
Brett Adcock
前沿洞察
Adcock 的核心战略是以纯端到端神经网络全面重构机器人控制栈,用软硬件极致标准化驱动规模化量产,誓将单机成本压至 1–2 万美元以撬动 50 万亿美元市场。他研判落地必遵循“室内工业向通用场景”的渗透路径,并以连续长时作业的可靠性压倒秀场式演示。但他关键警示:商业化的真正生死线,取决于具身智能能否在完全陌生的非结构化环境中实现连续数日的长程自主泛化。
观点集合
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
- 🗓️ 日期:
2026-02-11| 🎙️ 节目:Moonshots
Figure 的 Helix 2 移除了109,000行C++代码,形成端到端神经网络栈;据称多台机器人连续处理包裹67小时仅出现1次错误,这比舞台式演示更有说服力。公司正扩大产能,目标接近年产50,000台及售价10,000至20,000美元,但商业价值取决于机器人能否在陌生环境中连续数日自治工作。
查看访谈对话精读提要
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”。
🔗 原始收听与视频来源: 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
AI创业者问答:人形机器人将如何改造各行各业——Vinod Khosla与Brett Adcock | EP #160
- 🗓️ 日期:
2025-04-02| 🎙️ 节目:Moonshots
Figure押注标准化人形机器人覆盖大多数工作,目标达到100,000台并逼近2万美元成本。Adcock预计室内场景先行,Khosla认为农业能力5年内实现;深科技失败率与FDA相关的无人监督手术时点仍待观察。
查看访谈对话精读提要
Figure押注:当一个通用硬件平台能够覆盖大多数人类工作时,人形机器人的经济性就会改善。 Adcock反对面向单一客户定制硬件,因为高额NRE、维护负担和观测空间变化都会削弱迁移学习;标准化是实现“2万美元价位”的路径,而Figure近期的规模目标是100,000台。
人形机器人的部署将不均衡展开:先进入室内劳动力市场,再进入家庭、户外工作和太空,但并非严格按顺序推进。 Adcock将这一大规模铺开置于未来10年内,同时区分产品演示与规模化融入社会;Khosla预计农业能力将在5年内实现,并认为达到1%渗透率就算“任务完成”,广泛普及则需要更久。
Khosla认为,聚变的瓶颈与其说在物理学,不如说在选址、输电和政治。 他对裂变“没那么乐观”,因为审批许可耗时可能超过从零开发聚变的时间;但他认为到2050年建成5,000座聚变电站“很容易”,50 MW的Realta装置可以部署在变电站位置,而Commonwealth正在建造500 MW反应堆。
AI和机器人能够带来富足,却也可能将收入差距扩大到让未经改造的资本主义无法运转。 Khosla预计就业岗位减少、生产率提升和GDP增长将同时发生;他没有提出单一的全民基本收入模式,而是认为各国必须决定如何分享富足,在技术乐观主义之外加入“关怀与照料”。
即便大多数获得融资的公司最终倒闭,机会仍可能极其庞大。 Khosla估计或许80%的AI投资会亏钱,但指数级赢家带来的收益仍会超过损失;每个领域可能出现3至5家赢家,机器人公司或许有半打左右;Adcock则称人形机器人是“赢家通吃大部分”的市场,并表示95%的此类深科技项目会破产。
Figure将安全与民用定位视为产品约束,而不是公关附加项。 公司2022年的使命排除了军事业务,因为“终结者氛围”可能损害更大的商业市场;Helix的厨房演示在离线状态下运行,模型权重部署在机载GPU上,而固件会强制禁止机器人“最终永远无法执行”的动作。
医疗健康暴露出模型能力与受监管的物理自治之间的差距,但AI仍可能在5年内将科学能力提升10–100倍。 Khosla预计医疗专业知识将在“远早于2030年”之前实现免费,但无人监督的机器人手术仍要超过10年,具体是15年还是20年主要取决于FDA;AI科学家则能让研究成本下降10倍、供给增加100倍。
🔗 原始收听与视频来源: AI创业者问答:人形机器人将如何改造各行各业——Vinod Khosla与Brett Adcock | EP #160