Brian Hartzband，GMEX Robotics 美国运营总裁 – 访谈系列

Brian Hartzband，美国运营总裁，GMEX Robotics，负责公司在美国的扩张，重点是建立商业足迹，发展战略合作伙伴关系，并将其实体 AI 与机器人平台投入实际部署。加入 GMEX Robotics 之前，Hartzband 在 TEKsystems 工作近四年，担任技术招聘和客户管理职务，为政府和高等教育客户服务。他此前共同创立并帮助领导 Handcrafted 4 Home，在美国市场扩张并与主要零售商和电子商务平台建立合作关系。在其职业早期，Hartzband 曾在 Merrill Lynch 和 UBS 从事财富管理，为高净值和超高净值客户提供建议，并帮助建立了可观的国际客户组合。

GMEX Robotics是一家在纳斯达克上市的实体 AI 与机器人公司，开发用于商业环境的智能机器。公司前身为 Fitell Corporation，遵循其所谓的“Terminal + Brain”模式，将专用机器人硬件与可适配的 AI 能力相结合，而不是依赖完全垂直整合的技术堆栈。其首个主要商业化焦点是 2F Culinary AI，一个包含 Bon Vivant 3.0 与 Max 系统的商业厨房机器人平台，这些系统使用传感器、AI 驱动的控制以及可编程工作流来实现食品准备的自动化。GMEX 还将运输物流、工业自动化和资源勘探列为长期扩张领域。2026 年 3 月，公司宣布与一家澳大利亚酒店集团签署价值 AU$4.2 million 的协议，提供至少 50 套智能厨房机器人系统，随后在 5 月获得首个部署订单。

您最近加入 GMEX Robotics，担任美国运营总裁，拥有金融服务、创业、技术招聘和企业关系等多元化职业背景。是什么让您相信实体 AI 与机器人是下一阶段的正确方向？在您构建 GMEX 在美国的影响力时，您的优先事项是什么？

我看到了 AI 和机器人，尤其是社交智能方面的价值，而这正是当下正在发生的。我希望能够为此做出贡献。让我对 GMEX 感到兴奋的是 Terminal + Brain 模式。我们并不试图自行完成所有工作。我们打造可靠且实用的硬件，并将其连接到业界领先的 AI。这与大多数机器人公司运作的方式截然不同。目前，我正与投资者沟通我们实际在构建的内容，并在美国建立关键合作伙伴关系。现在正是实现这一目标的合适时机。

GMEX 将其战略描述为“Terminal + Brain”生态系统，在该系统中，机器人硬件将物理世界与 AI 智能层相连接。您能解释一下这种架构是如何运作的吗？以及您认为它与更垂直整合的机器人方法有何区别？

大多数机器人公司试图自行构建所有东西——硬件、软件和 AI。这既昂贵又慢。我们的做法不同。Terminal 是我们的硬件，Brain 是我们的 AI 编排层，我们通过与 247meta 等合作伙伴共同构建。其优势在于灵活性。如果出现更好的 AI，我们可以直接集成，而无需重新制造机器人。我们并未局限于单一选择。我们专注于最擅长的领域——可靠、实用的硬件，并与业界领先的 AI 合作，而不是单独在技术层面与所有人竞争。这意味着迭代更快、资本需求更低，我们的速度跟随 AI 创新，而非机械工程的时间表。

GMEX 已达成协议，首次收购 MediaMeta.ai 的股份，该公司的技术专注于社交智能和人类行为建模。在机器人领域，“社交智能”指的是什么？它可能解锁哪些今天的多模态 AI 模型尚未可靠提供的新能力？

社交智能意味着机器人关注人，而不仅仅是任务。当前的 AI 在视觉、语言和推理方面表现出色，但在读取个人、其情绪状态、实际需求以及如何在真实环境中与其协作方面较为薄弱。我们与 MediaMeta 签署了确定性协议，因为其在人类行为建模方面的专注正好填补了这一空白。这也是 MediaMeta 长期路线图的方向——开发社交智能 AI 和行为建模，作为一种情境理解层，最终可补充我们的 Terminal + Brain 生态系统。若经过开发、集成和测试，这些能力将帮助机器人解读情境、沟通模式和人类意图，这正是任务完成机器人与真正有用机器人之间的区别。

当今最先进的机器人在解读人类时仍存在哪些困难？最大的限制是情绪与意图识别、社交情境理解、文化差异适应，还是更根本的问题？

以上全部。真正的问题在于，AI 发展已经优化了任务完成，但机器人能否拾取物体、在房间内导航？这可以量化。读取人类却不能。因此它受到的关注更少。机器人可以识别某人看起来不高兴，但它们在理解对方为何不高兴或真正能帮助什么方面很薄弱。即使是小错误也会侵蚀信任。一个在社交线索上正确率达 90% 的机器人在测试环境中听起来不错，但在真实世界里，剩下的 10% 却至关重要。人们会决定不想与那台机器共事。我们需要颠倒优先级。这正是我们在 GMEX 所构建的。

在仓库中运行的机器人通常可以在相对结构化的规则下工作，而在医院、酒店、学校或家庭中的机器人则必须应对更加不可预测的人类行为。随着机器人进入这些更具社会复杂性的环境，AI 技术栈需要如何改变？

社交智能。 在仓库中，你可以对规则进行编码。 环境是可预测的。 当你把机器人放入有人群的空间时，一切都会改变。 人们会即兴发挥，改变主意，甚至情绪低落。 AI 必须实时读取这些变化并进行适应。 它不再是基于规则的，而是情境化的。 机器人必须理解当下、了解人和环境，并决定什么是合理的。 这需要快速的连接性以及完全不同的底层架构。 同时，它还需要知道何时寻求帮助，而不是盲目猜测。

人类行为建模不可避免地引发关于隐私、同意、偏见以及误解人类意图的问题。 开发者应如何在机器人中构建社交智能，而不让机器变得过于侵入或对人做出可能产生重大影响的假设？

归根结底，在机器人中构建社交智能是要提供帮助而不显得怪异。 机器人不应对人进行精神分析或猜测某人“想表达”的意思，否则就会产生隐私问题和错误假设。 应坚持可观察的内容：人的移动方式、距离、手势。 为人们提供明确的隐私提示和简易的选择加入交互，让他们掌控。 保持数据占用小，尽可能在本地处理，并审计行为以确保对所有人一视同仁。 MediaMeta 正在制定一套数据保护与负责任 AI 框架，涵盖数据最小化、透明度、偏见审查、人类监督和可追溯性。 这正是我们希望融入系统的深思熟虑的做法。 如果机器人不确定对方的需求，它应减速、留出空间或暂停。 这就是在不逾越界限的前提下构建社交感知的方式。

如何真正评估机器人在理解人类方面是否有所提升？需要哪些类型的基准、仿真或真实世界测试来衡量社交智能，而不仅仅是机器人是否成功完成任务？

不能仅仅看它是否完成了任务。 需要观察微观行为：机器人是否保持舒适的间距、在有人进入其路径时让路、移动时机是否恰当、在意图不明确时是否犹豫？ 在仿真中，你会用密集人群、突发停顿、模糊手势进行压力测试。 在真实环境中，则观察机器人是否让周围的人感到可预测、舒适，以及它在不同人群中是否表现一致。 这才是真正的基准——不是任务完成度，而是人们是否觉得机器人“懂得”如何在共享空间中移动和协同。

GMEX 已经开始商业化其 Bon Vivant 烹饪机器人平台。 这些早期的真实部署让公司了解到，在展示 AI 驱动机器人与在商业环境中可靠运行之间存在哪些差距？

在证明机器人能够完成任务与证明它能够在商业环境中日复一日可靠地执行同一任务之间，存在真实的差距。 演示时一切都受控。 而真实的厨房则高温、高产量，设备会被碰撞，原料多变，人类不断改变节奏。 Bon Vivant 是固定式的，因此挑战不在于导航，而在于可重复性、耐用性、错误恢复以及与现有工作流的持续集成。 我们了解到，可靠性来源于处理那些“乏味”的环节：耐受高温和油脂，保持校准，出现偏差时优雅恢复，保持节奏而不拖慢人类。 商业机器人并非仅证明机器人会烹饪，而是要证明它能够持续、 安全地烹饪，并且不会在真实业务中成为负担。

GMEX 还在开发一个多代理 AI 平台，旨在协调不同的模型和工作流。 您如何看待数字 AI 代理与实体机器人最终的融合？ 同一智能层是否最终能够同时协调软件代理和机器群？

数字 AI 代理和实体机器人将日益围绕共享的协同层进行融合。软件代理能够解释请求并管理数字工作流。机器人在物理世界中执行任务。共享的智能层通过将业务目标转化为任务、选择合适的模型和代理，并协调执行来连接二者。关键的区别在于协同与控制——共享层决定需要做什么以及由谁来完成，而机器人专用系统仍负责导航、运动控制和安全。在仓库中，例如，软件代理处理订单并检查库存，而协同层则请求合适的机器人搬运货物。该反馈会回流并指导下一步。人工监督和安全机制仍然至关重要。这正是我们在 247meta 所关注的方向：通过接口集成、仿真和受控试点的分阶段路径，支持企业软件与实体机器之间的协同工作流。

如果社会智能成为实体 AI 的基础层，您认为它会如何改变机器人行业？对人类行为的理解最终会像灵巧度、计算机视觉和推理的进步一样，对机器人广泛采用起到同等重要的作用吗？

社会智能将从根本上重塑机器人技术。行业一直专注于硬件能力、视觉系统和性能，这些都很重要，但仅凭这些并不能保证机器人在厨房或生产车间等人与人之间的环境中平稳运行。社会智能使机器人变得可预测、易于规避，并与人类自然的移动和协作方式保持一致。随着机器人从受控演示转向真实商业环境，这一系统部分的重要性与硬件和控制堆栈同等关键。对人类行为的理解将与感知或可靠性方面的进步同等重要。这决定了机器人是仅能完成任务，还是能够融入真实运营流程。

感谢这次精彩的访谈，想进一步了解这家机器人公司的读者请访问 GMEX Robotics。