關於 1x
What Is 1X
1X Technologies 是一家專做家用仿生機器人的機器人公司。目前的主力產品 NEO 是雙足機器人，外層包覆柔軟布料與針織外皮，設計初衷是與人、小孩和寵物共處一室，而不是在工廠圍籬後工作。它延續了 NEO Gamma 與 NEO Beta 等早期原型，公司用這些機型測試家用機器人在真實房間裡的表現。1X 把 NEO 定位成第一台你真的能買回家的人形機器人。
它的訴求很單純：給 NEO 一張家務清單、挑好時間，回家就看到整齊的環境。它會摺衣服、整理層架、吸地、澆花，也會在家中搬移物品。它同時能聊天、回答問題，並記住先前對話的內容。
最大的限制在自主性。NEO 能獨立完成基本家務，但只要碰上還沒學會的任務，就需要真人介入。你可以預約 1X 專家，由對方遠端引導它邊做邊學，事情照樣能完成。這種遠端協助也帶出隱私疑慮，因為在專家模式下，操作員能透過 NEO 的鏡頭看見你家。
Getting Started
- 支付訂金預訂 NEO，排進交貨隊伍。
- 在家中完成設定，並連上你的 Wi-Fi。
- 給它一張家務清單，排定每項想完成的時間。
- 打開隨附 App 查看進度並調整任務。
- 遇到新任務時預約專家模式，讓遠端人員帶 NEO 走完整個流程。
產品資訊
快速了解 1x 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- 忙碌的家庭：如果你願意用錢換時間、想把例行家務丟出去，這台很合適。需要留空間讓約 1.67 公尺高的機器人走動。
- 科技早期採用者：喜歡站在浪頭上、又能忍受初期瑕疵的人值得考慮。上市階段的自主能力仍有限。
- 長者與照顧者：適合幫忙拿東西、隨手整理。遠端引導意味著有人在看，先講好界線比較妥當。
任務
- 例行整理與吸地：能依時間表執行，讓家裡不必天天動手也能維持整潔。
- 衣物與層架：會摺衣、分類。衣物這類軟性物件對機器人仍有難度，成果會忽好忽壞。
- 家中跑腿：搬東西、澆花、取物，讓你不用起身。
- 日常問答：透過對話取得常識、食譜與建議。
情境
- 回家就有乾淨的環境：外出時排好任務，進門前先用 App 確認成果。
- 撐過忙碌的一週：把工作拖晚時堆積的雜事交給它。
- 行動不便的生活：需要拿取、移動物品時，不必再麻煩別人。
主要功能
肌腱驅動
NEO 採用肌腱系統，像肌肉拉動骨頭那樣牽引纜線，取代僵硬的齒輪。動作因此安靜柔順，這在機器人與人共處一室時格外重要。1X 表示 NEO 運轉起來比現代冰箱還安靜。
22 自由度雙手
每隻手具備 22 個自由度，足以應付多數家務需要的細膩抓取與夾取。NEO 能拿起沒見過的物品，靠的是以真實感測資料訓練的取物模型，而非固定指令。
專家模式
NEO 預設自行作業。碰上不熟的任務時，你可以預約 1X 專家，由對方遠端一步步引導。機器人在過程中學會任務，下一次需要的外部協助就更少。
陪伴式對話
內建語言模型讓 NEO 能自然交談、回答問題，並記住先前聊過的內容。它把看到與知道的家中資訊結合記憶，回話因此顯得貼身而非制式。
安全優先的機身
可變形的 3D 晶格與針織布料包住硬體，肌腱致動器讓動作輕柔。設計目標是溫和接觸，撞到小孩或寵物時，傷害比剛硬金屬機身小得多。
家務排程 App
在隨附 App 裡設定清單與開始時間，再即時看 NEO 工作。你可以確認完成狀況、調整時程，不必守在機器人旁邊。
優缺點
優點
- 能依你設定的時間表處理摺衣、整理、吸地等日常家務。
- 安靜、柔軟的機身，在小孩與寵物身邊比剛硬機器人更安全。
- 對話自然又帶記憶，同時能當家中助理使用。
- 專家模式把沒學過的任務變成教它的機會。
缺點
- 售價 20,000 美元或月付 499 美元，比多數家庭願意花在便利上的預算高。
- 上市階段自主能力有限，許多任務仍需遠端真人介入。
- 專家模式代表有人能透過 NEO 的鏡頭觀看，是實質的隱私取捨。
- 首批交貨要排隊，現在下訂可能要等到 2026 年之後。
常見問題
NEO 處理家中雜務，像個機器人管家一樣。它會摺衣服、整理層架、吸地、澆花，也會跟你聊天。這款家務機器人執行排定的家務清單，並透過隨附 App 回報進度。
相關內容
探索與 1x 相關的工具、技能與文章。
1x 替代方案
Odyssey 3
Odyssey · 其他Odyssey-3 是 Odyssey 的基礎世界模型，能即時模擬物理，把一段文字提示變成可互動的環境，並套用到機器人、汽車與遊戲上。
JarvisCore
Prescott Data · 程式設計 · 生產力 · 其他JarvisCore 是開源的 Python 執行環境，讓 AI 代理在網格上以對等節點運作、從共用帳本認領任務，並透過零信任代理服務存取外部系統。
Clef
Cloudflare · 商業 · 其他Clef 是 Cloudflare 推出、可在 Workers AI 上執行的開源決策模型。它針對設定好的題目回傳校準後的機率而非生成文字，讓代理程式快速分類、分流並採取行動。