Caitlin Kalinowski 在 Lenny's Podcast：AI 在鍵盤前能做的事快見頂了，下一場戰爭打在實體世界
TL;DR
- AI 在鍵盤前能做的事就要飽和了，下一個前線是實體世界：機器人、製造業、感測層
- VR 沒紅但留下整套空間定位技術，現在全部被機器人撿走用
- 人形機器人離進你家還很遠，瓶頸不是聰明，是「夠不夠軟」、夠不夠安全
- 一顆叫「記憶體價格」的隕石正在砸下來，AI 資料中心把 DRAM 吃光，消費硬體業會被輾過
- 美國供應鏈早就被掏空了，磁鐵、致動器、電池現在通通看亞洲臉色
- 接下來兩年，戰爭技術的變化會比消費電子更快，無人機正在淘汰航空母艦
關於這集 Podcast
這集在 2026 年 5 月 17 日上架的 Lenny's Podcast，是矽谷產品經理圈幾乎人手一集的節目，主持人 Lenny Rachitsky 訪過大半個矽谷的頂尖產品人和創辦人，定位偏產品、成長、新創。
來賓 Caitlin Kalinowski 在矽谷硬體圈是傳奇人物，履歷長到要查第二次才信。她在 2007 到 2012 年待在 Apple，是第一代 unibody MacBook Pro 的散熱主管，後來主導 MacBook Air 跟那台圓柱形 Mac Pro 的工程。離開 Apple 後跳到 Meta 旗下的 Oculus 把 VR 硬體做到量產，後來升上去主導 Meta 的 AR 眼鏡部門，做出了 Orion 這副 70 度 FOV 的 AR 原型機。2024 年底她跳去 OpenAI 從零開始建機器人團隊，撐了一年多，2026 年 3 月因為 OpenAI 跟美國國防部的合作案公開辭職，她在 X 上的辭職聲明拿到超過七百萬次觀看，兩條紅線是：對美國人的監控沒有司法監督，以及沒有人類授權的致命自主武器。她現在是 free agent。
AI 在鍵盤前能做的事，快要見頂了
Caitlin 講的第一個觀察我覺得最值得記下來：矽谷 AI lab 內部現在的共識是，AI 在鍵盤前能做的事，加速度已經陡到不可思議，但這條曲線一定會飽和。
什麼時候飽和？沒人知道。但你已經可以看見那條隧道的盡頭了。
當這件事發生，下一個前線就是實體世界：機器人、製造業、工業化、感測層、能在實體世界搬動物體的能力。所以你會看到大廠、AI lab、新創現在通通往同一個方向擠。
這個觀察跟之前在Aaron Levie 聊 Agent 時代的企業軟體生死題那篇講的「AI coding 已經起飛，但企業知識工作還在跑道上」是同一條時間軸上的不同段落：純資訊處理會先飽和，再來才是有實體介面的部分。
一個對應的訊號：普林斯頓大學的 CS 註冊人數在下降，但硬體跟機器人系在上升。對 Caitlin 這種老派硬體人來說很魔幻，因為這個領域以前從來不性感，薪水也不高，是「真的愛才會走的路」。
VR 沒紅，但它幫整個產業把學費繳完了
Meta 把公司名改成 Meta 就是要 all-in VR 元宇宙，砸了大概一百億美金，結果到現在沒爆。Apple Vision Pro 也在退場。
但 Caitlin 的觀點很有意思：VR 沒紅，可是 VR 幫整個產業把空間定位技術點完了。
SLAM（同步定位與建圖，simultaneous localization and mapping）、深度感測、視覺如何在空間中理解物體距離，這些 VR 時代燒錢燒出來的能力，現在全部被機器人接收。你戴 VR 頭盔遙控機器人用的就是同一套技術。所以 Meta 跟 Apple 砸的那些錢不是白燒的，只是收割的人換了。
VR 為什麼沒紅，Caitlin 給的解釋很直白：把臉遮住基本上是反社交的設計。人不想坐在沙發上跟世界斷線，這件事 Google Glass 早就教過大家了。
AR 眼鏡可能是下一波，Orion 那 70 度 FOV 戴起來「沉浸感是夠的」，但 waveguide 跟 micro LED 良率還沒到量產等級，短期內還不會普及。
人形機器人離進你家還很遠，瓶頸不是聰明
這段我覺得是整集最反直覺的部分。
大家以為人形機器人現在差的是 AI 智能，但 Caitlin 講的是另一件事：差的是「夠不夠軟」。
一個會在你旁邊走動的金屬人形機器，撞到你的衝擊力等於質量乘以速度，再加上致動器（actuator，把電變成轉動的馬達）轉動的能量。如果手臂是硬的，impulse 就高；如果手臂是軟的、可壓縮的，impulse 才會低。
1X 的 Neo 在這方面做得不錯，把質量盡量往身體中心拉，外圈用軟材料。但中國市場上很多會跳舞會耍雙截棍的機器人，說明書上寫的是「人類不要靠近三呎內」。這就是現在這個產業最誠實的狀態。
至於規模化，Caitlin 講的「at scale」是百萬台等級。從現在到那個 milestone 之間最大的瓶頸不是設計，是供應鏈。
那顆叫「記憶體價格」的隕石
這段是我看完整集後最想分享給做產品的朋友的部分。Matic（一家做家用掃地機器人的公司）創辦人問 Caitlin 的問題就是：那顆叫做「記憶體價格」的隕石正在朝消費硬體業砸下來，怎麼辦？
Caitlin 的答案是「我們麻煩大了」。她不是這方面的專家，但她聽到的數字是價格可能要翻倍。Lenny 補一句「我聽到的是六倍」，她沒否認。
原因是 AI 資料中心對記憶體的胃口太大了，而且資料中心對成本不敏感，多貴都會吃。消費電子業者被夾在中間，要嘛多付錢、要嘛先囤貨。Caitlin 自己在建議她顧問的新創公司能囤就先囤。
囤貨的風險當然是價格如果掉了你就被套。但這就是供應鏈做硬體的真實樣貌：每個零件少一個就出不了貨，你能控制的只有比別人早一步。
美國的供應鏈護城河早就被掏空了
過去二十五年，原料 → 加工 → 致動器 → 子零件 → 組裝，整條鏈一層一層外包給中國、日本、韓國。Caitlin 本人就是把這些技術轉移過去的人之一。
現在要回頭做美國自己的供應鏈很難，因為連致動器的好公司美國都沒有了。一根稀土磁鐵卡住，整個機器人產業跟著卡住。
她對美國的建議是：必須認真重新工業化。不是為了好聽，是為了 COVID 那種供應鏈震盪再來一次的時候，國家不會被掐脖子。
「現在的盟友，未來不一定還是盟友。」
戰爭的變化會比消費電子更快
這句話從一個做了一輩子消費電子的人嘴裡講出來，有點重。
Caitlin 跟 Palmer Luckey（Oculus 創辦人，現在在做國防新創 Anduril）很多事不同調，但有一件事她同意：美國要多投資無人機，少投資航空母艦。
「我們有航母、我們有戰機、我們有⋯⋯」這是上個時代的思維。Ukraine 戰場每天用 3D 列印改版無人機，現實已經跑得比五角大廈的採購流程快很多。
Marc Andreessen 講過一個畫面：想像十萬架無人機從中國飛過來，怎麼辦？這跟我之前在美軍已經在用 Claude 辨識目標了那篇整理的軍事化 AI 法律真空是同一條故事線：技術變化的速度遠遠超過監管和體制反應的速度。
至於 prompt injection 攻擊一個四處走動的機器人、叫它去打人，這個威脅模型現在還沒人有答案。
硬體為什麼這麼難？因為一年只能 compile 四五次
這個比喻我覺得是整集最精準的：
軟體工程師可以每天 compile、debug、deploy 好幾次。硬體工程師整個產品週期只能 compile 四五次，做完最後一次量產就沒回頭路了。改不了、推不了 OTA。
所以硬體做事的方式必須前置：先做最難、最不確定的部分，先把線材怎麼穿過鉸鏈算清楚再去設計螢幕。使用者最常碰的部位（trackpad、鍵盤）要多迭代，其他地方可以省。KPIs 寫死，不要中途改價格。Caitlin 說中途從三百美金改成一百五十美金等於把前面三個月燒掉。
蘋果的「櫃子背面」哲學她講得很到位：連你看不到的內部零件都要做好。這不是美學潔癖，是強迫團隊去想「我為什麼要這樣做」。當這套紀律跑下來，最後留下的東西反而會看起來很簡單。
一個小提醒：20 歲的 AI native 才是團隊真正的老師
最後分享一個對團隊管理很有啟發的點。
Caitlin 說，真正 AI native、把 AI 像呼吸一樣融進工作流程的人，只在 20、21 歲那一段。30 多歲就很難了。
這群新人解問題的方式跟我們完全不一樣，速度也快得多。所以團隊不能只用資深人，要刻意把這些人請進來，讓資深的去跟新人學怎麼想事情。
這跟現在「AI 取代 junior，公司不用招新人」的論述完全相反。Caitlin 的判斷是：兩種都要有，團隊規模可以小一點，但 senior 加 junior 的混搭結構不能省。
我看完整集最深的感觸是，硬體這個賽道從來沒有像現在這麼性感過，但也從來沒有這麼脆弱過。AI 把「設計」那一層的門檻拉低了，可是「製造」、「供應鏈」、「材料」這些舊問題一個都沒解決，反而因為 AI 資料中心的胃口被放大了。
如果你正在做產品、做硬體、做投資，這集從頭到尾都值得聽一次。
我的其他產業觀察筆記都在 wilsonhuang.xyz，如果這篇有幫到你，歡迎訂閱追蹤，後續會繼續寫機器人、硬體跟供應鏈這一條主線。
Sources:
推薦閱讀
喜歡這篇文章嗎？
訂閱電子報，每週收到精選技術文章與產業洞察，直送你的信箱。
💌 隨時可以取消訂閱，不會收到垃圾郵件