Figure公司首席執行長Brett Adcock宣佈，手工編寫機器人程序的時代正式結束。在Peter Diamandis的Moonshots播客節目中，Adcock接受了一次內容廣泛的採訪。他透露，隨著Helix 02的發佈，Figure公司已經達到了“軟體2.0”的里程碑。Helix 02是一種人工智慧架構，它使得Figure公司能夠從其機器人程序中刪除最後109,504行手工編寫的C++程式碼。此次採訪在 Figure 公司位於桑尼維爾的總部進行，讓我們得以最詳細地瞭解該公司的“系統 0、1、2”核心及其 2026 年雄心勃勃的製造路線圖。核心內容總結刪除“笨拙”的過去。此次發佈的核心是Helix 02的全面部署，Adcock將其描述為機器人智能的根本性重構。之前的版本依賴C++來實現下肢控制和平衡，而Helix 02引入了System 0 (S0) ——一個全身強化學習控製器，它完全通過神經網路來處理平衡、接觸和協調。“如果只靠程式碼啟髮式演算法，我們根本不可能做到今天你所看到的四分之一，”阿德科克告訴迪亞曼迪斯，他指的是Figure 03 中機器人將玻璃器皿放入洗碗機的演示。這種“像素到扭矩”的方法使機器人能夠實現“房間級自主控制”，使其能夠像一個連續的系統一樣導航和操作物體，而不會像傳統控製器那樣出現“走走停停”的延遲。Figure 03：為該模型建構的硬體。Adcock 將Figure 03展示為一款專為運行 Helix 堆疊而設計的“主力機”。該硬體在經濟效益方面實現了巨大飛躍，Adcock 聲稱其製造成本比 Figure 02 降低了 90%。主要改進包括：重量減輕： F.03 比其前身輕了 30 磅，提高了安全性和動力效率。感測器整合：新型掌部攝影機和指尖觸覺感測器（靈敏度低至 3 克）現在直接融合到神經策略中。運動方式：全新的“被動式腳趾”設計可實現更自然的步態和更深的運動範圍，克服了早期型號“笨拙”的平足行走方式。此次硬體成熟是在Figure 02 測試機退役之後實現的，該測試機在寶馬生產線上累計運行了 1250 小時。Adcock 指出，雖然寶馬的試點項目取得了成功，但其底層架構“過於粗放”，無法擴展到 Figure 設想的數百萬台裝置規模。HARK 和“全能模型”願景。阿德科克討論了HARK的創立，這是一個專注於數字和物理自主性的全新人工智慧實驗室。HARK似乎是Figure向“全能模型”（一種能夠同時處理語音、推理和物理動作的單一神經網路）轉型背後的驅動力。阿德科克利用實驗室的進展解釋了Figure為何在2025年終止與OpenAI的合作關係。 “我們的團隊遠遠領先於他們，”阿德科克說道，他認為通用機器人需要一種純粹的大型語言模型（LLM）無法達到的“具身物理學”水平。他貶低目前的LLM，稱其為“高級Google搜尋引擎”，缺乏必要的世界觀，無法避免撞穿玻璃牆或壓壞易碎物品。2026年：機器人建造機器人。2026年的時間表依然十分緊迫。Adcock預計今年將在Figure的“BotQ”生產線上引入機器人，朝著“自我複製”的生產模式邁進。BotQ工廠目前正在進行改造，以支援每年近5萬台產品的產能。雖然與 Sunday Robotics 的“洗碗機大戰”凸顯了 Figure 處理易碎玻璃器皿的能力，但最終的考驗仍然是家庭環境。Adcock 坦言，儘管他2026 年的路線圖目標是“未曾涉足”的家庭環境，但當機器人出現在他自己的孩子身邊時，他仍然會“照看”它。“我們的目標是讓機器人能夠完全自主地在家中運行，照顧我的所有孩子，”阿德科克說。“只有當我覺得足夠安全，可以讓它自由活動時，它才適合所有人使用。”他估計，到2026年底，具備外科手術般靈巧度的硬體將準備就緒，但要達到同樣的可靠性水平，“大腦”還需要更多的資料。全球競賽。談到與中國的競爭，阿德科克既表示讚賞，又不以為然。他承認中國的職業精神和人才素質，但認為大多數國際競爭對手仍然停留在“開環”模式——預先設定的程序或遠端操作，他戲稱之為“豆漿玩意兒”。“給我展示一分鐘機器人完整、閉環、即時地完成任務的視訊，”阿德科克挑釁道。“你肯定在其他地方沒見過這樣的視訊。”特斯拉首席執行長埃隆·馬斯克最近提出了截然不同的看法，他完全否定了Figure公司以及整個美國機器人行業。在特斯拉2025年第四季度財報網路直播中，馬斯克表示：“據我們所知，在中國以外，我們沒有看到任何重要的競爭對手。”Figure 計畫到 2026 年夏季，使其供應鏈中幾乎沒有中國零部件，從而進一步保護這家估值390億美元的初創公司免受地緣政治摩擦的影響，同時努力交付首批真正通用的人形機器人得了來之不易的重大成果。以下內容為視訊初步實錄（未作精校，僅作參考）第一章：開篇與Figure機器人的進化史Peter Diamandis：你們取得的成就讓我震驚。現在你們用神經網路能做到的事情，每年都讓我大開眼界，整個業務面貌看起來完全不同。令人驚嘆的是，隨著你們積累資料，這些資料正成為驚人的進入壁壘和資產。Brett Adcock：這裡重要的一點是，一旦一個機器人學會了如何做某項任務，整個機器人編隊就都知道了，而人類並不是這樣運作的。我們何時能看到機器人製造機器人？我們將把機器人投放到我們的Baku生產線上。這將會是世界上最大的經濟體，這是一個超級有影響力的業務，將為所有人帶來無處不在的商品和服務，進入富足時代。這也是一個超級有趣的業務，就像在建構我們都想要的科幻未來。世界上每個主要團隊都會進入這個領域，你別無選擇。Peter Diamandis：各位好，Dave和我現在在聖何塞的Figure總部。我們剛和朋友Brett Adcock錄完播客，非常精彩。快看，我們就在這裡。這是Figure 01，最初的原型，雖然有點原始但仍能運作。它運行了第一個大語言模型和神經網路。Brett實際上是親手組裝這些東西的，當時全是為了收集遙測資料來建構後續版本。Peter Diamandis： 這裡是Figure 02，更美觀、功能更強，全面運行神經網路，拋棄了所有的C++程式碼。然後我們看到了Figure 03，這是目前的主力機型。我們剛才參觀時，大概看到有一百台這樣的機器人在走廊裡走動、在測試台上運行、在洗碗。太驚人了。Brett Adcock： 確實。Figure 03增加了一個靈活的腳趾，這讓它可以蹲下，而之前的腳部設計很笨重。Figure 03還配備了手掌攝影機。我們把重量減輕了約30磅，製造成本降低了90%。這是我們和Figure 03之間的完美高度差。Peter Diamandis ：歡迎來到Moonshots節目。我和Brett Adcock在Figure總部，旁邊是Figure 02。距離我們上次一起做節目已經過去大約18個月了。我對你們的進展感到震驚。在AI時代，18個月就像十年一樣。Brett Adcock ：歡迎來到Figure總部。我們剛剛參觀了這裡，我們有30萬平方英呎的空間，還有40萬平方英呎在開發中。你們看到Figure 03在走廊裡走動，全自動機器人運行著Helix 2系統。我今天剛收到Helix 2發佈的通知。我們看到機器人在做廚房任務、搬運包裹、製造零件。我們至少看到了一百台機器人。第二章：神經網路革命與程式碼的終結Peter Diamandis ：我依然記得Figure 01把Keurig膠囊放入咖啡機的場景，那是個大事件，因為那是用神經網路而非C++完成的。對我們來說，那是一個巨大的轉折點。Brett Adcock ：我認為我們需要解決幾個關鍵問題。第一，你能否製造出低成本、能力接近人類的電動人形機器人？這是硬體方面。第二，你能否找到一種方法，不靠寫程式碼來解決問題？如何使用神經網路來學習那些人類的行為表徵和新任務？當我們做Keurig任務時，那是第一個在人形機器人上運行的雙臂神經網路實例。那一刻我們就決定：“好了，我們必須全力投入神經網路。”整個技術堆疊都需要是神經網路。今天你們看到了Helix 2，這是我們迄今為止最棒的版本。Peter Diamandis ：我們看到了Figure 03在全自動模式下運行Helix 2，把東西放進洗碗機，完全沒有預程式設計。我喜歡它展現出的人性化元素，比如用臀部關門，用腳頂起洗碗機。Brett Adcock： 這就是神經網路的不同之處。你會得到意想不到的行為，有些是你永遠無法通過編碼寫出來的。如果是寫C++程式碼，你只能走到死胡同。相比程式碼，神經網路能做的事情讓我大吃一驚。如果是寫程式碼，我們連今天展示的四分之一都做不到。Peter Diamandis ：令人驚嘆的是，資料成為了不可思議的壁壘。如果你用C++寫這些，你投入了數億美元，你會不敢動它。而在神經網路中，你可以說：“嘿夥計們，從頭開始重新訓練。”這是一種完全不同的範式。Brett Adcock： 確實。大概一兩年前，我們有幾十萬行C++手寫程式碼。寫這些程式碼很貴，很難測試。我們在Helix 1中刪除了大部分程式碼，但下半身控制仍是C++。就在今天，我們刪除了剩餘的10.9萬行C++程式碼。現在全是神經網路了。這是全機身的神經網路。我們花了大概一年時間重構Helix架構來實現這一點。現在，機器人能像人類一樣在空間中移動，協調手眼腳，並在幾百赫茲的頻率下輸出扭矩。第三章：與OpenAI的分手及物理世界的挑戰Peter Diamandis：起初你們和OpenAI在軟體上有合作，後來分道揚鑣了。能談談這個嗎？Brett Adcock：我遇到了Sam Altman和OpenAI團隊，他們很有興趣進入機器人領域。他們確實想建立非常緊密的合作關係。他們和微軟一起領投了我們的B輪融資。我們開始合作開發下一代人形機器人模型。我們非常看重如何用語言來調節整個技術堆疊。大語言模型（LLM）在很多方面就像一個世界模型，它在權重中理解什麼是事物，應該做什麼。但這種合作並沒有奏效。我們的團隊在幾乎一年的時間裡表現得比他們更好。我們在內部自己做所有的工作，我們有來自世界頂尖實驗室的人才。教別人如何為嵌入式系統建構AI模型變得沒有意義，所以我們決定自己做。Peter Diamandis ：LLM是基於文字資料建構的，它有常識，但如果你把它安裝在物理機器裡，它並不知道自己在做什麼。你必須接觸世界。機器人有40多個自由度，狀態空間比宇宙中的原子還多，所以你無法一一模擬。Brett Adcock： 確實。我需要理解精細的接觸動力學。比如抓這個水瓶，我該如何定位手肘、骨盆、軀幹？LLM雖然覺得自己知道，但往往會完全失敗。我們嘗試過把LLM直接放在機器人裡進行“零樣本”（Zero-shot）測試，結果它確實能以正確的方向走，但直接撞上了一堵透明玻璃牆。它缺少對物理世界的理解。我們在Figure不僅要解決這個問題，我還成立了一個新的AI實驗室叫HARC，專注於這種物理與數字結合的AI。第四章：中美競爭、遠端操控與全自動的真相Peter Diamandis ：關於中國，今年有報導稱中國有150多家機器人公司，出現了“機器人泡沫”。而在美國，嚴肅的玩家可能不到10家。你認為未來會發生什麼？會像汽車行業那樣整合嗎？Brett Adcock ：這在每個深科技行業都會發生。最終全球會整合為少數幾家集團，遠少於10家。在美國可能只有兩三家。製造硬體很難，要讓神經網路在上面運行並規模化更難。我認為大家低估了其中的難度。Peter Diamandis： 我想知道人們是否意識到，很多機器人視訊其實是遠端操控（Teleoperation）的，而不是全自動。而我們剛才看到的是Helix 2進行了4分鐘的全自動操作，完全沒有預程式設計。Brett Adcock ：我這輩子沒見過這麼多公司，背後藏著個人操控機器人，然後發視訊假裝是自動的。這就像我說我有自動駕駛公司，其實有個人在遠端開車。如果你想做對，必須全端相信神經網路。令人印象深刻的不是製造或遠端操控。你可以用很爛的硬體進行遠端操控。難的是在未見過的場景中進行端到端的神經網路控制，並實現數小時甚至數天的長時程工作。如果我們能解決通用機器人問題，那怕只有10台機器人能進入未知環境做真實工作，這才是區別所在。我們目前還處於“誰能解決通用機器人”的階段。Brett Adcock ：那些功夫表演的視訊，本質上是你在讓人穿上動捕服做動作，然後讓機器人盲目重放（Open Loop）。這很容易，任何大學生都能做到。你真正想要的是閉環控制（Closed Loop），機器人能以每秒200次的速度推理並動態響應環境。這比開環重放要難上十萬倍、一百萬倍。第五章：Helix 2 架構與2026年展望Peter Diamandis ：那麼2026年有什麼值得期待的？Helix 2的定義是什麼？Brett Adcock ：Helix 2是一個巨大的飛躍。首先，我們在機器人內部整合了一個完全學習的控製器，我們稱之為System Zero。機器人體內沒有任何程式碼，它使用全機身強化學習控製器來移動。據我所知，還沒人能將其整合進全機身進行學習型操控和感知。其次，我們根據在寶馬工廠的經驗重構了架構。我們意識到之前的架構無法擴展到10萬台機器人。Helix 2是專為大規模預訓練資料設計的，而Figure 03則是專為運行Helix 2設計的。這是一個圍繞資料設計的閉環。Peter Diamandis：2026年你最大膽的預測是什麼？Brett Adcock ：第一，我們將把機器人放到Baku生產線上，今年就開始讓機器人製造機器人。第二，我們要在工業和商業勞動力中規模化部署Figure 03。我們已經簽了多個客戶，明確了部署計畫。我們更傾向於租賃模式，就像人類也是被“租賃”的一樣（工資）。第三，也是最重要的，我們要解決通用機器人技術。我的願景是建構一個穿著緊身衣的“人類”，你可以和它交談，它有常識推理能力，有完美的記憶，可以成為你的伴侶。Peter Diamandis ：是否會有兩個不同的模型？一個負責身體和物理的VLM，一個負責對話的大語言模型？Brett Adcock ：我們相信最終會歸結為一個“Omni Model”（全能模型）。它在預訓練早期就將所有這些融合在一起。我們需要語音、語言調節策略、物理理解、記憶和個性。這不僅僅是完成任務，我們希望機器人能理解你的情緒。另外，我們現在只有一個神經網路，並沒有針對“洗碗”或“物流”的獨立網路庫。第六章：硬體、算力與供應鏈深度解析Brett Adcock ：我們發現，即使有更多資訊輸入，比如學會彈鋼琴能讓你成為一個稍好的足球運動員一樣，資料會產生正向遷移。在Figure，我們試圖建立世界最好的模型。對人形機器人來說，多樣性至關重要。Peter Diamandis ：你們使用常規GPU進行訓練，但推理（Inference）時的計算是在專用的、非H100的硬體上運行的，這成本可能便宜100倍。Brett Adcock ：是的，而且它是完全在機器人板載運行的。我們可以進行非常快速的推理和策略部署，也不會消耗掉機器人所有的電力。我們主要關注供應鏈、電池和通訊。在通訊方面，我們在機器人上配備了Wi-Fi、5G和eSIM卡，所以即便沒有Wi-Fi，你也可以給機器人發簡訊。它還有藍牙。理想情況下，你希望隨時保持連接，但也希望機器人在斷網時仍能執行任務。Peter Diamandis ：說到電池，現在的電池續航如何？順便說一句，我喜歡那種通過腳部無線充電的設計。Brett Adcock ：目前單次充滿電可以運行大約4到5個小時。我們通過腳部進行感應式無線充電，功率約2千瓦。電池組容量大約是2千瓦時，所以充滿電大約需要一小時。這意味著它可以工作四五個小時，休息一小時充電。這很棒。我認為人們過於關注單次充電能跑多久了。並沒有多少任務需要連續工作幾小時而不休息。它可以進行機會性充電，比如在廚房水槽前鋪一塊充電墊，它在洗碗時就能充電。Peter Diamandis ：人們確實在過度關注一些奇怪的指標，比如“它能跑多快”、“能做後空翻嗎”。Brett Adcock ：你說的大部分都是開環（Open Loop）行為，也就是重放預設動作。而在Figure，我們需要看到的是真正的閉環控制：機器人像人類一樣移動、觸摸、搬運物體。這才是最難的問題所在。我們看到人形機器人領域出現了爆發式增長，但在達到“真實閉環控制”這一點上，出現極其陡峭的滑坡。你很少看到機器人能連續一分鍾不剪輯、不遠端操控地做家務。我們花了兩年時間，每周工作7天，才從幾分鐘的桌面操作發展到如今的全屋自主。Peter Diamandis ：既然你選擇了垂直整合，目前的供應鏈有多少還依賴中國？Brett Adcock： 我想大概到今年夏天，我們的供應鏈裡幾乎就不會有中國的部分了。但我其實很喜歡中國，我在那裡待過很長時間。在美國看電視你會覺得那是巨大的衝突和戰爭，但當你真正去到中國，你會發現那裡的創業精神令人驚嘆。每個人都想贏，但也想合作，感覺就像在一個巨大的創業孵化器裡。Peter Diamandis ：你們自己製造執行器和電機，我記得你提到Figure 02到Figure 03的成本降低了90%，這是驚人的。Brett Adcock： 我們進行垂直整合是因為迫不得已。如果能直接買到合適的電機或靈巧手裝上去，那是極好的，但這行不通。如果你不親自做工程設計，一旦某個環節出問題，你就完了。現成技術的成熟度太低了。早期我們也嘗試過外購，但基本都失敗了，所以只能自己設計。現在我們自己做總裝，一方面是因為沒人知道怎麼做更好，另一方面也是為了保護IP。Brett Adcock ：即使我們使用現有的供應鏈，機器人也做不到你們今天看到的事情。如果你現在去買一個現成的人形機器人，它沒有合適的感測器，沒有足夠的算力，散熱不行，硬體不是圍繞神經網路棧建構的。很多從中國買機器人的團隊，最後都得自己改裝，背個大背包放電池和算力，但這無法規模化。這就像搞火箭卻想買現成的火箭一樣，行不通。Peter Diamandis： 看著像Unitree（宇樹科技）、Engine AI等中國公司，你最關注那一家？Brett Adcock ：中國確實爆發出了很多優秀的人才和機器人。但我認為我們還沒看到這些系統展現出任何閉環AI控制能力。他們大多是在賣硬體，或者做大量的開環控制。這與設計全自動系統是完全正交的兩回事。如果要問Figure真正的競爭對手是誰，我認為主要就是“中國”這個整體。Peter Diamandis ：這將會是世界上最大的經濟體，這是一個50兆美元的市場。Brett Adcock ：沒錯，這大約占人類勞動GDP的一半。世界上每個主要科技集團都會進入這個領域，你別無選擇。但我認為這很難，因為我們正在做的是“火箭級”難度的設計。人形機器人的硬體工程難度可能堪比火箭設計。這可能是地球上最難的硬體之一。Peter Diamandis ：現在有了Helix和巨大的神經網路，這是第七層能力嗎？還是它滲透到了其他層？Brett Adcock ：在Archer，最高層的規劃是由飛行員完成的。而在Figure，隨著Helix 2的推出，現在完全是由神經網路來決定做什麼。誰來告訴技術堆疊該做什麼？這個“最高層行為”以前可能來自手把或開環指令碼，現在則來自神經網路的規劃和推理。第七章：家庭、AGI與未來願景Peter Diamandis ：讓我們談談家庭應用。醫療保健和養老將是重要部分。你對這方面怎麼看？Brett Adcock： 我在中西部的一個農場長大，父母經營獨立輔助生活設施，所以我從小就接觸養老護理。我非常有激情去解決如何讓機器人進入養老護理，讓人們能居家養老。目前養老設施很難讓人願意搬進去，而且供不應求。Peter Diamandis ：你認為AGI（通用人工智慧）需要具身實體嗎？Brett Adcock ：當我今天使用AI時，我覺得它很笨，就像一個高級的Google搜尋引擎。我想建構的是Jarvis，我希望它能推理、有完美記憶、能接觸物理和數字世界。我的新實驗室HARC正在做這件事，我們讓AI從頭開始設計CAD圖紙，比如我讓它給我的兒子設計一個怪獸卡車，它在一小時內就能完成。目前的頂尖實驗室都在互相模仿，沒人真正建構能推理、有持久記憶並能接觸世界的多模態系統。我的AGI版本是：它能做人類能做的事，而不只是給我念搜尋結果。未來12到18個月將是我們見過的最大AI轉型期。Peter Diamandis： 機器人什麼時候能做手術？Brett Adcock ：從硬體角度看，我認為2026年我們的硬體就能達到外科醫生的操作水平。如果你能通過遠端操控讓機器人做到，我們就能讓它學會。只要硬體允許，剩下的就是資料問題。第八章：設計哲學與為什麼是雙足雙臂Peter Diamandis：我的朋友Salim Ismail問，為什麼只有兩隻手？為什麼不讓機器人有四隻手或六隻手？Brett Adcock ：我們的目標是做人類能做的事，並以最便宜、最輕便的方式實現。更輕意味著更安全，更便宜意味著可製造性和規模化。如果你開始增加額外的手臂，機器人會變重，成本變高，製造變難。而且在物流場景中，四隻手並不一定更快，因為空間有限。我們的執行器速度還有3到5倍的提升空間，目前的限制主要是軟體還不知道如何高速操作。Peter Diamandis ：確實。如果你讓機器人快3到5倍，一旦出錯，代價會很高。特別是在家裡，要是踢到貓就不好了。Brett Adcock ：沒錯。你想要一個成本在1萬到2萬美元的機器人，而不是5萬美元。成本主要取決於產量，所以你希望像造汽車一樣大規模製造標準化的機器人。第九章：規模化與十億級機器人市場Peter Diamandis ：如果價格降到2萬美元，按租賃算大概是每天10美元，每小時40美分。你估計2035或2040年地球上會有多少機器人？Brett Adcock ：每個人都應該擁有一個人形機器人來處理工作，商業領域可能還需要50到100億台。如果一切順利，我認為地球上可以有數百億台人形機器人。我們基本上是在製造一個廉價的、能24小時工作的“人類副本”。我希望在24個月內，所有的機器人都能由機器人製造。Peter Diamandis ：如果展望24個月後的未來，需求量將是數十億台。這需要數兆美元的資金。你會讓世界再等5年，還是去籌集那1兆美元？Brett Adcock ：融資市場是存在的，看看信用卡或汽車租賃市場就知道了。關鍵在於：第一，必須解決神經網路的規模化問題；第二，必須讓機器人參與製造機器人。如果我們今天能解決通用人形機器人技術，讓它能做你想做的一切，我覺得我們今天就能出貨10億台。Peter Diamandis： 這有點像《星際迷航》裡的創世計畫。你可以把一個盒子運到肯尼亞，打開盒子，它就開始利用當地資源製造Figure工廠，而所有的IP都通過聯邦學習傳回母艦。這能讓GDP增長100倍。第十章：安全、隱私與未來Peter Diamandis： 關於家庭中的安全和隱私，你怎麼看？之前有過智能音箱監聽使用者的訴訟。Brett Adcock ：安全是讓機器人大規模進入家庭的首要問題。這裡有語義上的安全（如不打翻蠟燭），也有本質安全（不傷害人和寵物）。我們有一個完整的網路安全團隊在處理這些問題。如果能做到，它們會比人類更安全，就像自動駕駛汽車最終會比人類駕駛更安全一樣。我們有超人類的感知能力，360度視野，時刻線上。Peter Diamandis ：網友問：你什麼時候會放心讓Figure抱你的新生兒？Brett Adcock ：在Archer時我常說，直到我願意讓自己和家人坐上去，它才算足夠安全。對於Figure也是一樣。當我能把機器人全自動地放在家裡，並且放心它在孩子身邊時，那就是它準備好了。目前我們還沒有達到那個階段，但那是我們的目標。Peter Diamandis ：我今天早上剛和Kathy Wood聊過，她也是你們的投資人。我在聖莫尼卡開車時，會和孩子們數Waymo（自動駕駛計程車）的數量。Brett Adcock ：Google早在2005年就看到了這個願景，並堅持了16、17年。Waymo是一個了不起的產品，他們沒有動搖，最終做到了。這非常鼓舞人心。Peter Diamandis： 最後一個極客問題。我在達沃斯聽到大家說格陵蘭島的礦產無法開採，因為太冷了。如果有十億台機器人，我們能不能去格陵蘭島開採？Brett Adcock ：我認為我們會先去格陵蘭島，然後再去小行星採礦。只要有更好的工程解決方案，加上無限的勞動力，我們一定能找到辦法。第十一章：Figure 03 實物導覽Brett Adcock ：好的，這是Figure 01。我們在成立公司後一年內設計並讓它走了起來，這可能是歷史上最快的時間之一。雖然不漂亮，但它解鎖了我們的軟體開發。這是全鋁製結構，重約130-140磅。Brett Adcock ：然後是Figure 03，這是我們的主力。我們讓機器人變得更瘦、質量更輕，但保持了同樣的速度和扭矩。它大約135磅（約61公斤），手部可以承重20公斤。這是一雙全新的手，指尖有觸覺感測器，覆蓋了柔軟的順應性材料。它是為了量產設計的，使用了軟性外殼，大大減少了夾傷點。我們大幅降低了成本，提升了散熱和計算系統。Peter Diamandis ：為什麼選擇在臉上保留螢幕？Brett Adcock： 如果不小心，黑色的臉部可能會給人一種反烏托邦的感覺。我們有三個螢幕，可以顯示狀態，甚至播放Netflix。更重要的是，大腦（計算單元）就在頭部，這非常合理，便於散熱，也便於佈置攝影機和感測器。Peter Diamandis ：這就是Figure在月球、在軌道、在海底的未來。我們很快會在太空中建立資料中心，需要有人去組裝它們。零重力環境將是絕佳的測試場。Brett Adcock： 百分之百。如果是那樣，我們可以帶它去飛零重力飛機測試。如果能在太空中運行，那將極其重要。我們也會去其他行星，這需要自動化。Peter Diamandis ：今天的節目就到這裡，感謝大家收看Moonshots。 (人形機器人洞察研究)

估值390億的Figure之外，CEO再投1億美元佈局AI實驗室。近日，機器人初創公司Figure AI的首席執行長佈雷特·阿德科克（ Brett Adcock）宣佈成立全新AI實驗室Hark，並個人出資1億美元作為啟動資金。這項消息源自Adcock於周四向Figure員工和投資者傳送的內部備忘錄，隨即在科技界引發廣泛關注。作為同時執掌兩家核心企業的掌舵人，Adcock將在繼續擔任Figure CEO的基礎上，帶領Hark開啟 AI 領域的新探索。根據備忘錄，Hark的核心願景是打造「以人為本」的AI系統，使其具備主動思考、遞迴式自我最佳化與深度人文關懷的能力，從而開闢一條不同於現有技術路徑的新方向。值得關注的是，該實驗室的首個圖形處理器（GPU）叢集已於周一上線，但具體規模尚未對外披露。Hark的創立並非個例，它反映出當前AI產業一個新動向：越來越多新創公司的CEO在深耕原有業務的同時，開始佈局新的技術戰場。先前有報導稱，搜尋引擎公司You.com的CEO Richard Socher也在籌備一個新的AI實驗室，並尋求10億美元融資。這類新興機構被業界稱為「新實驗室」（neolabs），近期已累計吸引數十億美元資金。「新實驗室」的核心目標，是探索OpenAI、Anthropic等大型AI企業可能忽略的研究路徑與模型架構，試圖在主流技術之外尋找突破點。儘管這些行業巨頭已坐擁數十億美元的收入規模和成熟的技術體系，但「新實驗室」以其靈活的機制、創新導向的研究和資本加持，正逐漸成為推動AI發展的重要力量。Adcock創立的Figure AI本身已是業界矚目的明星企業，累計融資近20億美元，投資方包括Parkway Venture Capital、輝達（Nvidia）、微軟（Microsoft ）以及貝索斯探險基金（ Bezos Expeditions）等知名機構，最新估值高達390億美元。這次他個人投入巨資創辦Hark，既是其在AI領域的二次創業，也彰顯了他對前沿技術探索的持續承諾。（左）輝達創始人兼CEO黃仁勳（Jensen Huang）與（右）Figure創始人佈雷特·阿德科克（Brett Adcock）（圖片來源：X@adcock_brett）無論是堅守本業的CEO開闢第二戰線，還是新興實驗室瞄準巨頭的技術盲區，這場創新浪潮的核心敘事，始終圍繞著如何讓AI更貼近人、更理解人、更服務於人而展開。頂尖人才與雄厚資本正以前所未有的濃度匯入AI創新領域，產業的競爭強度與技術演進速度正同步提升。 （創新觀察局）

Figure 創始人兼 CEO Brett Adcock 近日在 Bloomberg 採訪中提到了其“人形機器人”方向的推進節奏與核心戰略。Adcock 直言，Figure 的目標不是製造一台機器人，而是“重構勞動力”的整體方案——打造一個可以部署於現實場景、無需遠端控制、具備自主工作能力的“合成人類”系統。三年前，Brett 在特拉華州提交了 Figure 的註冊檔案，從此踏入這一被廣泛認為“難度最大、意義最深”的創業方向。在他看來，人形機器人將成為有史以來最大規模的產品發佈之一，甚至具備“贏者通吃”的行業屬性。而 Figure 的使命，是在這場變革中佔據先機。在對話中，Brett 首先回顧了創業動因。他表示，自己從小便受到科幻作品影響，對建構通用智能載體的探索早有萌芽。隨著機電硬體和 AI 系統在近年同步成熟，Figure 的時機也就隨之到來。他強調，Figure 當前的機器人已經在現實商業環境中執行任務，並正朝著規模化部署邁進。▍避開局部最優解陷阱Figure 目前的產品——Figure 2，具備相當程度的自主能力。Brett 強調，他們不依賴遠端操控，也不希望任務執行過程基於人為預設，而是讓機器人完全自主運行。他指出：“如果從一開始沒有堅持自主性這個目標，最終只能落入局部最優的陷阱。”Figure 的 go-to-market 策略分為兩個方向：一是切入勞動力密集型商業場景；二是瞄準家庭消費級市場。Brett 認為，這兩者都能釋放出巨大的需求，而 Figure 的硬體也正是圍繞“平均人類能力”設計，包括扭矩、動力、關節活動範圍等。他透露：“我們甚至可以讓機器人，在從未‘見過’草莓的情況下完成抓取、操控等動作。”對於製造端的部署，Figure 已具備一條年產能為 1.2 萬台機器人的產線，並計畫在未來四年交付 10 萬台。Brett 將這一製造體系類比為消費電子，而非傳統汽車製造流程：“它更像是 iPhone，而不是 Model 3。我們實現了裝配流程的迭代式最佳化，也建構了自研 MES 系統來支撐自動化生產。”Figure 3 的製造成本，已較第一代下降 93%。▍使命，銷售“勞動力”在公司戰略定位上，Brett 表達了極其明確的看法：“Figure 的存在使命不是銷售機器人硬體，而是銷售‘勞動力’。”這意味著，他們並不追求通過標準化元件授權盈利，也不聚焦於某種形態的工具輸出，而是致力於建構一個可交付的勞動力系統，真正落地於製造業、倉儲、建築和家庭生活中。當被問及是否將 Figure 定位為 Meta、亞馬遜等企業的硬體供應商，Brett 表示：“這並不是我們的目標。我們的目標是提供完整系統能力：一個使用者只需通過語音互動，機器人就能完成多步復合任務的系統。”這背後是端到端的技術路線，涵蓋 AI 模型訓練、感測器、伺服系統、計算架構、資料收集與現場部署的完整閉環。這一戰略也解釋了 Figure 在模型選擇上的決策邏輯。雖然他們早期探索過接入 OpenAI 等第三方模型，但最終轉為自研。“與大公司合作反而削弱了我們在公眾心智中的技術歸屬感，大家會以為我們只是用別人做好的東西。”Brett 直言，目前所有與人形機器人相關的 AI 工作都是由 Figure 自主完成，甚至連視覺語言模型（如 Helix）也只是借助其骨幹結構，訓練和推理過程完全內化於團隊之中。▍機器人共享大腦相比“有多少 GPU”，Brett 更在意“有多少資料、有多少機器人”。他認為，當前最稀缺的資源是現實世界中可部署執行任務的機器人系統，這些系統可以積累有價值的資料，並用於訓練更強大的 AI。他強調 Figure 的關鍵系統邏輯是“共享神經網路”：一台機器人完成的任務，可以被所有機器人學習並繼承，使每一次部署都為整個系統積累能力。這正是 Figure 作為“活系統”而非傳統消費硬體的根本差異所在。“每一台 Figure 都是邊工作邊進化的智能體，不斷變得更聰明、更便宜。”Figure 的底層假設是：這個賽道最終將由“最聰明、最便宜”的參與者勝出。如果一家企業能夠同時最佳化智能與成本，它將具備壓倒性優勢。正因如此，Brett 將 Figure 描述為“全球第一個有望具備贏者通吃特徵的硬體系統”。▍不缺錢，缺的是機器人在資金層面，外界有傳聞稱 Figure 正尋求新一輪融資，估值高達 400 億美元，遠高於去年 26 億美元的估值。但 Brett 回應道：“我們目前帳面現金儲備，可能已經超過了歷史上所有人形機器人公司融資總和。”他承認自己對“上市”仍有創傷後應激反應，但強調公司當前“資金非常充足”，無論是訓練 GPU、生產機器人還是全球招募人才，都有充足彈藥。當前最關鍵的，是如何在極小團隊規模下，保持極高的執行效率。Figure 團隊正在用一種“創業者-工程師主導”的方式建構系統，而非市場行銷或營運導向。他們沒有把精力放在頻繁對外發聲上，更多是靠穩定發佈技術進展，讓外界看到“這個系統每天都在更接近人類”。正如 Brett 總結的那樣：“我們不會盯著競爭對手，但這很明顯——Figure 是當前全球在人形機器人和 AI 結合的真實世界應用中，進展最紮實、落地最顯著的團隊之一。 (有新Newin)

「我們需要人形機器人才能到達AGI」。布雷特·阿德科克近日在對話中談到。 現在是做人形機器人的好時機 今年2月，成立僅21個月的人形機器人新創公司Figure AI就獲得了來自英偉達、微軟、OpenAI、英特爾等科技公司共計6.75億美元的投資。人形機器人的火熱也將Figure AI的創始人兼首席執行官Brett Adcock（布雷特·阿德科克，以下簡稱“布雷特”）帶到了大眾面前。 1986年出生的布雷特，已經創辦過2家公司了，第一家軟體公司Vettery已被收購，第二家做eVTOL（電動垂直起降）飛機的公司Archer Aviation也已成功上市，Figure AI是他第三次創業。 近日，布雷特與美國投資人莎拉·郭（Sarah Guo）進行了對話，談到了他為什麼要進入人形機器人領域以及為什麼執著於將機器人設計成人類形態。在對話中，布雷特認為目前的世界是圍繞著人類活動建造的，所有的一切標準都適合人類的生理條件，所以機器人做成人類形態是最理想的。他也分析稱現在是入局人形機器人的最佳時機，先進的電池馬達技術和人工智慧的支持，讓他在短短1年時間裡就推出了人形機器人，未來他相信這裡會有更廣闊的市場。

【新智元導讀】人形機器人賽道繼續傳來重量級更新：特斯拉更新了最新擎天柱走路影片；Figure AI剛剛敲定6.75億美元新一輪融資，估值超20億，成立不到2年榮升機器人獨角獸。 特斯拉人形機器人「擎天柱」Optimus又來秀場了！ 看這穩健的步態，幾乎與人類走路的樣子，別無二致。 變向的時候，沒有一點遲疑的機械感，可以看後，擎天柱轉向和前進是同時進行的。