打菜占了食品厂七成人力：装完2000万份餐，Chef Robotics要造食物基础模型

先给三个数字。

第一，据Chef Robotics创始人Rajat Bhageria估算，食品制造工厂里，把菜装进餐盒这一步占了大约70%的人力成本，比备菜和烹饪加起来还多。

第二，这家公司的机器人已经在真实产线上装完了2000万份餐。主持人Nathan Labenz算了笔账：按每份3到4秒、每小时约1000份算，相当于累计两万小时，差不多10个人年的工作量。

第三，这些机器人每分钟能装25份餐，熟练工人是15到20份。

2024年7月，Rajat做客Nathan主持的播客Cognitive Revolution。Nathan说，这是节目第一次聊到一款已经在大规模真实环境里运行的机器人产品。聊完这期你会发现，大家对机器人厨师的想象还停在宣传片里，机器人打菜这门生意已经悄悄跑了两年。

为什么从「打菜」下手

商业厨房的活分三段：备菜、烹饪、装配摆盘。Chipotle店员从大盆里舀豆子舀肉装进卷饼，就是典型的装配。

Rajat给出一组行业观察：除高端餐厅外，备菜和烹饪的用工量随产量是亚线性增长的，产量翻倍，厨师未必翻倍；装配是线性增长，想多出餐就得等比多雇人。全行业最多的劳动力，堆在「从盆里舀进盒里」这个动作上。

很多人以为食品厂早就自动化了。Rajat解释，自动化的只是低混合生产：卡夫亨氏做番茄酱，10个SKU配10条专线，一条线全天跑同一种东西，当然能上机器。

餐食是另一码事，属于高混合生产。Costco货架上的预制三明治、沙拉、冷冻餐，医院的病人餐盘，学校的营养餐，有人吃素，有人无麸质，每一类下面又拆出20个SKU，一家厂几百个SKU很正常。这种活，机器一直啃不动。

于是现状是：一条长传送带，两侧站着20个人，每人守着一大盆食材，拿勺子往餐盒里舀。车间温度华氏34度，约1摄氏度，为了保鲜。工人整天摸冷冻食材，五分钟后手指就没了知觉。这份工作单调、寒冷、流失率极高，厂方常年招不满人。

Nathan说，70%这个数字让他想起之前采访的一位编程工具公司创始人：开发者真正写代码的时间，大概也只占三分之一。最吃人力的环节，总藏在直觉看不见的地方。

Chef盯上的就是这一段。

一台滑进产线的机器

机器的形态朴素得出奇：一个带轮子的模块，上面装一只六轴协作机械臂，配RGBD相机、力矩传感器和秤。占地面积和一个工人完全一样，直接滑进现有产线，产线一寸都不用改。

客户要供两样东西：110伏交流电，和压缩空气。末端工具是气动的，靠气压抓放食材。部署那天，开箱、滑上线、清洗消毒，再拿细菌拭子抹一遍确认没把病原体带进车间，就算完成了。

当天的操作被刻意做得极简，因为用户常不是技术背景，甚至未必说英语。工人戴着手套点触屏，选今天跑的餐，比如泰式炒河粉，指定1号机负责面条；系统提示装哪个餐具，装好，把食材托盘推进模块；机器先自己舀几勺、倒几勺，摸清这一批的手感，然后按播放键开工。界面支持西班牙语等多种语言。

为什么每批都要重摸一遍？Rajat说，食物是有机物，又是人切人炒的，每个厨师手法不同，每天状态不同，世界上不存在两批一样的食材。今天这锅咖喱更稠，那锅面更粘，机器都得现场适应。

速度上，客户产线一般跑每分钟15到20份，工人还会用「一次抓取、多次投放」的技巧摊薄移动时间。Chef单臂能到25份，客户要更快，还有多餐具系统可以往上加。

人类基线：客户经常不信自己的数据

新食材怎么教？客户有一张张「餐卡」，本质是PDF：第一种食材是面条，配图，份量多少，放进2号格，一张餐卡七八种食材。

流程是：客户把餐卡传上网页应用，视觉语言模型解析出结构化信息；大语言模型再生成几个问题，配上对比图，让用户拖滑块。面条颗粒多长？左边是适口的一小段，右边是整根长面。有多粘？左边看奶油奶酪，右边看清水。整套问答一分钟做完。

这些属性加上历史生产数据，模型直接吐出这个新食材的起始策略，到产线上再对客户这一批做现场微调。Chef已经处理过几千种食材，新食材大概率能在旧数据里找到近亲。

效果用两个指标衡量：偏差，即平均装量离目标有多远；变异系数，即标准差除以目标重量，用来跨份量比较波动。

这里有个行业真相。部署时Chef会盲测采集人类基线，把工人的真实操作记录下来。结果客户经常不肯相信：自己工厂的出品波动有这么大。

具体数字：

• 西兰花颗粒大，一勺就四五块，多一块少一块误差巨大。人类偏差25%到30%，Chef约5%。
• 土豆泥、酱料、切丁蔬菜这类好舀的，人类偏差4%到5%，Chef约1%。
• 变异系数，人类16%到18%，Chef最好的做到5%到6%，平均8%左右。

为什么人类偏差总朝一个方向？FDA和USDA管着份量，装少了要罚款、丢客户，装多了只是亏点料，于是线长要求工人永远往多里装：目标1盎司，平均装出1.2盎司。行业管这叫giveaway，超装。

而原材料占食品公司销货成本的40%到50%。把超装压下来，就是直接省出来的利润。Chef是闭环系统，秤和传感器实时回传，能拿出数据证明自己比人稳。Rajat补了一句：等几百万台机器人上线，这对减少食物浪费也是宏观层面的好消息。

仿真走不通，数据只能在生产里长

机器人行业的老大难是维度太高：能拿红酒杯，不代表能拿茶杯。放到食物上更极端，每家客户切法不同、火候不同，每批食材状态不同。

大模型帮不上最关键的那段。VLM和LLM在互联网图文上训练，懂得「场景里有什么」，但互联网上没有「胳膊该怎么动」的数据。Chef没法像GPT那样把整个互联网下载下来当训练集，食物操作数据集根本不存在。

仿真呢？刚体操作可以，码垛拆垛没问题，自动驾驶也大量靠仿真。食物是湿的、粘的、可变形的，有时还是非牛顿流体，现有物理引擎不覆盖，而抓取恰恰是最难的一环。仿真这条路对Chef基本走不通，训练数据只能在生产里长出来。

这就是2000万份餐的真正含义：这可能是全世界最大的食物操作数据集，几千种食材的粘度、油度、密度，每次抓取的力矩曲线，全在库里。

新技术用在哪？Rajat的答案是transformer加模仿学习。以前每个食材配一套参数化策略，约200个参数：压力、流量、停留时间、抖几下、抖动幅度，全靠工程师手调，没人知道调到的是局部最优还是全局最优。Nathan问起英伟达的Eureka项目，让GPT-4写奖励函数训练机械手，写得比人还好，Chef能不能用？Rajat借这个话题讲出了Chef的路线转变。

现在的做法：两台机器人并排，一台复现人类舀菜的动作，另一台是真正干活的同款机器人，遥操作和执行共用同一本体，演示数据拿来就能用，不存在本体不匹配的问题。数据喂进去，端到端学出策略，没有一行人工参数。Rajat说没什么惊天动地的顿悟，但系统简单，效果确实好。

谷歌牵头的跨实验室项目把各家机械臂数据汇成基础模型，Nathan问这有没有用。Rajat说或许对食材上新有帮助，但关键在训练数据：刚体上练出来的，搬不到可变形物体上；网上那些食物演示视频，也很少真去处理滴着汁、粘着手的原材料。

新食材的上线时间，是Chef最重要的指标。逻辑是飞轮：能做的食材覆盖从60%提到100%，客户就会把机器人用满，用满就会加购，加购带来更多数据，数据又缩短上新时间。外面还套着几圈飞轮：案例带来新客户，规模压低物料成本，运维网络越铺越密。

算力和能耗是两个容易被忽略的细节。训练在云端A100上跑，推理全部在机器人本地的边缘计算完成，因为客户厂区的WiFi很烂，LTE也穿不透厂房。整套系统机械臂约200瓦，CPU约35瓦，GPU约50瓦，全天运转电费不到5美元。有早期客户担心过电费账单，算完就放心了。

产线的脏活，和人形机器人为什么排不上号

实验室里舀菜不难，难的是产线。Rajat列了一串真实世界的麻烦：食品厂地面为排水全是坡的，传送带带着正弦状的起伏，传送带自己在抖，机器人也在抖；有工人撞一下，传送带就歪了，得放得更远更高；线长早上为了冲产量把带速调快；左右两边的工人不停放盒取盒，场景一直在变。

食材本身也在变：一条跑6小时的线要过几百个深盘，每盘火候不同，手撕肉同一个盘里不同部位密度都不一样。

Chef的应对是四层防线：

• 第一层，系统自适应。托盘的位置、朝向、远近，传送带的颜色宽度和高度，全部动态检测跟踪，不写死。
• 第二层，3D可视化。给线长一个直观界面，让他看见机器人眼里的世界。带速太快超出运行设计域？屏幕上直接看得出来，不用靠猜。
• 第三层，给操作员几个粗调旋钮，捡拾和放置都能微调。旋钮故意给得少，怕越调越糟。
• 第四层，遥测自动标注。超重、漏抓、双重投放、抓取犹豫，这些事件被自动识别，前后各20秒的ROS数据包自动上传。白天报警进Slack，晚上进PagerDuty，客服处理不了就升级到应用组、工程组。

他们不做很多人想象中的远程遥操作。生产客户容错率极低，机器不好使就直接拉下线换人上，最坏结果无非是洒了，或者保护性停机30秒。

为什么不用工业机器人冲产量？Rajat讲出了Chef的哲学：只做部分自动化。全自动化产线意味着自主系统必须搞定每一个SKU，一个搞不定，整条线卡死，销售周期长、部署风险高。Chef的方案里，虾做不了？没关系，人做虾，机器做其余的。销售快、部署快，飞轮还转得快。代价是机器人永远和人并肩干活，所以必须用协作机器人，输出力被法规限制在150牛顿以内。

Nathan抛出绕不开的问题：特斯拉、Figure这些公司做人形机器人，是不是可以对他们说声祝你好运，反正食物排在清单末尾？

Rajat的回答很直白。在厨房场景里，「会走路」几乎不产生价值。产线上机器人就站在工位，一天最多挪一两次。做人形，一半算力花在不摔倒上，还要背上一整套额外的安全问题。快休闲餐厅和幽灵厨房更简单，把备菜台抽出来，模块滑进去，完事。

他给了一个参照系：今天的格局像Uber和Uber ATG。打车是当下就成立的好生意，自动驾驶也许未来更大，但它永远还差十年。人形机器人可能20年后成，自动驾驶也走了二三十年还没走完。这是个时间跨度问题。

他也不担心押错方向。Chef的软件从第一天就写成硬件无关，哪天人形机器人真赢了，这套食物操作模型照样能跑在别人家的身体上。

「世界会有一点像《机器人总动员》：几千万、希望是几亿台机器人在各自擅长的事情上做得非常好。就像你的冰箱不需要替你洗衣服。」

商业模式也顺着这个逻辑：机器人即服务，收年费，永远低于客户现有的人力成本。客户从工资预算里出钱，不走资本开支审批，决策快得多。Chef自己则背起持续的GPU、云和升级成本。

增长数据：2022年年中投产，2022到2023年收入涨4倍，今年预计再涨3倍。机器人已经铺到美国和加拿大的6个城市、5个州。生产行业开一个厂就不是5台的需求，是50台、100台，客户里还有多个工厂的大鲸鱼。做到1亿美元ARR，只需要20到30个客户。

终局：没有厨房的家

聊到愿景，Rajat讲了他创业初期做过的一个思想实验，给朋友两个选项。

选项A，杰森一家式家用机器人，买回家，什么都能干。

选项B，你家不做饭。食物由幽灵厨房里的机器人做好，便宜、稳定、没人对着你的沙拉打喷嚏、还能完美定制，多咸少辣随你。厨房开在便宜地段，因为外卖和餐厅的成本里房租通常占三分之一，人力和房租双降。再由机器人配送，比人类骑手更快更便宜。

所有人选了B。理由很诚实：想保留自己喜欢的品牌，比如Sweetgreen；不想在家里养一台会坏的机器；宁租不买，Airbnb逻辑；更不想管买菜和补货。

由此他得出一个判断：家用机器人这个市场，可能没有大家想的那么大。人类历史上，纺织本来也是在家里做的，后来工厂出现，家庭作坊消亡。食物大概率重演这条路，只是新工厂叫幽灵厨房。美国有研究显示80%到90%的人不喜欢做饭，无厨房公寓会越来越多。Nathan听完感慨，这可能是AI未来图景里最没人预料到的一块拼图。

再往大看，Rajat认为AI最大的影响会在物理世界。软件行业很辉煌，但放在全球GDP里占比很小，最大的产业是劳动力市场，规模50万亿美元。食品业是美国雇佣人数第三大的行业，排它前面的零售店员和护理助理反而更难自动化。几千万食品从业者，会是这轮变革里最先被触及的群体之一。

他的终极愿望带着点行业野心：如果Chef能成为这个时代的Facebook或者英特尔，就能激励下一代工程师、投资人和创业者去做AI加机器人，而不只是纯软件。那才是他想要的遗产。

最后，三件明天就能用上的事。

• 管工厂、管门店、管任何流程的人，学Chef这一招：先盲测人类基线。别凭感觉认为「老师傅很稳」，把真实操作记录下来算一算偏差和波动，很多改进空间就藏在那16%的变异系数里。
• 评估机器人或AI公司，别看demo视频，看三个数：真实部署量、生产数据量、客户复购或加购。2000万份餐比任何宣传片都有说服力。
• 做AI产品的人，可以记住Chef的选点逻辑：找一个互联网上不存在数据集、仿真也模拟不了的领域，把第一批生产数据攒在手里。数据只能在现场长出来的地方，护城河最深。