Brett Adcock：人形机器人运行于神经网络、自治制造与50万亿美元市场 #229
摘要
Adcock 的核心判断是，打开约50万亿美元劳动力市场的关键在于通用自治，而不是制造规模。 他表示，Figure 可以融资并制造10万台机器人，但如果这些机器人仍需要远程操控或回放固定动作，规模就没有意义；“如果解决不了这一点，其他都无关紧要。”反过来，他认为，真正通用的人形机器人一旦出现，市场可能立即需要10亿台。
Helix 2 是 Figure 所称的架构跃迁：剩余的109,000行 C++ 代码被移除，形成覆盖40多个自由度的端到端神经网络栈。 学习型 System Zero 控制器负责全身运动，System 1 则整合摄像头、指尖触觉和掌部摄像头；机载推理每秒数百次驱动电机扭矩。由此实现的室内厨房级行为——包括使用髋部和脚——Adcock 说“靠代码永远做不到”（You could never code）。
Figure 的潜在护城河通过车队数据复利，而不是依赖特定任务的软件库。 同一个神经网络可以处理物流、洗碗等工作；Adcock 表示，随着多样化数据加入，模型会产生正向迁移：“一旦一台机器人学会某项任务，整个车队的机器人都会知道怎么做。”Figure 围绕预训练数据设计 Helix 2，围绕 Helix 2 设计 Figure 03，并正在让3,000块 B200 上线进行预训练。
最有力的运营证据是，多台机器人连续处理包裹67小时，仅出现1次错误。 据称，机器人以人类速度工作，找到并摆正条形码，甚至会把包裹拍平以便扫描；一次为期6个月的 BMW 部署也在每个工作日运行。不过，Adcock 真正的基准是让机器人在陌生地点自主工作数天，而不是空手道、后空翻或“田纳西州有人在驾驶它”的视频。
制造扩张正在同步推进，Figure 计划在2026年让机器人进入自己的生产线。 当前工厂可支持4条产线，每条约12,000台，年产略低于50,000台；近期目标是每30分钟生产1台机器人。长期来看，Adcock 讨论了售价10,000至20,000美元的机器人，并希望24个月内实现“所有机器人制造所有机器人”，但即便按每台20,000美元计算，10亿台机器人仍需要20万亿美元营运资本。
家庭机器人路线图激进，但明确分阶段推进，并非承诺立即进入大众市场。 Adcock 预计，到2026年底，Figure 可能把机器人放进一个从未见过的家庭，执行较长周期的工作，按小时、天或周衡量人工干预次数，并在次年开始有限用户部署；“我不想交付垃圾。”他还表示，Figure 目前尚未准备好让机器人在自己的孩子身边完全自治地活动，或抱起新生儿；这一私人标准将成为产品成熟度测试。
Adcock 预计全球最终只会剩下“远少于10家”人形机器人赢家，并认为中国整体是 Figure 当前唯一真正严肃的竞争威胁。 不过他也认为，闭环自治在全球都仍然稀缺，所有大型科技公司最终都会入场，因为“你别无选择”。Figure 打算让模型与自研的垂直整合硬件绑定，出于安全原因拒绝授权，并将安全部署称为“我们对人类文明负有的受托责任”。
精读
1. Figure 在18个月内从可运行原型走向机器人遍布的园区
Diamandis 和 Blundin 参观了约300,000平方英尺的厂区，另有400,000平方英尺正在开发；他们估计现场至少有100台完整的 Figure 03，以及更多手部、头部和半成品组件。Diamandis 透露，他的风险基金参与了 Figure 早期两轮融资。
Figure 01 刻意追求简陋：这是一台约130至140磅、采用 CNC 铝材制造的机器，目标是在不到1年内造出一台能行走的机器人。Adcock 当时的优先事项是“解锁 AI 和控制团队”，掌握执行器、电池、布线、结构与传感器，并为第一套双臂神经策略提供硬件。
Figure 02 将布线内置，增加摄像头和算力，电池容量约提升至2倍；Figure 03 随后将重量降至约135磅，同时保留速度和扭矩，承载能力约20公斤。它增加了软质外覆、指尖触觉、掌部摄像头和被动脚趾，并减少了夹点。
2. Keurig 任务终结了代码机器人路线
决定性实验不是后空翻，而是让 Figure 01 制作咖啡。一个双臂神经网络拿起 K-Cup，打开咖啡机，放入咖啡胶囊并运行持续数分钟的完整流程；这是 Figure 第一次看到神经控制跨越一项有实际意义的人形机器人任务。
这一演示同时回答了早期的两个问题：Figure 能否造出有能力且价格可控的电动人形机器人，以及能否避免“靠写代码解决问题”。Adcock 两年前的结论非常明确：“我们必须全面押注神经网络。整个栈都需要是神经网络。”
Figure 此前维护着数十万行手写 C++ 代码：测试成本高、难以稳定部署，也无法表达所有充满接触的行为。Helix 1 移除了其中大部分，但保留了一个编码实现的下肢控制器；Helix 2 则移除了最后的109,000行代码。
Blundin 的区分在于，学习型行为既会产生有用的意外，也会产生错误。厨房里的机器人用髋部关闭某个装置，又用脚抬起洗碗机门，这些动作都不是团队预先编写的；Adcock 的结论是：“这靠代码永远做不到。”
3. Helix 2 打通从感知到电机扭矩的闭环
Helix 2 的 System Zero，即 S0，是一个通过强化学习训练的全身控制器。Adcock 承认，其他地方也存在学习型运动控制，包括经过编排的武术动作，但他此前没见过有人把学习型感知与操控整合进一个完整运动中的人形机器人。
配套的 System 1 整合了头部和后方摄像头、朝下观察的躯干摄像头、指尖触觉信号以及 Figure 03 的掌部摄像头。当头部摄像头被遮挡时，这些额外视角非常关键，例如手伸入柜子或从药片盒中取药时。
推理完全在机载运行，将传感器观测转化为电机扭矩，并每秒数百次更新控制。机器人可以协调眼睛、手、脚、腿、骨盆和躯干，不必等待远程服务器；即使仍在抓取物体，也能从错误中恢复并重新规划。
这次架构重构耗时近1年。Figure 从强项仍局限于固定桌面的操控，走向房间尺度的自治：在厨房中行走、打开储物空间、挑选物品并将其放回。Adcock 下一步的空间尺度目标，是从“完成整个房间”走向完成整栋房子。
4. Figure 03 是为 Helix 打造的身体
Adcock 描述了一套反转的设计层级：Figure 03 为 Helix 打造，Helix 2 为预训练数据打造，传感器、操作系统、中间件、固件、散热和嵌入式算力都据此选择。“我们如何为 Helix 提供一个身体？”成为硬件项目的核心问题。
超过40个自由度解释了为什么通用硬件和文本模型都不够用。电机可旋转360度，Adcock 将姿态空间描述为360的40次方——“人形机器人的状态数量，比宇宙中的原子还多。”
据称，Figure 03 的执行器仍保留当前演示速度的3至5倍余量，但 Adcock 不接受速度越快就越好的假设。更多手臂、极限奔跑或最高执行器速度会增加成本、重量和危险，却未必提升输送线吞吐量；Blundin 指出，盘子达到5倍速度后就会变得危险。
5. 语言提供语义，但具身智能需要自己的物理学
Adcock 纠正了“Figure 只是离开 OpenAI”的简化叙事。OpenAI 和 Microsoft 共同牵头参与了 Figure 的 Series B，双方也探索过下一代人形机器人模型，但 Adcock 表示，Figure 的内部团队在大约1年时间里“全面领先于他们”，最终没有理由让外部团队训练其嵌入式模型工作。
语言模型和视觉语言模型仍然重要：它们的权重编码了物体、语义和常识关系，帮助机器人理解某件东西是水瓶，或解释一项口头请求。Adcock 称，这种落地能力在 Helix 内部“极其关键”，而不是完全否定 LLM。
Blundin 提出的问题是，LLM 似乎知道如何踢足球或抓住瓶子，却可能缺乏物理能力。Adcock 表示认同：LLM 不知道所需的肘部角度、指尖压力、骨盆运动或接触动力学。“这不是 LLM。LLM 根本不知道这些。”
Adcock 新成立的 Hark 实验室进行的一次零样本实验，让这种差距变得具体。一个多模态模型接收数字摇杆，并被要求找到出口离开大楼；它选择了大致正确的方向，却把机器人直接走进了一面透明玻璃墙。
6. 车队数据是会复利的护城河
Figure 围绕获取高质量、多样化的预训练和后训练数据、训练通用模型并将新权重部署到车队，组织了整个技术栈。Adcock 当前的判断是，把已知能力扩展到叠毛巾、洗碗等任务，主要是数据问题——数据难度很高，但未必需要重新设计机器人。
Figure 没有独立的洗碗网络、物流网络，也没有可下载的动作库。公司称，任务组合会产生正向迁移：即使新增经验来自另一个细分领域，也能改善泛化；这呼应了 Blundin 的类比：学钢琴可能会让一个人“成为稍微更好的足球运动员”。
经济上的不对称来自车队级学习。人的技能会消失，或者必须逐人传授；而在 Figure，“一旦一台机器人学会某项任务，整个车队的机器人都会知道怎么做”。这套累积数据集既是 Figure 的核心资产，也是 Adcock 预计最终只剩少数规模化供应商的原因。
7. 大多数人形机器人表演都通不过 Adcock 的自治测试
Adcock 对行业最尖锐的批评，针对的是被包装成自治的远程操控。他把这种做法比作销售一辆所谓自动驾驶汽车，但“田纳西州有人在驾驶它”，认为即使硬件很弱，只要隐藏的人类替机器人做出每一个决定，也能拍出有说服力的视频。
在他的评价体系中，开环武术和后空翻也只高出一档。人类可以穿着动作捕捉服完成动作，之后由一个小型强化学习策略盲目回放；Adcock 说，这类模型可能只有约100万参数，用开源代码和一块桌面 GPU 就能训练。
Diamandis 反驳称，无论控制方式如何，功夫视频依然令人着迷且令人害怕。Adcock 的回答是技术性的，而非审美性的：回放无法感知扰动，也无法对场景进行推理；有用的机器人需要以约200赫兹对周围变化作出闭环响应，按他的粗略比较，这“难10万倍”。
他认可的最低证据标准，是没有远程操作员参与的、未经剪辑的神经控制；他称几乎没有其他人形机器人视频能超过连续1分钟。终极基准则更难：把机器人放进一个从未见过的 Airbnb，让它连续数天完成有用工作。“我们离那还非常远。”
8. 包裹处理提供了节目中最硬的可靠性证据
物流策略完全通过神经网络运行，能以 Adcock 所称的人类速度处理包裹。机器人会分开包裹、找到每个条形码、旋转并摆放包裹，有时还会将包裹拍平，以便输送线下方的扫描器读取。
Figure 最新一次披露的运行结果是“67小时内出现1次错误”，涉及多台机器人。Blundin 强调，系统每1至2秒就执行一次操作，因此这次运行比短暂而精致的演示更有信息量；不过节目没有定义错误内容，也没有披露操作总数。
Figure 02 在 BMW 为期6个月的部署提供了另一种测试：机器人每个工作日运行，证明系统具备商业化运行能力。Adcock 坦诚回顾称，“我们做对了80%的事情，20%……做错了”；当时的工作架构过于粗暴，无法复制到10万台机器人上，因此促成了 Helix 2 的重设计。
9. 大规模部署前必须先解决泛化
Adcock 拒绝把制造产量当作当前的首要评分标准：“今天真正令人印象深刻的不是制造。”在他看来，通用机器人可能只需要100台就能证明问题已经解决；如果生产10万台仍需要操作员或回放固定轨迹，只是在放大一个尚未完成的产品。
真正有区分度的演示，应该是让10台机器人进入陌生地点并完成有用工作，而不是让一支庞大车队在同一个受控设施内运行。因此，长时程泛化必须先于规模得到解决，产量才具有完整的经济价值——“如果解决不了这一点，其他都无关紧要。”
但制造仍需同步推进，因为高节拍装配与机器人设计都依赖反复学习。Figure 因此一边建设生产能力，一边沿着 Adcock 所说的“关卡 Boss”推进：短时神经任务、房间级工作、陌生环境、多日可靠性，最终实现广义通用能力。
10. 行业整合后只会剩下少数全球赢家
Diamandis 将今天的行业与早期汽车和轮胎制造业相提并论：一份被引用的报告称，中国有超过150家机器人公司，美国则可能有约10家严肃玩家。被问及最终格局时，Adcock 回答说，全球人形机器人集团将“远远少于10家”。
Adcock 赞赏中国的人才、创业强度和硬件产出，但表示 Figure 几乎没见过中国系统具备闭环 AI 控制。被问到谁真正威胁 Figure 时，他回答“当然是中国”整体，并称目前没有看到其他同等水平的竞争威胁。
这一竞争判断并没有演变成民族主义论点。Adcock 否定媒体关于美中必然对抗的叙事，称他访问中国时感受到的是合作氛围，像是“全都是人类队”和“人类文明队”；与此同时，Figure 正在把大部分直接供应链迁往其他地区。
在 Adcock 看来，所有大型科技公司最终都会入场，因为人类劳动力占 GDP 略低于一半，而节目主持人将机会规模概括为50万亿美元。问题在于执行：Adcock 认为人形机器人接近火箭级难度，甚至比他在 Archer 制造的电动飞机更难。
11. 垂直整合是能力架构，而不只是成本控制
Figure 早期曾尝试采购电机、手部和其他系统，最终认为供应商技术成熟度过低。无论通信、电力、感知、散热、固件还是可靠性，只要供应商出现问题，机器人制造商就只能等待“否则你就死了”；因此 Figure 现在自行设计核心组件并完成最终组装。
由此带来的不仅是能力迭代，也包括成本压缩。Blundin 称，从 Figure 02 到 Figure 03，制造成本下降约90%；在后续交流中，Adcock 表示 Figure 01 到 Figure 03 的降幅“差不多”与这一比较相同，并提到机器零件和工装，但没有单独给出 Figure 01 到 Figure 02 的精确降幅。
现成机器人缺少必要的传感器、散热空间、电力和机载算力。Adcock 描述称，团队不得不用巨型背包、独立电池、外接电线和超频处理器进行补偿；这适合爱好者演示，但就像买来一枚火箭，再把第二级捆在侧面。
尽管采取了这种整合方式，Adcock 仍预计到夏季 Figure 的供应链将“几乎没有”留在中国。他将其描述为运营层面的迁移，而不是对地缘政治敌意的背书。
12. Figure 在自治尚未完成前就开始工业化生产
在被不同文字稿分别称为“Baku”和“Bacu”、参观时确认名为 BotQ 的生产基地，Figure 正试图达到每30分钟生产1台机器人的近期节奏。Adcock 承诺，Figure 将在2026年把机器人放上这些装配线，随后通过更多人形机器人和传统高产能自动化逐步替代人工。
当前工厂可容纳4条产线，每条年产能约12,000台，满负荷时总产量略低于50,000台。Figure 目前正在生产数千台，之后计划推进到数万台、数十万台，再到百万台。
Adcock 预计，当前厂址在5至10年内会显得产量很低。Figure 已经在为未来可年产数百万台的工厂“调集资源”，但他的顺序仍然明确：逐级掌握每个制造规模，而不是假设今天的原型产线可以直接跳到全球需求。
13. 早期客户是租赁劳动力的实验室
Figure 在上一年年底退役了 Figure 02，并计划在2026年将 Figure 03 部署到多个已签约的工业和商业客户。Adcock 表示，公司已经明确目标地区、任务和时间表；与50至100家客户的讨论，也已为未来2至3年积累了足够需求。
公司偏好的商业模式是租赁——Adcock 有意提出的挑衅性表述是：“人类是被租赁的，所以我们租赁人形机器人。”不过他仍对销售持开放态度，因为更大的目标是分发：让足够多的机器人进入日常工作，以改进产品和运营能力。
新开放的测试设施 The Grid 最终将部署约250至300台机器人，全天候运行于模型住宅和商业环境。二层任务控制室会接收每台机器人的视频和遥测数据，让团队通过机器人自身的传感器同时观察车队和周围环境。
真实部署会暴露演示中被省略的问题：车队运营、安全、维护、维修和设施整合。BMW 教会 Figure 这些能力；The Grid 则旨在让公司在数千名客户依赖全天候服务之前，加速完成这套学习。
14. 机载推理降低连接和电池的约束
Blundin 将普通训练 GPU 与专用推理硬件作对比，推测后者既不是 H100，也不是 GB300，成本可能低10至100倍、速度更快。Adcock 确认了其中真正重要的部分——不论具体数字估计如何，快速策略推理都能在机载运行，而不会耗尽机器人的全部电力预算。
Figure 03 配备 Wi-Fi、通过 eSIM 接入的5G和 Bluetooth；用户甚至可以给机器人发短信。持续连接有利于车队功能，但自治不能依赖网络：延迟或网络中断不应让机器在进行实体工作时直接瘫痪。
一次完整充电可支持约4至5小时运行，电池组容量约2千瓦时。通过脚部进行的感应充电功率接近2千瓦，约1小时即可完成充电；薄型充电垫可以放在输送线旁或厨房里，让机器人随时补电，而不必依赖全天候电池。
15. Hark 将 Adcock 的“合成人类”论点延伸至数字工作
被问及 AGI 是否需要具身化时，Adcock 没有给出简单的是或否。他的定义覆盖两个领域：智能系统应当能够推理、记忆、沟通，并“以数字和物理两种方式接触世界”，而不是每次对话都从一个“高级 Google 搜索引擎”开始。
他最近创办的 AI 实验室 Hark 正在推进数字工作的一半。在一个例子中，用户只输入一条提示，要求为他的儿子设计一辆 CAD 怪兽卡车；模型自行找到并安装 CAD 软件，学习相关参数，并在不到1小时内完成一套全新设计，同时像人类一样操作工具。
Adcock 认为，前沿实验室正在追逐过于抽象的推理能力，彼此模仿，却没有构建具备持久记忆的多模态智能体。主持人称为 Claude Bot、后来称为 Malt Bot 的系统展示了产品端的能力缺口：围绕 Opus 等模型加入简单的 Markdown 指令、工具、MCP 和 API，就已经可以做出“神奇的事情”。
Figure 的实体训练投入也在增加：3,000块 B200 正在上线进行预训练，未来还计划扩大配置。在 Hark 和 Figure 两条业务线上，Adcock 预测未来12至18个月可能带来“我们见过的最大规模 AI 转型”。
16. 家庭机器人被定义为持续存在的社交智能体
Figure 的终点是“穿着紧身衣的人类”：能理解语言、运用常识推理、记住上下文并完成日常工作。虽然语音、记忆、感知和物理能力可以被拆成不同组件，但 Adcock 认为它们最终会汇聚成一个预训练 omni 模型。
个性和情绪感知正在从装饰性功能变成产品要求。Adcock 希望机器人能注意到孩子放学回家时情绪低落，记住他们的经历，并具备足够的情商与他们交谈，而不是像一台等待下一条指令的家电。
老年照护对他而言是个人议题：他的父母在美国中西部经营老年住宅已经约15年。他希望人形机器人能帮助人们在家“原居养老”，将家务、观察和陪伴结合起来，而不是把所有照护需求都推向辅助生活机构。
这种广度支持了通用人形形态。人类会执行数十亿乃至数万亿种不同活动，一个共享模型可以跨任务学习；专门的清理管道、采矿或手术机器人仍可能存在，但 Adcock 预计，人形机器人会占据大多数任务，专业机器人则维持小众且昂贵的定位。
17. 外科灵巧性可能早于外科智能
Adcock 表示，他“相当有信心”到2026年底，Figure 的硬件可以完成外科医生执行的大多数物理动作。这一判断是有条件的，范围也明显窄于自治手术：取决于具体手术，远程操作员可能使用该系统进行真实手术，但医疗“头脑”仍需要高得多的性能。
这也是他在批评远程操作被包装成产品后，为远程操作辩护的地方。远程操作是优秀的硬件测试和数据来源：如果负载、运动范围或灵巧性阻止人类操作员完成某个动作，学习型策略也无法挽救；只要有足够数据，“如果能远程操作，就能学会”。
Figure 已经在增强类人感知。掌部摄像头改善盲区伸手，触觉传感器测量指尖接触，躯干摄像头观察被遮挡的脚部，后方摄像头扩大环境感知；Adcock 也愿意引入红外、紫外和其他模态，最终实现超越人类的感知能力。
18. 家庭部署由干预次数和新生儿级安全标准决定
Figure 已经可以完成部分洗碗、洗衣和厨房工作，但 Adcock 希望机器人能在一个从未见过的家庭中，连续数天或数周完成连贯行为。“我不想交付垃圾”是他对精确消费级发布日期要求的回答。
他最好的估计是，到2026年底，Figure 可以把机器人放进陌生家庭，执行较长周期的工作。届时关键指标将是人工干预次数：每小时1次、每天1次、每周1次，还是每月1次。如果这条曲线持续改善，次年就可能开始向用户家庭发货。
规模扩张会按阶梯推进：先是1个成功家庭，再到10个、100个、1,000个、10,000个、100,000个，最终达到1,000万。Adcock 承认竞争对手可能推进更快，甚至表示通用能力“可能几个月内就会发生”，但他仍认为分阶段部署和反馈循环不可避免。
当被问及何时会放心让 Figure 抱起自己的新生儿时，Adcock 回答：“现在还不行。”发布标准是机器人能在他自己的孩子身边自由、完全自治地运行，并具备冗余实时安全架构和积累的安全记录，而不是由工程师“照看它”的监督式访问。
19. 安全使 Figure 的模型与硬件不可分割
Adcock 将语义安全与内在安全分开。模型必须理解打翻蜡烛或沸水壶为什么危险，而机器本身即使软件或组件发生故障，也必须能够安全地运行在人、宠物和动物周围。
隐私和网络安全构成另一层要求，因为家庭机器人会持续感知私密空间。Figure 拥有一支覆盖产品、商业和企业系统的内部网络安全团队；Adcock 强调，公司必须披露收集了什么、数据流向哪里、如何加密，以及如何保护信息隐私。
Figure 还在为非易失性记忆开发芯片级的基础行为规则。Adcock 称，公司有一套自己的阿西莫夫定律变体，但拒绝披露具体内容；安全、隐私、可靠性、维护、车队运营和融资，都必须在大规模部署前被整合进产品。
Blundin 询问 Figure 是否可能向其他机器人制造商授权 Helix。Adcock 的回答是“不”：如果不拥有传感器、执行器和故障模式，Figure 就无法保证安全。“我们对人类文明负有受托责任，要大规模制造真正安全的人形机器人。”
20. 数百亿台机器人意味着一个与产品规模相当的融资市场
Adcock 预计，随着制造规模扩大，人形机器人的价格最终会降至10,000至20,000美元。Diamandis——而不是 Figure——将一台20,000美元的机器换算成每月约300美元、每天10美元或每小时约40美分的租赁价格，认为这一价格会让家庭需求远超每户1台机器人。
如果一切顺利，Adcock 认为未来可能实现每人1台人形机器人，再加上约50至70亿台、或许100亿台商业劳动力机器人，总量达到“数百亿台”。但按每台20,000美元计算，仅10亿台机器人就意味着20万亿美元营运资本；他将万亿美元级汽车租赁和信贷应收账款市场视为融资先例。
这一规模方程式有两个前提：能够泛化的神经模型，以及机器人制造机器人。Adcock 希望24个月内实现“所有机器人制造所有机器人”；与此同时，制造软件和生产线也在围绕让人形机器人组装后继产品、并最终把自己从产线中移除进行设计。
Diamandis 询问，个人未来会拥有能够赚钱的机器人，还是超大规模云服务商会攫取剩余价值。Adcock 回答，Figure 会大规模销售机器人，用户可以将其部署到自己选择的任何工作中；他的更大判断是，普及的商品和服务将带来丰裕。“这里感觉会像2080年。”
核验说明
- 关于生产线名称，文字稿在不同段落中交替使用“Baku”和“Bacu”，同时又将参观的运营设施单独称为“BotQ”；本期摘要未对此作出统一确认。