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)
