去年8月，Anthropic 做了一场实验：让一群不懂机器人的员工，用一台市售机器狗完成连传感器、写控制程序、自主取回沙滩球这一串任务。队伍分两组，一组有 Claude 帮忙，一组全靠搜索引擎和自己琢磨。结果有 AI 的那组赢得没悬念。
不到一年，同样的实验重跑了一遍。这一次，人类没有参赛资格了。
人类只剩接线员的份
第二阶段的规则很简单：Claude Opus 4.7 在 Claude Code 里独立干活，人类研究员的工作被压缩到四件事——把笔记本接上机器狗、输入初始提示词、批准命令执行、批准进入下一个任务。
结果写在 Anthropic 6月18日发布的《Project Fetch：第二阶段》里：在至少有一支人类队伍完成的每一项任务上，Opus 4.7 的完成速度至少快10倍；只看两支队伍都完成的四项任务，Opus 4.7 平均比无 Claude 队快37倍以上，比有 Claude 队快18倍以上。全部任务放在一起，它比最快的人类队伍快约20倍（来源：Anthropic《Project Fetch：第二阶段》，2026-06-18）。
还有一个数字容易被忽略：Opus 4.7 完成同样的任务，产出的代码量比有 Claude 的人类队少了近十倍。人类队伍在好几种传感器对接方案之间来回纠结、反复试错，模型直接识别出最优路径，写出的代码大部分第一次跑就能用。
图：Project Fetch 第二阶段任务完成时间对照，Opus 4.7 对两支队伍形成数量级差距（图源：Anthropic 报告）
当然它不是没犯错。比如默认挑了一个过时的物体检测算法，但它自己发现了问题、绕了过去，最后还是给出了能用的方案。这种在岔路上自己纠错的表现，一年前的模型做不到。
球还是推不好
快不等于全能。实验里有个任务，人类队员练一会儿就能完成：用手柄操控机器狗，把沙滩球轻轻推回基地。这事需要闭环——随时感知球偏没偏、偏差跟上一条指令是什么关系、下一步怎么修正。这是人类擅长的技能。
Opus 4.7 做不到。它能移动到球后面、调整位置、把球撞回去，但控制得很糙，没有一次成功。跟它一起"失败"的，还有那些闯入自主取球阶段的人类队员——这个任务对谁都难。
图：Embody 基准套件综合得分，同一模型在不同控制接口下表现差异巨大（图源：Anthropic《Claude plays robotics》）
更底层的问题，Anthropic 在7月的《Claude plays robotics》里测得更细：让模型直接驱动关节，它们大多失败；让模型监督一个预训练控制器、或者用高层指令调策略，它能完成真实的导航和操作任务。同一个模型，显得弱还是强，取决于给它的是力矩接口、代码接口，还是策略接口。在仿人机器人这类难控的本体上，当前模型只在高抽象层级的接口上有进展（来源：Anthropic《Claude plays robotics》，2026-07-09）。
一句话总结：模型现在擅长的是"当工程师"，不是"当小脑"。
进步来自规模化，不是专项训练
这份报告里最值得划重点的一句话是：这一进步并非刻意提升模型机器人能力的结果。与 LLM 发展史上的许多进步一样，它来自更普遍的规模化。
没有人给模型单独开机器人课程，能力是溢出来的。这就很值得警惕了——能力边界的推进不按人们的预期节奏走。
Anthropic 还点出了一个在多个领域反复出现的模式：先是模型对人类有帮助，然后是人类对模型有帮助，最后模型在很大程度上自己做事。这个路径在网络安全领域已经走过一遍，如今在 AI 与物理世界的交汇处开始成形。
图：关键数据一览。代码量少近十倍、速度快20倍，意味着模型在集成类任务上已形成效率碾压（源势AI 制图）
源势AI怎么看
我们把这个实验当作一条节奏曲线来看：AI 接管物理世界的第一步，不是控制本体，而是接管"让本体干活的前置工程"——连传感器、写接口、跑通集成、编排任务。这一步的 ROI 已经非常清楚。
对企业落地，我们的判断有三层。第一，短期内不要指望模型直接接管产线和现场设备的底层控制，精细闭环操作它还做不好。第二，"让模型写控制代码、接设备、跑通集成任务"这个层级的窗口已经打开，能源巡检、工业设备接入这类场景里，让 Agent 先把软件集成的活干完，把人的时间省到决策和异常处理上，现在就能算清账。第三，评估你的自动化项目时，把"模型迭代速度"当成一个独立变量——这次实验里，一年时间，差距从"帮得上忙"变成了"快20倍"，项目周期超过一年的，都要把这个变量算进去。
机器狗都能自己跑通仓库任务了。排除硬件领域出现同样轨迹的想法，是不明智的——这是 Anthropic 的原话，我们同意。
