含补充材料。
- 大福一条只依据雷达收录的标题、摘录和分析，本课没有读 MONOist 原文；雷达的分析由 AI 起草、未经人工复核。
- 网传月产数字、第三节的 100 次与 30 次、第四节的初创公司新闻，都是练习用的假设，不是任何公司、团队或系统的数据，也不代表网上确有此说。第二节的转述示范由本课撰写，不是报告原文。
- 第五节的虚构公司 K 与 Q、团队 V、方法 X、全部日期、次数、成功率和“月产 500 台”都是练习用的虚构；61.7%、61.5%、53.5%、80%、85.5% 等只在这些假设下成立。任务 3 的仿真结果是虚构的，仿真结果也不是硬件安全验证。日期分类、状态卡字段、“可用 / 需改写 / 不可用”的分法和评分标准是教学建议，不是任何来源的定义或结论。
- 五问卡是帮助判断的清单，不保证结论正确。“能找到一手出处”只说明能核对，不等于原文一定正确。
链接
- 物理AI实验室：一套每个数字都能核对的物理 AI 课程（课程大纲）
- 物理AI实验室 0.5：人形机器人热潮，把 Tesla 季度报告的一段话拆到演示、样机、量产与上岗
- Physical AI 前沿雷达：每条标注证据等级的具身智能早报
- 前沿雷达｜Beyond Binary Success：真机评测次数有限时，用序贯检验更早分出策略优劣
- Physical AI 前沿雷达（每条标 O/R/M，附原始链接）
- Physical AI 前沿雷达 · 2026-09-28（本集练习用的条目）
- Beyond Binary Success: Sample-Efficient and Statistically Rigorous Robot Policy Comparison（arXiv 2603.13616）
- Tesla：Q2 2026 Update（第 6 页 Robotics 一节与产能表；报告期截至 2026-06-30）
