莫拉维克悖论——为什么叠衣服比下围棋难一万倍
原创出品 | 龙鹰镖局
中美博弈大变局，百年未有新财富
2015年6月。加州波莫纳。DARPA机器人挑战赛决赛。
24支队伍。世界上最好的机器人。2百万美元奖金。任务看起来并不离谱——开门、开车、爬楼梯、关阀门。任何一个成年人闭着眼睛都能完成。
比赛开始后的场景，用IEEE Spectrum的原话说——“摔倒。到处都是摔倒。”
MIT的机器人走到门前，伸手，握住门把手，旋转——然后脸朝地直直地摔下去。NASA的机器人爬楼梯时踩空了，像一棵被砍倒的树一样倒下。另一台机器人站起来，走了两步，又倒下。再站起来。再倒下。
观众席上的人们同时发出笑声和叹息。DARPA项目经理Gill Pratt说了一段让我记了很久的话：
“我们会对这些东西产生共情……它只是一堆铝、铜线和软件。我不会为我的笔记本电脑欢呼。但人们为这些机器人欢呼。 当它摔倒时，我们都感到难过——‘啊，它受伤了。’”
这场比赛后来被互联网记住的，不是谁赢了——而是一个叫”机器人摔倒集锦”的YouTube合集。你去看那些视频：一台300磅的金属巨人在试图完成”开门”这个动作时轰然倒下。而隔壁房间里，一个三岁的孩子刚才轻松地推开了同一扇门。
这不是一个搞笑视频。这是一个在1988年就被预言了的知识盲区。
一、容易被误解的”困难”
1988年，卡内基梅隆大学的机器人学家汉斯·莫拉维克出版了一本书——《心智儿童》。在书中他写下了AI史上最反直觉的观察之一。这段话后来被称为”莫拉维克悖论”：
“让计算机在智力测验或下棋上展现成人级别的表现相对容易，但要赋予它一个一岁婴儿的感知和移动能力，则极其困难，甚至不可能。”
一岁婴儿。你想想一岁婴儿会做什么——看、听、伸手抓东西、从地板爬到沙发、把积木塞进嘴里、认出妈妈的脸、对爸爸的声音做出反应。
这些都是”愚蠢的”、“基本的”、“不需要智力的”事情——我们觉得。
而莫拉维克说：不。这些是宇宙中最困难的事情。 只不过我们太擅长了，擅长到感受不到它的困难。
他给出了一个解释。这段话我需要完整引用，因为它可能是理解人工智能边界最重要的一个洞见：
“人类大脑中古老而高度演化的感觉和运动部分，编码了十亿年来关于世界本质和如何生存的经验。我们称之为’推理’的那个刻意过程，只是人类思维最薄的一层表皮——它之所以有效，仅仅因为它被这个更古老、更强大、尽管通常是无意识的感觉运动知识所支撑。我们在感知和运动领域都是惊人的奥运冠军，优秀到让困难看起来毫不费力。抽象思维是一个新把戏，也许只有不到十万年的历史。我们还没有精通它。它本质上并不那么难，只是当我们去做的时候感觉很难。”
让我们消化一下这段话蕴含的几个层次：
第一层：演化时间尺度完全不同。 感知-运动系统的演化史大约五到六亿年——从寒武纪生命大爆发开始，多细胞生物开始需要”感知环境+移动身体”。抽象推理的演化史大约十万年——从智人出现开始，大脑皮层的前额叶才开始专门处理”如果-那么”的推理链。
五亿年对十万年。五千倍的差距。
第二层：优化的程度完全不同。 自然选择是一个极其缓慢但极其深入的优化器。每一次基因突变，每一代个体的生死，都在加固那些”让你更好地感知和移动”的神经回路。六亿年的优化产生了一个设计精巧到令人震惊的系统——以至于你完全意识不到它在工作。
而抽象推理？十万年太短了。它只是被粗糙地嫁接在这个古老系统上。所以它费力、容易出错、需要集中注意力——我们称之为”思考”。
第三层：困难的来源颠倒了。 你觉得数学难，是因为它演化历史短——优化不充分。你觉得走路容易，是因为它演化历史长——优化到骨髓里。难的不是任务本身。难的是演化的时间。
这个颠倒，是理解一切AI进展和瓶颈的钥匙。
二、基因组不是蓝图的蓝图
如果你觉得莫拉维克的”演化时间”解释还太玄学，那我们来看看硬数字。
人类基因组大约有30亿个碱基对。换算成信息量——大约1GB。压缩到个体差异（去掉所有人共享的部分）——大约4MB。
人类大脑大约有1000亿个神经元。每个神经元大约有1000到10000个突触连接。总共约100万亿个突触。
如果基因组要具体编码每一个突触的连接位置和强度——它需要的存储空间大约是3.7×10^15比特，或者说大约460,000GB。
基因组能提供的信息量和大脑连接所需的信息量之间，差了六个数量级。
一百万倍。
这意味着什么？意味着基因组根本不是在”编码大脑”。基因组是在编码大脑的布线规则——就像你不能把一座城市的每一块砖的位置写到DNA里，你只能写”砖应该按照六边形排列，每层交错，水泥配比1:3”这样的抽象规则。
这个约束，神经科学家称之为”基因组瓶颈”。
2019年，冷泉港实验室的Zador团队在《自然·通讯》上发表了一篇重要论文，把基因组瓶颈的数学逻辑完整跑了一遍。他们的核心结论是：
动物的先天行为不是通过学习算法获得的。它直接编码在基因组中——以压缩的布线规则的形式。演化通过这些规则来”预训练”大脑。
（ps: 不光是神经网络的研究者注意到了这点。2024年PNAS上的一篇论文用人工神经网络模拟了”基因组瓶颈”的压缩效果，发现通过一个”基因组网络”来生成”表型网络”的权重——压缩比可达1000倍以上，而且压缩后的网络在新任务上的迁移学习能力反而更强。瓶颈不是限制，瓶颈是正则化器。它迫使演化只保留最本质、最通用、最能泛化的布线基元。）
所以你现在可以理解，为什么莫拉维克的悖论如此顽固。
感知-运动技能不是我们在”一生中学会的”。它是一个古老的设计，被六亿年的试错压缩进了基因组的”布线规则”，然后在我们出生时直接部署到大脑的硬件上。我们不是学会了走路——我们是继承了走路。
而抽象推理？基因组还没来得及为它设计专属的布线规则。它是靠那些通用的学习算法在人的一生中慢慢摸索出来的。所以它慢、它费力、它的个体差异巨大（有人是数学天才，有人连加减法都困难——但几乎没有人是”走路天才”或”走路障碍者”）。
最容易的，是最古老的。最难的，是最新的。
三、大脑的预算表
如果你还觉得不够硬核，那我们来拆解一下大脑的真实能量支出。
清醒状态下，人的大脑消耗大约17-20瓦特——约每天12块方糖的葡萄糖。其中约70%用于信号处理（神经元之间的通信和计算），30%用于”家务”（维持细胞存活）。
但这里有一个极其反直觉的数字：
2021年，PNAS上发表了一项研究，详细审计了人类大脑皮层的能量预算。结论是：通信成本是计算成本的35倍。
什么意思？一个神经元”计算”一个信号——整合突触输入、决定是否放电——只需要约0.1瓦特的ATP能量。但把这个信号通过轴突传递到远处的另一个神经元——还需要重建被动作电位打乱的离子梯度——需要约3.5瓦特。
大脑的能量不是花在”思考”上。是花在”把信号从一个地方传到另一个地方”上。
而这恰恰是感知-运动系统的核心特征。视觉信号要从视网膜传到丘脑，再到初级视皮层，然后分叉——一条去识别物体（“那是什么”），一条去指导动作（“怎么抓住它”）。小脑要实时接收来自肌肉和平衡器官的反馈，计算出修正信号发回运动皮层——这一切必须在毫秒级别完成。
演化在这个问题上花了六亿年。它设计出了极其高效的长距离通信架构（髓鞘、郎飞结、跳跃传导）。而当AI试图在一台机器人上重现这一切时——它面对的是铜线、伺服电机、齿轮传动——每一种都在物理定律的约束下运行。
（ps：小脑的能量分配尤其说明问题。小脑主要管运动协调。按直觉，你会以为它的主要能量花在浦肯野细胞（小脑的主要输出神经元）上。但2012年的一项研究显示——不。浦肯野细胞只消耗小脑信号能量的15-18%。大部分能量（53%）花在粒细胞的输入处理上——把外界信息重新编码为一种”稀疏码”，从而让浦肯野细胞能高效地提取”我现在应该往左偏还是往右偏”。准备工作比执行本身更耗费能量。 这正是机器人在”最后一秒”摔倒的根本原因——它无法像人类那样，在无意识中完成了巨大量的”预处理”。）
四、“它不会下棋”和”它不会走路”
这把我们引向一个更大的问题：为什么软件可以指数级进步，而硬件不行？
我们已经习惯了”指数级”的叙事。摩尔定律告诉我们：芯片上的晶体管数量每18-24个月翻倍。过去50年，这个规律让计算成本下降了数十亿倍。
但摩尔定律的本质是什么？
1965年，戈登·摩尔观察到：集成电路上的元件数量每年翻倍。他预测这个趋势还能持续十年。但实际持续了五十多年。驱动翻倍的机制是特征尺寸不断缩小——每次把电路元件的尺寸除以√2≈0.71，在同样的硅片上就能放两倍的元件。从1971年的10微米到2026年的2纳米——缩小了5000倍。
关键洞察：这种指数是在二维平面上展开的。 当你把线宽缩小50%，同样面积的硅片上密度翻四倍——这是面积带来的平方加速效应。
但电机不是放在硅片上的。
电机是三维的物体。它的输出力与截面积成正比，而重量与体积成正比。当你把电机缩小一半，它的力减为1/4，质量减为1/8——力质量比反而翻倍了，看起来很好。但你最多只能缩几次——因为材料的强度极限、热管理的物理约束、齿轮啮合的精度要求，都在那里等着你。
罗德尼·布鲁克斯用一句残酷的话概括了这个困境：
“物理机器人不适合指数级成本缩减。我们从大规模生产汽车一个世纪中已经知道了这一点——汽车并没有指数级降价。发动机仍然有质量，仍然需要同样的能量来加速好端端的质量。”
这就是为什么一台汽车卖了一百年，成本没有像芯片一样暴跌。这就是为什么电机的功率密度进步不是”每18个月翻倍”，而是”每十年可能提升20%“。这就是为什么一台人形机器人的BOM从43,000美元降到20,000美元可以被视为”革命性”的进展——而在芯片世界里，同样的降幅只需要两年。
软件遵循Scaling Law。硬件遵循物理定律。
这不是一个工程挑战。这是两种完全不同的时间尺度。
五、99.9%的诅咒
布鲁克斯从他四十年的职业生涯中提炼出一条冷峻的规律：
“机器人技术需要十年以上的持续改进，才能从实验室演示走向低成本商业化。每再过十年，可靠性上增加一个9。”
从90%→99.9%：二十年。
而ChatGPT从GPT-3→GPT-5：五年。而且它99.9%的”胡说八道”率——用户会翻个白眼然后重新生成。
当大语言模型犯错，你笑一笑。当机器人犯错，它可能砸在你身上。
2015年DARPA机器人挑战赛为什么名场面频出？因为那是第一次——第一次不允许接安全绳。之前的比赛中，机器人都有”防摔索”——一条拴在头顶的钢索，让它无论如何都不会真的摔到地上。
拿掉安全绳的那一刻。一扇门、一段楼梯、一块碎石——这些在人类世界里毫不起眼的东西，突然变成了致命障碍。
24支参赛队伍。3支完成全部任务。
这不是因为机器人不够聪明。是因为物理世界不会给你”重新生成”的选项。
六、悖论的今天
三十八年过去了。莫拉维克悖论还成立吗？
要看你怎么问。
如果你问的是”计算机视觉”——悖论的这一部分已经被推翻了。2012年AlexNet在ImageNet上大获成功之后，深度学习+GPU让机器识别猫和椅子的能力从”笑话”变成了”超人”。2026年，一个视觉Transformer能比放射科医生更准确地找到肿瘤。
如果你问的是”下棋”——这已经不算悖论了。深蓝（1997）、AlphaGo（2016）、Stockfish——机器在任何一个有明确定义规则的游戏里，都能碾压人类。
但如果你问的是”在陌生人家里打开一扇你不知道门把手在哪里的门”——抱歉。悖论仍然成立。
如果你问的是”叠一件你没有见过的衣服”——悖论仍然成立。
如果你问的是”在不熟悉的厨房里摸黑找到一个杯子并把它端到客厅而不洒出来”——悖论仍然成立。
2026年，普林斯顿的Arvind Narayanan在一篇广受关注的文章中对莫拉维克悖论做了一个”事实核查”。他的结论可以浓缩为一句话：
“莫拉维克悖论不是一个关于什么对AI’天然难’的精确预测。它是一个关于什么任务需要4E认知——具身、嵌入、生成、延展—— 的洞见。那些需要身体-环境交互的任务，仍然是对AI最深的挑战。”
换句话说：你能在封闭规则空间里解决的，AI都解决了。你需要与世界进行物理交互的，AI几乎都没解决。
这就是为什么今天的人形机器人，在舞台上能做后空翻，在工厂里只能做分拣零件——一项特定的、重复的、在控制环境中的任务。
这就是为什么你看到的每一个机器人做家务的视频——端茶倒水、整理房间、遛狗——如果你仔细看，总有一个操作员在画面外拿着遥控器。
这就是为什么罗德尼·布鲁克斯在2026年仍然可以说——“可部署的灵巧性在2036年之后仍然无法与人类手指相比。“
结尾：两种智能
让我们回到2015年DARPA挑战赛的获胜方案。
韩国KAIST团队的DRC-Hubo赢了200万美元。但它的关键创新不是算法，不是传感器，不是AI——是它在膝盖上装了轮子。
当需要稳定行走时，Hubo不是”走”。它是跪下，然后用轮子滑过去。用工程取巧，绕过了双足平衡的全部难题。
（ps：从WABOT-1每步45秒的”拖步”，到Hubo膝盖轮子的”跪滑”，到宇树G1只用9.9万元的价格——每一次，工程师都在用不同的方式”绕过”演化花了六亿年才解决的问题。不是解决。是绕过。）
这不是对KAIST的嘲笑。这是对莫拉维克悖论最深层的验证：
真正难的问题，你甚至找不到一个”直接解决”它的入口。
莫拉维克本人是机器人学家。他提出这个悖论，不是为了论证AI做不到——恰恰相反，他是为了说明AI做到的方式会和人类完全不同。
人类用了六亿年演化出双腿走路，但人类的机器人用三个轮子滑过去。
人类用了几百万年演化出五指灵巧手，但人类的机器人用两个指头的平行夹爪干活。
智能不需要模仿人。但智能必须有一个身体来感知正在发生什么、预测会发生什么、并在错误发生前修正它。
这就是为什么这篇文章不只是关于机器人的。它是关于两种根本不同的智能范式。
一种是通过符号、语言、文本、逻辑来运行的——离身智能。它在2020年代取得了令人瞠目结舌的进展。
另一种是通过身体、感知、运动、环境交互来运行的——具身智能。它还在1988年莫拉维克写下那段话的地方，慢慢地、倔强地、一步一摔地往前走。
你可以让一个AI在五秒内总结十万字的文献，但你不能让它叠一件你没教过它的衬衫。
六亿年对五秒。
这就是莫拉维克悖论。
“我们在感知和运动领域都是惊人的奥运冠军，优秀到让困难看起来毫不费力。抽象思维是一个新把戏——我们还没有精通它。它并不那么难，只是当我们去做的时候感觉很难。” ——汉斯·莫拉维克，《心智儿童》，1988
「具身智能大系列」
- 第一篇：《为什么AI需要身体？——从笛卡尔到布鲁克斯的思想史》
- 第二篇：《百年孤独——人形机器人的技术长征》
- 第三篇：《莫拉维克悖论——为什么叠衣服比下围棋难一万倍》
- 下一篇预告：《一台人形机器人的物理解剖》
参考资料：
- Moravec, “Mind Children” (Harvard University Press, 1988)
- Zador et al., “A critique of pure learning…” (Nature Communications, 2019)
- PNAS “Encoding innate ability through a genomic bottleneck” (2024)
- PNAS “Communication consumes 35 times more energy than computation in the human cortex” (2021)
- Howarth et al., “Updated energy budgets for neural computation” (J Cereb Blood Flow Metab, 2012)
- Science Advances “An energy costly architecture of neuromodulators” (2023)
- Brooks “Predictions Scorecard” (2018-2026)
- Narayanan, “Fact checking Moravec’s paradox” (NormalTech, 2026)
- The Robot Report / TIME / The Verge 对DARPA DRC 2015的报道