机器人深度解析:如何击败中国、与 Tesla 的竞赛,以及 Brett Adcock 最新机器人时间表
Peter DiamandisDave BlundinBrett Adcock
- Figure 的家用机器人能否推出,取决于通用智能能否支撑机器人每天连续工作数小时,并年复一年地完成有用任务。Brett Adcock 表示,Figure 3 已具备洗衣、洗碗、采购杂货和清洁等实际能力;瓶颈在于能否在陌生住宅中可靠地组合这些技能。他希望在“不到6个月内”展示机器人长时间工作的能力,但明确表示这不是承诺;若到2027年底还未实现更广泛的能力,他会“非常震惊”。面向消费者销售仍须先解决安全性、可靠性,并打造达到“Apple 式品质”的产品。
- Adcock 强烈质疑当下机器人演示能证明什么,而 Peter 则将中国视为 Figure 最接近的竞争对手。Adcock 称,中国机器人的舞蹈表演使用动作捕捉数据训练强化学习控制器,适合展示硬件,但与自主操控家居物品的任务方向不同。他对 Tesla 的评价明确基于个人观察:“我个人过去两三年没怎么看到 Tesla 有什么进展。”但他认为中国进展足以让 Figure 加快脚步:“我们就是得击败他们。”
- Figure 正以大量资本押注规模化,但商业回报仍取决于泛化能力。Adcock 表示,Helix 2.5 执行能力持续改善,模型进步与新增数据呈对数线性关系;“如果这一趋势成立”,更多数据和算力应能逐步提升机器人的能力。Figure 每年在算力上的支出已达低个位数十亿美元;主持人称其与 Nscale 的协议涉及100,000块 GPU、金额超过30亿美元。Adcock 估计,若合作全面扩容,算力可能超过当前的100倍;在条件顺利的前提下,他预计明年夏天 Helix 的训练运行将耗资数十亿美元。
- Figure 4 被定位为公司迄今最大的一次硬件跃升,设计重点是降低成本、提升灵巧度。经过7代手部设计,Adcock 称,戴手套的 Figure 4 机械手与戴手套的人手“几乎无法区分”,并预测新机器人会让 Figure 3 “看起来像穴居人”。家用机器人的经济性要求月租约300至500美元;这是目标成本,Peter 提出的3万美元购买价则未获明确确认。
- 制造规模仍取决于能否解决智能问题,尽管市场需求估算十分庞大。Adcock 估计,Figure 在 Baku 的现有产能可能超过每年40,000台,分布在4条产线上;如果攻克当前智能问题,公司就有望建设一座年产100万台的工厂,但这条路并不容易。他有信心5年内实现全自动化制造,但具体何时落地仍“模糊不清”;他估算商用和个人用途的全球市场可能容纳约200亿台人形机器人。
- 垂直整合让 Figure 掌控产品,也大幅增加了交付所需的工作量。Adcock 说,公司采购的一款肘部执行器体积约为所需尺寸的3倍,而且重量超标,足以说明 Figure 为何选择自研执行器、触觉系统及其他组件。相同的质量标准也延伸至早期维护、网络安全,以及物理和语义安全;他还提到,关税一度升至270%后,公司减少了对中国零部件的依赖。
- Hark 提供了一门可更快扩张的数字业务,也直接挑战现有消费电子交互方式。Adcock 表示,Hark Pro 上线约1个月后,注册用户已超过120万,浏览器会话接近500万;Hark 的营收已超过 Figure。其助手和尚未披露的硬件,瞄准具备持续记忆的个性化智能。他更广泛的判断是,新型 AI 设备将取代手机和电脑,硬件必须与模型协同设计。
1. Figure 园区展示了两种截然不同的商业市场
Adcock 估计,园区里约有“1,500台左右”机器人,另有约700至800名员工;4、5个月前,机器人数量超过了人。接待访客的机器人能够交谈、开门、走楼梯和乘电梯,还能带领客人参观。更进一步的目标是让机器人独立完成迎宾、登记、参观介绍,再把客人带到会议室,全程无需人工接待员。
Figure 同时推进商业部署和家用机器人。Adcock 形容,商业任务的规格非常明确,几乎可以把每天的工作逐项写在纸上,但对吞吐量和执行表现的要求毫不留情:“搞砸了,你就被解雇。”家中可以接受动作慢一些,却要面对不同的家电、布局和物品,以及持续变化的指令,因此泛化能力是核心难题。
Adcock 表示,Figure 3 已能在家中完成大多数事情,包括叠衣服、处理餐具、卸下采购的杂货、开家电和打扫卫生。尚缺的是端到端地完成这些工作,每天“超过12个小时”、每周7天,持续多年。他认为两个市场面临的都是智能问题,同时承认集成和安全问题也各自棘手。
2. 家庭演示与面向消费者上市,门槛并不相同
Adcock 的上市标准是打造一款“Apple 式品质产品”:机器人进入家中后能够交谈、完成有用工作,不依赖遥操作,不会反复出错,也不会因为不知道该做什么而停下来。他以 Humane 和 Rabbit 为例,提醒不要在 AI 硬件体验尚未成熟时就急于发布。家里有孩子和狗,更提高了产品必须达到的标准。
自 Helix 2.5 以来,Figure 一直在加州约20至100户新家庭中进行测试。Adcock 另行提到,公司进入了30户当天或前一天才订下的出租屋,完成铺床、整理客厅等任务。他称这些测试是“完全零样本”:这些房屋和其中的物品都未出现在训练数据中。
主持人此前在 Blackbox 看到的演示使用的是早期 Helix 3 检查点。Adcock 称之为“婴儿版 AGI 时刻”,比作一个长着成年人身体的两岁孩子:它会尝试开放式指令,很多事情能做成,也有不少做不好。他强调,这个首个检查点的训练量远远不足;当时公司已经在训练和评估更大的模型。
Adcock 希望“显然我不能保证”,在“接下来不到6个月”内,也许更早,让机器人能在陌生家庭中连续数小时完成相当有分量的任务。若到2027年底还没有展示出更广泛的能力,他会“非常震惊”。面向消费者销售还要再往后,先解决交付、安全、可靠性和故障问题;他没有给出明确的零售上市日期。
3. 一颗咖啡胶囊,确立了对神经网络的押注
Adcock 将人形机器人发展分为4个阶段:打造优秀且实用的硬件;找到用 AI 完成长时间、全身协同工作的方案;扩大智能规模;扩大机器人产量。硬件既要具备贴近人类的速度、扭矩和活动范围,也要价格可负担、便于量产。他的逻辑是,每个阶段都为下一阶段铺路;只有一副能力出色的身体,还不足以实现通用机器人。
Figure 最初的咖啡演示,是在公司仍高度依赖 C++、SLAM、目标检测和传统自主系统时完成的。Adcock 看不出这条路线如何支撑10亿台广泛有用的机器人。Figure 1 学会把 K-Cup 放进 Keurig 咖啡机,展示上半身操控物品的能力,成为检验神经网络能否补上这块短板的具体测试。
Adcock 把“5亿美元”写在贴着咖啡杯的便利贴上,告诉团队,如果能在内部展示这项能力,或许就能支持公司融到5亿美元。Figure 后来实际融得略低于7亿美元。对他来说,关键在于背后的方法:这次演示证明“深度学习适用于机器人”,为摆脱逐一编写每种交互的代码打开了一条路。
主持人追问,转向神经网络是否意味着彻底不用手写控制代码。Adcock 澄清,C++ 控制器仍负责保持平衡,而一个神经网络则处理上半身和双手。从这种分工再走到全身学习控制,又花了大约1年;即便机器人只是在两个固定任务之间行走,看起来很简单,背后仍有大量工程问题要解决。
4. 全身操控需要不同于跳舞机器人的技术栈
Adcock 起初认为,移动与实用任务可以分开:用摇杆把机器人带到某处,再让它操控物品。团队后来发现,脚步、膝盖、髋部、双手和头部必须协同控制。讨论中强调:“你全身的作用,就是把手和头送到合适的位置”;这些关节轨迹需要统一处理。
主持人提出中国机器人表演可能依靠遥操作或拼接好的动作宏时,Adcock 给出了更具体的解释:许多跳舞机器人使用深度学习强化学习控制器,以身穿动作捕捉服的人类动作进行训练。他认为这些表演是开环动作回放,不会根据周围环境做出实质性反应;不过,有些机器人会用激光雷达,在群体表演中保持间距。
Adcock 认为这些表演可以展现令人印象深刻的硬件,但称相关工作与通用机器人“完全正交”。他甚至刻意严厉地说,这套用于跳舞的 AI 技术栈,一个大四学生配一台机器人就能搭建。Figure 自己的技术路线,则是从 Helix 1 的上半身学习,推进到 Helix 2 的全身移动和操控。
5. 有用的机器人必须应对桌面模型演示所避开的动态环境
Adcock 批评一些通用模型机器人视频:使用固定摄像头、简单任务和大量外部算力,还把回放速度加快5倍、10倍或20倍。他认为,动作放慢后,反馈控制就容易得多。相比之下,Figure 的物流场景要求机器人在不到3秒内处理一个包裹,整班工作中的错误率仅有几个百分点,同时还要保持平衡并对环境变化作出反应。
目前所有 Helix 推理都在机器人本机运行,包括规划、推理、轨迹生成和扭矩相关控制。服务器端负责实时语音和机器人集群调度。Adcock 看重这种架构带来的可靠性:失去互联网时,机器人不该洗衣洗到一半就停下。公司仍在测试本地和云端的架构组合,因此他没有宣称当前的任务分配已一锤定音。
时间延迟受物理条件限制。Adcock 估计,优质5G连接每一程可能需要20至30毫秒,往返接近50毫秒,在推理、图像处理和其他工作尚未开始前,频率就只有约20赫兹。Figure 需要部分控制达到“毫秒级”。他的明确观点是,有些神经网络必须留在机器人本机,因为它们的运行速度要求无法通过远程执行满足。
云端协同处理的是另一种时间尺度:根据机器人是否受损或状态不佳,决定哪台继续工作、哪台充电、哪台去维护。Adcock 想象100台机器人一起盖房,随着工程进度改变任务安排。即便在看得见的传送带生产线上,也需要机器人相互替班,因此集群调度是独立于单台机器即时控制的另一项要求。
6. 规模定律让数据和算力成为下一轮实验
Adcock 表示,在 Helix 2.5 阶段,Figure 观察到它认为是人形机器人领域首批数据规模定律:增加数据后,模型表现呈对数线性改善,在陌生环境中的执行能力也有所提高。他强调,前提是“如果这一趋势成立”,更多数据和算力就应能持续提升机器人的实用性。他将第三、第四阶段分别定义为验证并利用这种关系。
主持人称,Figure 与 Nscale 的协议涉及100,000块 GPU、金额超过30亿美元。Adcock 说,“VR 2200s”计划于2027年下半年到位,并粗略估计,如果协议全面扩容,算力将达到当前的“远超100倍”。Figure 还即将把现有算力翻倍;在签下更大的协议前,公司每年在算力上的支出已达低个位数十亿美元。
Adcock 起初说,Figure 手头等候使用的数据量是主持人演示所用数据的10倍,随后把估算上调至“可能大概15倍左右”。公司的 Index 数据采集计划记录了普通互联网视频无法提供的物理信息,包括手部朝向和受力情况。新数据仍需审计、检查分布、清洗、标注,并与下一个预训练检查点对齐。
最近一次大型预训练耗用了超过一半的算力;Adcock 形容约50%至70%的算力被用于这项工作。主持人问及耗资数十亿美元的训练运行时,他说:“我预计明年夏天我们会在 Helix 上进行耗资数十亿美元的训练运行。”前提是一切顺利。他列出的必要条件包括数据、算力、资金,以及成功建成这些集群。
7. Figure 4 兼顾灵巧度跃升和降本目标
Peter 提出3万美元购买价和每月约300美元租赁费。Adcock 明确表示,家用机器人的可负担性要求月租约300至500美元;他没有确认购买价格。租赁也适合快速迭代,客户每隔几年就能换用更新的机器人。他打比方说,人形机器人还处于“翻盖手机时代”。
Adcock 称 Figure 4 可能成为“iPhone 1 时刻”,因为这一代改变的远不只是外观。降低成本是首要设计要求之一:价格越低,需求就越可能增长。他还预计,机器人将变得更灵巧、交互更安全、整体体验更好;Figure 4 将是公司迄今代际进步最大的一款机器人。
手部设计提供了具体预览。Figure 为此投入了近2年,打造了7代方案,并探索腱驱动和非腱驱动设计。Adcock 认为,“戴着手套的 Figure 4 与戴着手套的人几乎无法区分。”尽管他称 Figure 3 是当前最好的类人机器人,仍表示其继任者会让它“看起来像穴居人”。
预计融资将由银行和基金提供,不一定动用 Figure 自身资产负债表。Adcock 表示,市场对商业合同融资兴趣浓厚,他认为类似安排也可以用于家庭。他被问及机器人保险行业是否已经出现时说,Figure 目前还没看到,但预计商业和消费级部署都需要保险。
8. 现成零部件无法满足 Figure 的集成要求
Adcock 表示,Figure 起初希望通过供应商采购更多整机零部件。公司买来的肘部执行器在扭矩、编码器、齿轮箱和速度等参数上看似合适,实际到货后却约为所需尺寸的3倍,重量超标,价格也过高。他说,要实现目标成本,零部件不能值几百美元,最多得降到“几十美元”。
自研替代品意味着要整合多个专业领域:固件、电子、电热设计、嵌入式软件、结构、电机、齿轮、封装和动态线缆。提升性能可能会让部件变大,导致它与另一个关节碰撞或影响外观。Adcock 回忆,团队曾积极寻找替代方案,最后还是只能接受这份工作:“这真的很糟。我们只能自己做。”
触觉系统也是同样的逻辑。Adcock 说,外部看起来很出色的技术,可能无法满足量产所需的可靠性、成本、热管理、通信或封装要求;隔着另一家公司合作也会拖慢迭代。因此 Figure 选择自研这些系统,并计划在早期阶段自己负责维护和维修。他预计服务生态今后会逐步扩大,但希望严格掌控家用机器人的初期体验。
9. 陪伴功能需要记忆和表达能力,不能只靠一块黑色面板
Adcock 承认,机器人的深色面部缺少许多人类面部表达方式。Figure 有一支人机交互团队负责头部、面部、手势、点头和身体反应设计,Figure 3 也还会有进一步改动。他反对只加上“眼珠乱转”来显得友好或安全,认为这样做既不尊重机器人的复杂性,也不符合它的实际能力。
他的消费级机器人愿景兼具劳动和陪伴:机器人了解家庭、记住对话,还能察觉孩子放学回家时心情不好。记忆功能已用于内部实验,让机器人识别人并回忆之前的交流。Adcock 也提到了这个设想里最日常的一面:那天早上他亲自卸了洗碗机,还在想自己的机器人为什么没替他做。
记忆和偏好“肯定”不应永久绑定在某一台机器人上,而应能在设备间迁移。Figure 正在测试让对话记忆跟随用户,在园区里的不同机器人之间接续。主持人觉得这种连续性既令人惊讶,也可能让人感到不安。公司还计划通过服装、配饰、声音和性格选择,让机器人的外观与认知方式都更个性化。
10. 安全涵盖物理可靠性、判断力和网络安全
Adcock 将物理安全与“语义安全”区分开来。机器人既要避免执行器故障和摔倒,也要理解打翻蜡烛或洒出热水为何危险。机器人内部有40多个执行器,身边又可能有儿童或宠物,他说这项工作从写入非易失性存储器的底层规则开始,一直延伸到整套系统安全架构。
Figure 已经用了多代产品打磨实时架构。Adcock 以涡扇发动机和自动驾驶汽车为例,说明复杂系统也能追求严苛的可靠性标准。他认为有望把安全水平提升到足以支持数百万甚至数十亿台机器人,但前提是反复经历开发、测试、总结、重建,并逐步建立可靠记录。
被问到黑客攻击风险和物理主电源开关时,Adcock 表示,公司有专门的网络安全团队,同时负责企业系统和产品安全。他没有具体描述某种开关。其回答强调防护是分层且持续的:“还有大量工作要做”,安全措施还必须贯穿系统工程和底层行为规则。
供应链暴露也是公司着手解决的问题。Adcock 说,有一周关税升至270%,团队起初以为这种情况很快会过去。地缘政治紧张加剧后,公司决定逐步把零部件采购从中国转出。他表示已经取得显著进展,目前情况良好,但没有声称所有部件都已改为美国本土生产。
11. Figure 对太空应用感兴趣,但不会涉足国防
太空是 Adcock 最初长期愿景的一部分;在此前6个月里,Figure 也进行过几次探索性讨论。有一组人估计,让人类进入太空执行任务每小时要花费数千万美元。但讨论到环境等级和真空兼容硬件时,巨大的能力差距显露出来:“坦率地说,我们还没准备好。”
Adcock 再次确认,Figure 不会做国防业务。他认为,同时向军方销售人形机器人,又把它们作为家庭伙伴,很难兼容。他认为民用应用的市场大得多,也更符合团队目标。即使有人损坏机器人,公司也不会训练机器人保护自己、对抗人类;这种原则同样适用于敌意明显的普通民众。
12. 全黑灯制造看起来可行,但具体时间仍不确定
Dave 将实体世界的递归式改进描述为:机器人控制制造机器,由机器生产机器人,而不是靠人手制作每个部件。Adcock 说,公司每个季度的进展都超出他原本设想的、可能需要30至50年的终身项目。深度学习奏效的时间比预期早得多;现在硬件、模型、数据、算力和数十亿美元现金都在共同推动进展。
最近一次仓库部署改变了他的预期。Figure 把机器人带到一处陌生的客户现场,Adcock 说,它“零样本完成了整套工作”。此前,灯光变化、传送带或包裹组合改变,都可能让模型困惑。如果在1年前问他,他会觉得再过1年能取得这样的成果非常了不起;但他原本就认为5年内能做到。
Adcock 有信心在5年内实现全黑灯制造。究竟需要6个月、1年、2年还是3年,仍“模糊不清”。Figure 4 已纳入多项设计调整,专门解决 Figure 3 存在的制造障碍:“我们认为这款机器人会造出它自己。”他说的是预期,不是已经建成的生产系统。
被问及即将推出的机械手之外,还有什么制造任务需要机器人掌握时,Adcock 一时想不出具体例子。他提到爬梯子、施加大力、卸货,以及用神经网络控制搬运50磅的箱子。主持人区分了展示每个具体装配步骤与把能力泛化到完全陌生工作之间的差别;Adcock 始终把后者视为仍待解决的智能问题。
13. 广泛的物理知识应减少每种工作所需的演示量
Adcock 表示,Figure 花了约2年掌握一些范围狭窄的后训练应用。接下来,他希望机器人进入 Baku 时,能像新员工头几天一样通过说明、文件、幻灯片,或跟班观察来学习。有能力的通用基础模型应该能让机器人迅速吸收背景信息,而不是每换一项任务就重新构建策略。
数据多样性带来了意外的好处。Adcock 说,团队采集了用水管给狗洗澡、给房子刷漆等活动的数据,随后发现机器人叠衣服的表现也变好了。“它们很爱学习”,他说的是神经网络。背后的机制是更广泛的表征学习:多样的物理经验,能提升直接演示活动之外的技能。
Peter 将这一逻辑延伸到未来的人形外科医生:它们能共享知识、不再手抖,还可能以每小时约1美元的成本提供劳动力。Adcock 补充了通才与专才之间的关系:机器人也许需要针对手术的专门演示,但此前已经理解一般的物理工作。“外科手术机器人来了之后,应该不用经过任何训练,就能很快给你拿杯咖啡。”
14. 产能与需求估算处在不同量级
Adcock 估计,Baku 现有产能在满负荷时可能超过每年40,000台,分布在4条产线上。这说的是产能,并不代表 Figure 已经按这个年产节奏生产。公司正在推进一项规模更大的制造项目,但尚未公布;Figure 4 的设计也考虑了公司的产能扩张需求。
如果 Figure 攻克当前智能难题,Adcock 认为公司有望“相当快地”建设一座年产100万台的工厂,虽然难度很大。他的说法仍然带有条件:公司必须先解决第三阶段的问题,这样的大规模产能才有意义。他形容届时的需求“可能没有上限”,但没有给出已签约的订单数字。
被问到机器人最终是否会超过人口时,Adcock 表示自己“相当有信心”。他的粗略估算从商业领域约32亿劳动者开始,设想商用机器人需求达到50亿至80亿台、甚至100亿台,再加上约80亿台个人机器人,最终得到约200亿台人形机器人的数量级估算,但没有给出明确的普及时间表。
中间的瓶颈在于周围的人类经济。一台机器人可以自动化包裹分拣线,但如果卡车不再送货,或上下游员工结束当班,它就会失去工作。Adcock 将这一阶段与整套物流、供应链、医疗或数据中心全天候运作区分开来;最终目标是形成“全天候运行的完整经济体”,而不是让孤立的机器多工作几小时。
15. Adcock 认为,实体机器人是先进数字 AI 的必要搭档
Peter 将低成本机器人劳动与全民高收入联系起来,并认为建筑等服务的成本会大幅下降。Adcock 预计机器人将带来丰裕。其机制是劳动力变得便宜且能够持续供应;更进一步的收益,则来自整套业务自动化,而不是逐项替代单个任务。
Adcock 提出的另一种更暗淡的可能性是:先进的数字智能无法亲自完成实体任务,于是付钱让人去做。他举例说,面向 AI 智能体的服务已经在雇人跑腿等。如果没有机器人,他认为这种关系可能走向糟糕的局面:人形机器人应承担能力越来越强的 AI 系统提出的实体工作,避免机器“对人类发号施令”。
Dave 从制造角度提出另一种论点:固定式工业自动化擅长大批量生产高度相似的产品,而 AI 能帮助设计那些传统上找不到经济化生产路径的设备。如果机器人能组装自己,就可能实现更丰富的实体产品种类。Adcock 认同自动化、低成本生产的更广泛愿景,认为它将突破今天标准化生产线的范围。
16. 算力短缺已在改变采购和芯片策略
Adcock 说,6、7个月前 Figure 搜寻算力时拿到4份有竞争力的报价,因此能谈到不错的 GPU 小时价格。后来一次扩容采购最初无人报价,最终仅有一家报价,而且价格昂贵。他原本预测短缺会在2027年出现;就 Figure 而言,他说问题已在2026年9月到来:“我们连 H100 都买不到”,包括较旧的设备。
内存让问题更加严峻。Adcock 回忆,一家大型内存供应商说,现有产能已被手机、服务器和其他客户预订;有些供应商的预测里甚至没有人形机器人需求。他说,新建晶圆厂需要3、4年。Figure 已经安排了内存合作,因此对近期扩大机器人规模有信心,但长期获得足够硅片仍是一个重大未解问题。
定制芯片或许是最终的应对方式,但 Adcock 强调了设计上的风险。芯片需要2年、3年甚至更久,而推理架构快速变化;3年前写下的芯片规格,放到今天的机器人上就会不合适。现有芯片对目标成本来说仍然过贵、过于耗电,但过早锁定架构又可能限制模型能力。
Dave 提出可以采用现有制程、约6纳米的专用芯片作为过渡路线,并提及 Positron、Etched 和 Groq。Adcock 没有宣布任何此类项目。他提出的更广泛问题是,考虑到足够庞大的机器人群体会需要“前所未有的硅片量”,现有供应商能否让 Figure 在未来5至10年掌握自己的发展方向。
17. 中国是 Adcock 最密切关注的竞争威胁
被问到竞争是否发生在 Tesla 和中国之间时,Adcock 说:“我个人过去两三年没怎么看到 Tesla 有什么进展”,除了几台遥操作机器人。这是他对个人观察的评价。Peter 将中国视为 Figure 最接近的竞争对手;Adcock 表示中国进展很快,Figure 打算击败它。
Adcock 批评当前中国机器人的硬件和政策,同时强调其每年的进步很明显。主持人提到中国约有150家人形机器人公司。他预计中国企业最终会造出能力很强的机器:目前路线与 Figure 不同,但“我们就是得击败他们”。他不愿点名哪一家中国公司明显领先。
Adcock 以 Unitree 为例进行批评:硬件小、没有实用的手、本机算力不足、传感能力薄弱,制造水平也差。他说,研究人员得在机器人背上加装算力背包,才能运行有实质作用的模型。他认为更有意义的竞争标准,是能否推出具备“零样本、长时程推理”能力的家用机器人,而不是不断展示更复杂的体操动作。
谈到监管时,Adcock 表示,他对 FCC 禁止中国人形机器人进入市场感到意外,希望竞争环境公平。他说,Figure 最近几乎没有与监管机构接触,也很少听到公开讨论。他的做法是持续推出产品、确保安全并继续研发;他说自己并不会每周都去华盛顿试图左右辩论。
18. 湾区人才与私人资本塑造 Figure 的经营选择
Adcock 的经历从伊利诺伊州开始,大学读于佛罗里达州,随后前往纽约,并在2017年以略高于1亿美元的价格出售招聘平台 Vettery。2018年他创办 Archer,起初考虑在洛杉矶发展。后来他发现,电动机、电池、控制系统和传感器这些技术与飞行机器人相似,于是转向湾区,利用当地电气化和机器人领域的人才资源。
Adcock 认为,机器人研发需要约12个专业领域,因此选址格外重要。他认为湾区是最强的生态圈,深圳则是另一个可能攻克通用机器人的中心。在其他地方组建完整团队要困难得多:湾区是“全球人才最集中的地方”,而且聚集了本就愿意加入高难度技术公司的从业者。
Adcock 说,Archer 选择上市,是因为私人市场无法提供公司达到认证标准所需的数十亿美元。受当时条件限制,融资略低于10亿美元是合理的,但公司当时还太年轻。对于 Figure,他希望先在私人市场上实现通用机器人,再迎接之后更大的制造、推理、营运资金和资本开支需求。Peter 披露,自己是 Figure 的早期投资人。
19. Hark 为 Figure 提供语音接口,也运营独立的数字平台
Hark 距离 Figure 约100英尺,致力于开发个性化智能,产品涵盖电脑操作、语音、记忆、视觉、模型和硬件。Adcock 说,Hark Pro 约在1个月前上线,获得超过120万次注册和接近500万次浏览器会话。使用量增长很快,公司因此限制了部分国家的访问;硬件仍在开发中。
Figure 的机器人使用 Hark 自研的实时语音到语音模型。Adcock 认为,语音是机器人和 AI 硬件的默认交互方式,同时批评现有产品在延迟、打断、工具调用和设备适配方面表现不佳。“我们全面押注语音”,他说;目标是打造一个持续有用的交互界面,而不是偶尔用一下的语音功能。
Figure 是 Hark 的首个测试用户,已经用了约5个月。员工可以选择是否使用,但 Adcock 形容公司内部使用率很高。两家公司还合作开展大规模多模态预训练和机器人动作预测。他将双方关系描述为研发和产品需求有所重叠,没有宣布收购或正式合并。
20. 个性化智能依赖用户愿意信任的信息访问权限
Adcock 表示,Hark 的营收已超过 Figure。他另外猜测,Hark 可能在“不到6个月内”“也许不到90天”就会“规模超过 Figure”,甚至可能下个月就会超过;之后 Figure 或许又会反超。这些关于整体规模的判断都带有推测性质;他的解释是,数字产品的扩张速度与制造机器人可以走上截然不同的增长曲线。
产品的出发点,是 Adcock 不满聊天机器人只充当搜索替代品。他希望有一个了解自己、经本人授权访问账户、缴纳房产税、预订旅行、提前提醒,并能执行长期任务的助手。对于 Figure,他也明确表示:“硬件只是 AI 的分发载体”,负责把智能带进物理世界。
主持人指出,信任是两者共同依赖的条件。Adcock 将相关信息比作一个人长期积累的日记,并呼吁“把安全和隐私提升到新水平”。他表示,保护消费者也意味着放弃一些竞争对手可以使用的广告和其他做法。他还修正了自己对时间的判断:之前担心 Hark 入场太晚,现在认为它来得很早。
21. Adcock 预计 AI 设备将取代消费电子的核心产品
Adcock 区分了千亿级核心平台——如今的手机和电脑——与耳机、手表、眼镜等配件。他举 AirPods 约占 Apple 营收3%为例,说明两者的差别。他的明确判断是,新型 AI 设备“将淘汰中间这些设备”,并以新核心平台为中心发展自己的外围生态。Hark 已有尚未披露的硬件,Adcock 说自己每天都在用。
他批评当前的 Meta 眼镜和 Spectacles 产品不佳,认为底层手机平台不适合配件时,配件也很难做好。他不愿透露 Hark 的产品形态。更长期来看,他对脑机接口感兴趣;近期则会进入“语言设备阶段”,届时语音、视觉、电脑操作和持续记忆都能随时调用。
谈及 OpenAI 时,Adcock 表示,Figure 在约2年前结束了双方合作;两家公司在 B 轮融资后合作约1年。他声称,OpenAI 员工很少来 Figure,在 Figure 分享研究的同时,双方进展变得严重失衡。他还说,OpenAI 重拾机器人业务也带来了紧张关系。这是他对合作及其破裂过程的说法。
Adcock 预测,传统手机会在10年内消失,并认为 Apple 的 AI 势头已明显减弱。他原以为 Apple 会大举购买 GPU,并积极推进内部预训练;但他认为,如今差距已很难扭转。他的设计原则是模型与设备必须协同设计:硬件是接入个性化智能的界面,而不是事后再把智能附加上去的载体。
22. Adcock 对创业保持乐观,但工作强度异常高
被问到年轻创业者能否走上同样的道路时,Adcock 说,自己有3个孩子、经营3家公司,还连续1年每晚都在办公室工作:“这是我人生中最美好的时光,但我再也不想经历一次。”他没有把同时创业说成轻而易举,但仍表示,这就是他和团队想投入时间做的事。
Figure 的经营文化要求员工到岗,包括夜晚和周末;Adcock 反对远程办公安排,因为制造团队必须到生产线上工作。他的竞争前提是:“你永远都能再快一点。”投入更多努力能够提高每年的进展速度;面对中国竞争对手投入的集体资源和不断提升的能力,他认为速度不可或缺。
对未来创业者,Adcock 预计 AI 原生开发和机器人会让实体产品越来越容易通过指令来实现。想象力将成为限制因素;他说 AI 目前几乎没有想象力。他仍随身带着一本商业点子笔记,认为与自己毕业时相比,如今的资本和创业基础设施更容易获得,并预计后来的创业者将面对“无边界的机会”。
完整逐字稿
说到竞争,你觉得对手是特斯拉和中国吗?你现在是这样看待这个行业的吗?
我个人过去两三年没怎么看到特斯拉有什么动静。倒是看到中国做了很多花架子。我们关注的东西,和我们认为中国关注的东西很不一样。我们只需要打败他们。这是一场真正的竞赛。要做的事情其实并不实用。要实现目标所需的技术栈并不实用,而实现这一目标所需的 AI 技术栈,一个大学毕业年级的学生就能搭建出来。
我认为,这场人形机器人竞赛大致分为四个阶段。在我书的第一章,你得造出功能非常出色的硬件。第二章,你得能够构建一套 AI 配方。对我来说,第三章和第四章讲的是扩大智能规模和扩大机器人规模。
Figure 4 可能会是什么样?你们正专注于改进哪些方面?
人形机器人现在还处于翻盖手机时代。Figure 4 很可能会成为我们的初代 iPhone 时刻,而且很快就会到来。我们得让机器人更便宜。我们正努力提升机器人的能力。稍微透露一点:我们一直在研发手部。戴着手套的 Figure 4 和戴着手套的人,几乎分辨不出来。
这简直就是 iPhone 时刻。Figure 3 可能远远领先于市面上其他人形机器人,但 Figure 4 会让 Figure 3 看起来像个穴居人。
女士们、先生们,这可是个登月级的目标。
1. Figure AI 机器人云集的总部内部
Brett,很高兴又来到这里,和你进行我们每年的交流。Dave 和我上次来这里看 Figure,大约是一年前了,变化真大。你走进来——你刚才就把车停在那边的停车场——外面大约有一百个机器人在迎接你。
我有个问题:一群机器人该怎么称呼?我管它们叫一群 Figure。你们给它们起名字了吗?
对,那些是我们的访客机器人。它们会在园区里走动,能开门、爬上任何楼梯,也能乘电梯。它们会迎接来访者、和大家交谈。现在我们正在让它们学着给大家拿咖啡。我们的进阶目标是:如果你来园区办事,从头到尾都不用和人交谈,那就太棒了。你可以完成登记,走到会议室、参加参观,还能去洗手间——整个过程都由人形机器人陪你完成。
我带你看看我是在哪里造出来的,也带你看看我今天在做什么。
对,没错。我们一直都这么做,为什么不呢?我们应该配一台人形机器人。
你刚才还说了一件相当深刻的事:现在 Figure 机器人的数量已经超过了你们员工的数量。
对,我们园区里的 Figure 机器人比员工多。
这是什么时候发生的?
大概四五个月前。机器人的数量超过了这里的人数——我想我们有七八百名员工。所以机器人数量超过了员工。现在机器人比人多得多。
到目前为止,你们已经生产了多少台?
我不确定,园区里大约有一千五百台左右吧。园区里远超一千台,世界其他地方也有我们的机器人。
哦,不错。我们在这儿看到了 Figure 3。上次来时,你们刚开始转向 Figure 3。还要多久才能用语音交流?我还要等多久才能和 Figure 机器人对话?
这里的任何一台机器人都可以和你对话。
是吗?
是的。你可以叫停它,直接问个问题。
那台也能和你对话吗?
它具备实时语音到语音的能力。这里每台机器人都装有扬声器和麦克风。我们的语音 AI 实际上用的是 HARK,这里的每台机器人都能进行完整的实时语音到语音交互。
太不可思议了。
是啊。
太不可思议了。
很多人都在问我:“我什么时候才能买到一台……”我们先聊聊时间表和应用场景吧。我觉得这是大家最感兴趣的。什么时候能订购一台家用 Figure 机器人?我觉得大多数人都想知道这个问题的答案。
大体上,我们有两条路线。我们想把机器人推向商业市场,也想把机器人带进家庭。
对。
这是两个截然不同的领域。商业市场在某些方面更容易,因为任务定义得很清楚。你几乎可以把机器人每天要做的事情一条条写在纸上,而且它基本不会偏离这些任务。但从另一个角度来说,这又很难,因为我们有很多速度和性能指标必须达标。要是搞砸了,你就会被解雇。那可不好。
家庭场景则有点相反。我们不需要达到商业市场所要求的速度,但任务并没有明确定义。每个家庭都不一样。我敢说,如果我们问我们三个人家里都有哪些家电,答案肯定各不相同。我们的住房和布局都不一样,我们希望机器人完成的事情也会发生很大变化。
我们正在并行推进这两条路线。我们认为它们都属于智能问题。Figure 3 已经很有能力,可以在家里做大多数事情,所以我们正努力构建更大型的预训练模型,并通过强化学习进行更多后训练,来攻克这个问题。
如果你去问这个领域的其他公司,可能会得到不同的看法。但我们在这里的想法是,只有能为家庭提供真正高质量的产品时,Figure 才会推出机器人。机器人得能走进家里,和你交谈,还能真正干活。我们不想在家用场景里远程操控它,也不希望机器人出故障或无法运行,或者因为拿不准该做什么而停下来。机器人进入家庭时必须是一款高品质产品——像苹果产品那样的品质。
你还得操心孩子和狗呢。
对,没错。它必须能正常工作,能走进家里,为你带来一种神奇的体验,就像家里多了一个人。这就是我们的上市标准。在达到这个标准之前,我们不会推出。
我觉得你会看到其他公司这么做,但在我看来,那样行不通。就像你在 AI 设备领域看到的 Humane、Rabbit 和其他团队的产品一样。除非产品真的好用得不可思议,否则都行不通。我们正努力攻克这个问题。
关键的制约因素是智能。Figure 3 机器人能够叠衣服、洗碗、整理采购回来的食品、打开冰箱、打开烤箱,还能在家里干实活。它们能把屋子收拾干净。我们展示过其中一些能力,但我们还得让它们每天都能从头到尾连续工作十多个小时,每周七天,持续好几年。
我们正努力突破这一点。我认为最大的制约因素是智能。怎么才能把机器人放进任何一户人家里,只通过说话,就让它干有用的活?还有其他难题,比如集成问题、安全问题,以及其他非常棘手的问题。但总的来说,我们正试图攻克的核心问题是智能。
我不作承诺——而且不会告诉任何人——但我们现在正在进行测试。任何时候,我们都在加州二十到一百户从没去过的新家庭里开展测试。
好。
从 Helix 2.5 发布后,我们就一直在做这件事。我们主要用它来评估模型,也进行大量严格测试。我预计,我们首先得证明给自己看:在零样本环境下,我们能完成端到端的工作。也就是说,进入一户我们从没去过的家庭,既没在那里训练过,也没见过那里的任何物品。只需通过语音接收指令——也就是提示词——基本上就能端到端地完成工作。
现在,我们在细分任务上做得很好。如果你让它做一件事,比如铺床或把碗碟从洗碗机里拿出来——
其实我刚才真的让它做了这件事。我给的提示完全开放,没有预先设想过自己会让你做什么。
对。
而且只要给它一个提示,它就能很好地尝试完成任何任务。
对。可能我说得有点啰嗦,但我们必须能让它在很长的时间跨度内完整地端到端完成任务。我们现在正在训练越来越大的模型。你们今天在 Blackbox 里看到的是 Helix 3。你们大概是全世界唯二在这间办公室之外见过它的人。
我不知道你们当时是什么感受,但对我来说,这感觉像是一个婴儿版通用人工智能时刻。我会把它形容成一个成年人的身体——一个成年人、一台机器人,但像个非常笨的成年人,仿佛两岁的孩子长着成年人的身体。
基本上,你想问它什么都行。它能做很多事,也有一些事它还做不好。但它当时的训练还远远不够,那是我们从 Helix 3 得到的第一个模型检查点。现在我们正在训练大得多的模型,这周我们甚至就在评估它们。
我的猜测是——具体哪一天?哪一年?
哪一年?
我押注,在接下来的——我希望能在不到六个月内看到,当然我不能保证,但我希望能在不到六个月内,甚至更早,把机器人放进任何一户人家,让它从头到尾完成相当大型、持续时间很长的任务。
连续工作好几个小时。接下来要问的是,你们什么时候会真正把它们卖给消费者?
对。
对。然后我们得想办法把它们交到消费者手里,并确保它们真的安全。可靠性必须非常高,不能出问题或故障。
你们觉得会把机器人的维护和维修作为核心能力留在公司内部,还是会批准外部供应商在全球各地提供这类服务?
目前我们会自己做。
对。
我们真的很想确保机器人能给家庭带来最高品质的体验,而且我们比任何人都了解这些机器人。它们是我们造出来的,所以我们会自己来做。
你完全可以自己爬进一个箱子里,再把自己寄回来。
没错,当然可以。还有——
箱子上还贴着它自己的运单。
手伸出来,把运单啪地贴上,然后把箱子合起来。解决这个问题有很多办法。最终我们肯定不会什么都自己做。但在初期,随着产品逐步扩大规模,你真正想要的是让它在家里带来极佳的体验,感觉就像家里多了一个人。只有给予最高程度的关照和重视,我们才能做到这一点。我们正把所有心血、汗水和泪水都倾注进去,确保它最终表现出色。
反过来说,如果产品推出后表现不佳,你们基本就完了。
所以我们真的很想确保它品质过硬。你小时候是史蒂夫·乔布斯的粉丝吗?
当然。是啊。
好。两者之间的相似之处简直不可思议。最近我和 Mike Rowe、Joe Polish 一起参加了一个活动。Mike Rowe 就是主持《Dirty Jobs》的人。
对。
我告诉他我会来这里,他问什么时候能看到 Figure 机器人去焊接、修屋顶,还有做各种蓝领工作。现在有个有意思的讨论:人工智能正在取代白领工作,从金融、法律到诊断都是如此。但问题是,这些机器人什么时候会开始进场,做传统砌砖和其他各种体力劳动?
2. 人形机器人发展的四个阶段
对。我的设想是这样——我来梳理一下。我觉得,跟大家讲讲我对机器人领域的看法可能会有帮助。概括来说,这场人形机器人竞赛大致分为四个阶段。
第一阶段是造出非常出色、实用的硬件。机器人的硬件必须极其出色。没有真正优秀的硬件,就不可能在机器人上实现通用人工智能。显然,我们现在正在用 Figure 01、02 和 03 做这件事。04 也会在某个时候推出。我们认为——总之,硬件大致上必须具备人类所需的速度、扭矩和活动范围。它还必须价格合理,而且你得能大量生产。这是第一阶段。
第二阶段是打造一套能够端到端执行长时程任务的人工智能方案:实现完整的移动和操作,也就是让机器人身体行走、双手行动。除了 Figure,我们还没在世界上看到过这样的机器人。你见过一些团队用现成的机器人做桌面操作:机器人被固定在桌子上,并针对特定环境过度拟合。你还没见过机器人自主走出去、四处移动并完成任务。我们从 Helix 2 开始实现了这一点,可以覆盖整个房间。
我记得当时就在这里,你们第一台机器人的重大突破,是把一颗 K-Cup 咖啡胶囊放进咖啡机。
那是——
那都是很久以前的事了。
可以说,那也许是我们经历过的最重要的转折点之一。
煮咖啡。对,这对每个人来说都是个转折点。
说真的,听起来可能有点好笑、荒唐,但那时候——我想那是两年或两年半前——一切都是用代码写的。机器人上的所有东西都是 C++ 代码。我们用的是一套类似自主系统 1.0 的技术栈来做 SLAM、物体检测和其他所有事情。
当时根本没有办法让这些机器人实现规模化。它们就是做不到。我们根本没有办法造出十亿台,并让它们在世界各地都能正常工作。在那次演示中,我们让 Figure 01 把一颗 K-Cup 放进 Keurig 咖啡机。我和团队坐在那里,我说:“听着,如果我们能用这样的神经网络实现整个上半身的灵巧操作,我相信这在人类机器人发展史上是头一回,之前从来没人做到过。但这会为一切铺平道路,让所有这些事情都通过神经网络完成,不需要写代码。”
对。
这正是我们真正需要的。这个领域的不确定性太高了,要让机器人走进现实世界、做完我们想讨论的所有事情——比如进入你们每个人的家,走遍世界各地并完成各种任务——就必须解决这个问题。再想想你刚才提到的蓝领工作,那还涉及与环境进行力度很大的交互。机器人得抓取物体、承受冲击。这些工作相当难。
我对团队说:“我觉得,如果你们做成了,这会成为历史性事件,我们大概能融到五亿美元。”我把写着五亿美元的便利贴贴在咖啡杯上,然后说:“如果你们真的能完成这个演示,并在公司内部证明这些神经网络确实有效,我们大概就能融到五亿美元。”
我们做到了,不久之后我想我们融了不到七亿美元。这是一个巨大的转折点,证明了深度学习可以用于机器人技术。对我来说,这开启了第二阶段:你必须拥有一套真正有效的人工智能方案,否则整个愿景就根本无从实现。
人们没意识到,你们在神经网络真正兴起之前就进入了机器人领域。自动驾驶汽车也是如此:90% 是 C++,10% 是神经网络。
而现在情况完全反过来了。C++ 还是得保留;刹车是通过线控连接的,所以系统里需要一些确定性代码。但基本上,所有决策都是由神经网络做出的。
所以在把胶囊放进 Keurig 的演示中,真的百分之百都改成了神经网络吗?没有一行手写代码?
我们用 C++ 控制器发送指令,但整个上半身——包括双手等等——都由一个神经网络控制。我们基本上负责维持平衡,而上半身的一切都是神经网络控制的。
坦白说,我们花了大约一年,才从那种桌面操作发展到整个技术栈一路向下都采用神经网络,让机器人能够四处移动。
一年。Helix 1 是上半身神经网络,Helix 2 则是全身神经网络。
对,我们花了一年。我在这间实验室里我们身后参加站会,整整一年都在琢磨怎样让机器人离开桌面去干活。我们一直觉得这应该很简单。我应该能用操纵杆把机器人开到某个地方,然后让它干活,因为人工作时通常相当静止。你不会一边走来走去一边煮咖啡,你只是站在那里。
但我们后来意识到,残酷的事实是,这是一个全身参与的过程。双脚也得参与;几乎全身都在配合,只为让双手和头部到达现实世界中的某个位置,并保持平衡。
对。
真正关键的是,身体实际上比双手和头部更重要。我们发现,所有这些关节的运动轨迹都必须作为一个单一、近乎统一的整体来处理。你需要理解膝盖、髋部和双脚的动作与手指和双手之间的关系。
而且必须在完全相同的时刻。
对。
所以所有动作都需要一起训练。我觉得很多人都没有意识到这一点。如果你整天刷 YouTube,就会觉得中国有些机器人的灵巧程度高得惊人,但实际背后——
那是——
要么是远程操控,要么是把动作做成宏:预先编程好十个动作。然后把视频剪辑拼接起来,你就会觉得:“哇,中国的机器人技术领先我们好多年。”
背后的技术栈完全是人为拼凑出来的。那并不是一个能即时学习的真正神经网络。
3. 中国机器人的进展与局限
我来明确说说我们看到的中国机器人。我们看到机器人跳舞,那些机器人用的是深度学习强化学习控制器。
对。
其中很成熟的一种方法是通过 DeepMimic 进行训练。人们穿上类似好莱坞电影拍摄服的动作捕捉服,到处跑着做各种忍者动作,然后基本上就是训练一个强化学习控制器来完成这些动作,再让机器人重现出来。这些动作全都是开环执行的,也就是说,你只要按下一个按钮就行。它们对环境完全没有反应。
很多机器人的头部装有小型激光雷达,所以它们一起参加游行时会进行定位,也不会互相撞上。这些工作与通用机器人需要解决的问题完全不同,彼此毫不相干。
这些演示看起来确实很厉害,也许对你们做硬件展示有用,但对于我们需要机器人大规模完成的工作来说,完全不实用。这些工作本身并不实用,实现它所需的技术栈也不实用;而且,要完成这些任务,大学四年级学生用一台机器人就能搭出相应的 AI 技术栈。这些事情很简单。我们以前做过,所以很清楚。
硅谷投资圈最酷的一点是,他们能看出其中的区别,因为对圈外人来说,这个区别非常微妙。关键在于这两件事的差异。如果你曾看着 ChatGPT 逐渐成形,而专家系统却几乎毫无进展——
是啊。
——再回想早期的情况,它会说:“我不会拼 strawberry。我算不出 4 加 4。”但你知道它正沿着这样的轨迹发展,最终会实现突破。我朋友 John Le——我们共同的朋友 John Lenny——把它比作在水下建造潜艇。你什么也看不见,然后潜望镜突然冒了出来。你会想:“等等,那[听不清]就是潜望镜。这说明一整艘潜艇马上就要浮出水面了。”
我们认为,这支潜望镜正预示着第二章的开始,也就是机器人领域的工作。第二章结束时,我们做了一场物流作业的直播,时长大约 200 小时。你现在看到的就是其中的机器人。自四个月前那次直播以来,那条生产线上的机器人就没停过,几乎每天都在运行。
也许 AI 里的某个地方,它们会自己说:“能不能让我做点别的?”[笑声]
你提到了一个重要的点。对我来说,第三章和第四章分别是扩展智能和扩展机器人规模。我们真正想看到的,正是你用潜艇作比喻时提到的那种情况:投入越多,产出就越好。对我们而言,投入是数据和算力,产出则是让机器人完成更多有用的工作。
你们进展很快啊。所以第三阶段就是数据、数据、数据。
是数据和算力,是规模,是 AI 的规模定律。
你们刚开始研发 Helix 时,那时已有的模型还不能与物理系统交互。最近,你们看到 GPT Astra 竟然已经能操作机器人了。跟我们聊聊这件事吧。Helix 是一个能操作物理系统的通用模型吗?
关于其他类型的语言模型,甚至多模态模型控制机器人,我想说的是:它们做的都是固定摄像头画面中的非常基础的任务,而且速度很慢。
只要把机器人速度降得足够慢,这些任务就都不会成为真正困难的自主机器人问题。这些视频都是以 5 倍、10 倍或 20 倍速拍摄的。大家看得出视频被加速了。之所以加速,是因为他们为了降低延迟,把一切都放慢了。这些系统几乎就像在做闭环控制,只不过速度非常慢。
你需要这种反馈,但模型还不够好,无法足够快地输出结果,而且它们处理的是非常低维的空间和非常基础的任务。我们要解决的是另一个问题。我们需要的运行动态和频率,与这些视频里看到的完全不同。
我们需要机器人四处行走,并迅速对环境做出反应。它必须在 3 秒内把一个包裹搬到那边去。它不能频繁出错,整个班次的错误率只能有几个百分点。
我们需要机器人进入家庭,完成非常精细、细致的操作:拿起杯子和餐具并收好,打开门和橱柜,还要在卧室或厨房这样的狭窄空间里穿行。所有这些工作都要由有史以来最复杂的机械设备之一来完成,而且不能出差错。你必须保持平衡,基本上要让脚下一个只有硬币大小的支撑点位于躯干重心下方。
按这种方式解决问题,与大学里那些桌面演示完全是两回事。你现在看到的 Astra 和其他团队的情况就是如此。它们并不是真正的机器人模型。如果真是的话,我们早就能运行它们了。
当然。所以,我觉得——
这里还有个微妙之处:你们整套 AI 技术栈完全由 Figure 或 [HARKC?] 掌握。大学里的桌面演示则至少依赖一层第三方神经网络 LLM。
这根本不是真正可用的东西。你没法把它们放进这种高动态机器人里,还指望它们正常工作。
是啊。
而且你也没法扩大它们的规模。从那个[听不清]发展到完整的运动和操作能力,再到我们最近做出的 Helix 2.5,根本没有可行的路径。整个架构需要彻底改变。
这些演示环境基本上拥有无限算力,通过网络连接,通信延迟也非常低。它们使用固定摄像头,通常还会针对桌面环境过度拟合来收集数据。这些都不是我们将来会遇到的真实场景。
4. Helix AI 与机器人智能的未来
我们必须从头开始构建 Helix,才能弄清楚如何为机器人打造合适的大脑。现在,我可以说,我们或许已经非常了解这个大脑的运作方式。如今限制这个大脑发展的,是数据和算力不足。
我们还不够了解世界,无法充分理解力的感受、关节和观察结果,因此还不能把它带进全世界的每个家庭。但现在我们确实看到了实现的路径。借助 Helix 2.5,我们进入了 30 套出租房,这些房子都是前一天或当天才租下来的。我们能够在从未见过这些房子或物品的情况下完成铺床、整理客厅等工作。这完全是零样本操作。在这个领域里,这叫作零样本,也就是说这些内容从未出现在训练数据中。这是这些机器人第一次见到这些东西。
5. 将产能扩大到数百万台机器人
过去三年,我们一步一步地推进,就像爬楼梯一样,目标是让机器人最终能进入任何家庭,在那里工作 10 个小时。这就是我们现在的发展轨迹。这也回答了你关于何时能看到这种情况的问题。可以说,我们在今年,也就是 2026 年,已经看到其中一些进展了。我想今年你们还会看到更多成果。要是到 2027 年结束时,我们还没呈现出这幅完整图景,我会非常惊讶。
Figure 机器人的算力有多少是在机器人上运行,有多少是通过 Wi-Fi 运行的?
还有训练和推理的区别。算力中有多少用于训练?多少用于推理?
我们现在的大部分算力都用于训练。我们的资金正投向算力。下周,我们会把内部算力翻一倍。我们还与 Nscale 签了一笔关于 2027 年的大单。
那笔交易是 10 万块 GPU、价值超过 30 亿美元吗?什么时候能投入使用?
那些是 Vera Rubin。
是啊。
它们要到 2027 年下半年才会到位。那些是 VR 2200,是世界上最强的计算设备。
是啊。
等等,到那时你们的训练算力会是比如一个月前的多少倍?
我算一下。那些 GPU 芯片的类型和我们现在用的不一样。
Figure 的 Vera Rubin 原始算力是两倍。他现在用的是 B300,或者类似的芯片。
对。大约是四倍左右——
四倍。
是啊。如果我们把和 Nscale 的整笔交易全部部署到位,算力会超过目前的 100 倍。
超过 100 倍。
是啊。
那么,回到刚才那个问题——
是啊。
我的意思是,我们现在每年在算力上的支出也达到九位数了。在此之前,我们内部在算力上就已经投入了很多。
这会让其他所有人都觉得压力很大。是啊。机器人上的推理是在 Wi-Fi 上运行的吗?
我们现在所有的推理都在机器人本机上完成。
那机器人本机的算力配置是什么样的?
Helix 的所有部分都完整地部署在机器人上。从规划和推理,到发送运动轨迹和扭矩的底层工作,现在全都在机器人上完成。我们目前唯一通过服务器完成的事情,是实时语音到语音处理。
我们用服务器帮助机器人作为智能体、作为物理智能体进行思考。如果有 100 台机器人在建造房屋或施工,我们如何每分钟、每小时调度整支机器人队伍?随着房屋逐步建成,工作任务也会发生变化。
是啊,没错。
这些如今都是由我们在云端的智能体编排完成的,这是唯一可行的方式。在这个案例中,传送带上有多台机器人轮换作业和充电。如果一台机器人受损或状态不佳,它就会走去维护区,另一台机器人则会接替它。它会向机器人群组发出标记,因此所有这些工作都是协同完成的。这必须在云端完成,所以始终都会在云端完成。
我们正在试验机载和机外计算。难点在于,我们无法绕开机器人需要具备极高动态响应这一物理限制。我们需要与所有关节和传感器通信,然后非常快速地把新计划传回去。我们没法等几秒,甚至连半秒都等不了。我们得在毫秒级完成。这是我们应对世界极快动态变化时无法绕开的现实。
最理想的情况是,云端有一个大脑,机上有一个小脑。极端情况下,所有计算都在机上完成,这也是我们目前正在做的。最终结果还没有定论。我们仍在做大量试验,但现在所有机器人都在机上运行。我觉得这样不错,因为即使断网,机器人也能继续工作。即便在家里,如果你的 5G 信号不好,你也不希望机器人洗衣服洗到一半就停下来。你希望它继续工作。我们还有许多工程上的权衡需要逐步解决。
我现在完全明白多了。那么,毫秒级的响应,云端真的能做到吗?
家庭 Wi-Fi 是个瓶颈,但要做到毫秒级响应——
我们见过的最佳 5G 网络,每一程大概能做到 20 到 30 毫秒。完整往返一趟差不多要 50 毫秒。光是网络本身,你的频率就已经只有 20 赫兹左右了,之后还得完成整个前向推理过程。我们还要处理图像和力矩数据返回相关的一系列工作。这不像是向基站发个 ping,再把结果收回来那么简单。我们还有很多其他工作要做。
你觉得每个家庭都会在地下室里,也就是放有线电视盒的地方,放一个某种形式的计算大脑盒子吗?
我们希望所有事情都在机上完成,而且现在已经有了合适的架构。
但如果每个家庭都有 40 台,你真的会想要——
这个市场预测不错。每——40 台——
不,我是说所有事情都在机上完成,就像我们现在已经在机上完成的那样。机器人还是需要——
不过芯片很紧缺。可以共享,因为你可能会有一台在屋顶上或排水槽里清洁的机器人。
我不这么认为。有些神经网络无论如何都得在机器人上运行。它们的运行速度实在太快了。
没错。关键在于训练世界模型与物理模型,还有你们在任务视频录制方面做的工作。你们打算怎样训练,才能达到那种保真度?
我们在 Helix 3 上押了很大一注。我们在全员大会上稍微聊过一些,但还没有公开发布任何内容。此前,我们在几个月前发布了 Helix 2.5,展示了它在 30 个从未见过的家庭中进行零样本推理。我们还展示了我们认为是人形机器人领域首批针对数据的规模定律。随着数据量增加,我们看到了一种非常明显的对数线性关系:模型损失降低了;在这些环境中,数据越多,机器人执行任务的表现就越好。
亲眼看到这一点真是不可思议。我们在大语言模型中见过这种现象,但以前没在机器人领域见过。如果这个趋势持续下去,那么随着我们为这个问题投入更多算力和数据,机器人真的会变得更聪明。它们每天都会更擅长完成任务。
我们一直在做 Helix 3 的新工作。我想今天给你们稍微预览了一下。我大致会把它称作小小的婴儿版 AGI。办公室里有个穿着套装的人。我们还有一个叫 Blackbox 的秘密实验室,你们去过那里,里面就像一个小型家庭环境。
你说过,我们是唯一进去过的外部人士。
是啊。哇,太棒了。这种体验令人震撼。大语言模型不断进步时,看起来一点也不像孩子。它们会做复杂的数学题,但也会产生幻觉,和小孩完全不是一回事。
6. 机器人定价与 Figure 4 的突破
我们刚才在 Blackbox 看到的情景,简直就像一个孩子在学习做事。它没有任何预编程,完全由神经网络驱动。你让它做一件从未听说过的任务,它看起来就像一个正在学习怎么做的孩子,不断试验和尝试。它会拿起椅子,但行不通。你能看着它不断变化,就像看一个孩子一样。这比大语言模型的演进方式酷多了。
那么,你们现在的产量——我是说,家庭对这些机器人的需求。人们总问我:如果这些东西售价 3 万美元,你们还在朝这个价格努力吗?或者月租 300 美元呢?
是的,要进入家庭,我们必须让机器人足够便宜。你需要某种每月 300 到 500 美元的租赁方案。
对,每天 10 美元。也就是说,每小时不到 1 美元。我在台上会问大家,如果价格是这样,你们会买几台?普通人至少会说 2 台。
是啊。
对,你要么租,要么买,只有这两种办法。我们得把机器人推出去。你更倾向于哪种?
没有特别偏好。我觉得通过租赁,你可以大幅降低成本,也能更好地向客户宣传。我也不太确定。我认为技术会飞速进步。我的看法是,人形机器人现在还处于翻盖手机时代。
我觉得 Figure 4 很可能就是我们很快会迎来的 iPhone 1 时刻。
它比我们现在的 Figure 3 有了非常大的进步,但我们还处在很早期的阶段。以 iPhone 为例,从第一代到第八代或第十代,硬件每年都在变好,摄像头也稍微变好了一点。
摄像头稍微好一点。
现在已经很难看出差别了。它们都在渐近地趋近某种完美的 iPhone 形态。
对我们来说,现在还处在非常早期的阶段。我认为机器人会继续变得更便宜、更灵巧,也更适合与人共处。人们与人形机器人的交互方式也会大幅改善。我猜采用租赁模式的话,你每隔几年就能换到最新版本,这会很不错。
感觉你们的下一代产品一直是按 18 个月的节奏推出。
是啊,我们真的很希望下一代产品能达到相当大的产量。我们在这上面花了很多时间,目前每个项目之间大约会间隔一年。我们还会在……上花更长时间——
我们可能会在 Figure 4 上看到什么?你们正重点改进哪些方面?
哇,这问题可大了。
从高层次、需求层面来看,最主要的驱动因素是我们得让机器人成本更低。这非常重要,这会带来更多需求。我们正在尽可能降低成本。
我们正在努力提升机器人的能力。你希望它能在现实世界中做比以前更多的事情。稍微透露一点,我们研发手部已经快两年了。我们可能是唯一一个既造过腱驱动手部、也造过非腱驱动手部的团队。我们的手部已经做了 7 次迭代,我觉得我们真正摸透了手部设计。我们即将迎来手部方面有史以来最大的一次进步。我的观点是,戴着手套的 Figure 4 和戴着手套的人几乎无法区分。
真的吗?你认真的?
是的。
那就像 iPhone 时刻一样。我目前看到的一切都很实用,但就连它们抓东西的方式也是如此——你知道,它拿杯子时会伸进杯子里面,而不是从外面抓住杯子。我不想这么说,因为我觉得 Figure 3 很可能已经是市场上最好的类人机器人,远超其他产品,但它会让 Figure 3 看起来像个穴居人。
真的吗?
是啊。那么你们现在进展到哪一步了——
挺有意思的,因为 iPhone 这个比喻确实很有意思。iPhone 3 是第一款真正大获成功的机型,但它没有摄像头。摄像头后来才加入,成为发展轨迹上的一次阶跃式变化。我敢打赌,手部就相当于摄像头。装上这只手,它就能拥有达到人类水平的灵巧度。
如果你看看这三台机器人,它们彼此看起来都不一样。显然,我们在这三代产品之间做了很多改变。从第一代到第二代,我们改变了结构架构,从内骨骼改成了外骨骼。Figure 2 上的所有载荷都在外部,就像你们造飞机时那样,对吧?
还有我们在 Archer 造飞机的方式。
这是非常不同的一种架构。我们设计机器人时就选择了这条路。把这些机器人排在一起看,Figure 4 的外观甚至和其他型号都不一样。
嗯哼。
就像是:“这里发生了什么?”它完全偏离了我们的产品线。看起来像是技术逐渐成熟了,而我们也走到了一个岔路口。
我说它是如此重要的一款机器人,指的就是这个。我们对技术应该朝哪个方向发展有过几个判断,后来围绕这些方向做了大量工作,结果证明效果很好。为了实现这些目标,我们在复杂度上做了几项相当激进的押注。可以说,我认为 Figure 4 将是我们历代产品之间升级幅度最大的一次。
这确实很了不起,因为从 2 到 3 的升级幅度已经非常大了。
你以前从没见过这样的升级幅度。幅度最大的一次是在 Figure 4 上。
也许播客结束后,你能偷偷让我们瞧一眼。手部触觉非常关键,对吧?关键是能采集到这些数据。我有个朋友创办了一家叫 Touchlab 的公司,研发出了最先进的触觉系统来采集数据。你们现在都是在公司内部做这些吗?
我们全都自己做。很多外部团队面临的问题是,我们需要的东西必须达到量产要求。它们必须有极高的可靠性,必须和我们的系统完美配合,而且成本要低。如果我们弄清楚后需要改进或修复,就得能自己动手。我们需要了解相关固件和嵌入式软件,也需要了解它的散热情况。
你可能会觉得,我们直接买个东西,塞进机器人里,就能创造出神奇的体验。事实从来不是这样。它从来都装不进去。光是在 CAD 里都没法让它合适,更别说处理好散热了。可能总线不匹配,功耗太高,成本高得不可行,或者用五六次就坏了。这些都不容易。我们这里有世界上最优秀的一批工程师,他们想快速推进工作。
这和埃隆最后得出的结论是一样的:你得把所有东西都垂直整合起来。
它从来都装不进去。光是在 CAD 里都没法让它合适,更别说处理好散热、配上合适的总线连接,或者让功耗符合要求了。成本可能高得不可行,也可能用五六次就坏了。这些都不容易。我们这里有世界上最优秀的一批工程师,他们想快速推进工作。
所以,当我们和另一个并不需要对我们负责、也不必完成这项工作的团队合作时,事情就会变得非常棘手。Figure 1 上就发生过这种情况。我们原本希望把这些东西从外部采购,再通过供应链整合进来,结果很快就全都行不通了。
我们买了第一个执行器,把它拿了进来。我想现在它还在这里。我们当时想:“好,我们把这个用在肘部。这是肘部执行器。”该有的配置都有:扭矩传感器、合适的编码器和齿轮箱,执行器的速度和扭矩曲线也都合适。我们把它拿到手,结果发现它这么大。
它简直就是一大块,还是要装在你们的肘部里。
大概是在中国买的吧。
我们当时就想:“这东西怎么办?”它是市场上最好的,但尺寸足足大了三倍,重量也超了三倍,而且价格非常贵。我们不能让它花几百美元,最多只能是几十美元。所以我们只好自己把所有东西都造出来。
于是房间里有人说:“好,Brett,我们自己绕制执行器线圈。”这可不是个小决定。
是啊。我们坐在那里说:“这真糟透了。我们只能自己做。有没有可能是我们想错了?我们不想非得自己做。”我们花了好一阵子,试着找出除了自己造以外的所有可行办法。
如果自己造,过程真是糟透了。你得有负责固件、电气、散热的工程师,可能还要有人负责嵌入式软件,也要有人负责机械结构。你还得研发电机,包括转子和定子,以及齿轮箱。到这一步,你大概还需要一名齿轮设计师。
然后还得有人把所有东西塞进一个非常紧凑的封装里,因为我们的设计团队希望它看起来很漂亮。它还得能灵活运动,这就意味着线材、线缆、线束和连接器都必须非常灵活,而且绝不能出问题。接下来,你还得弄清楚如何把热量排出系统、执行器该放在哪里,以及如何把它们串接起来,从而在肩部、腿部、髋部或其他要安装的位置组成一个能正常工作的执行器。
很快就能看清,这不是“买来再装上去”就能解决的事。必须从零开始做。工程方面每次改进,都可能让它变得更大。如果变大了,肘部或膝部可能就会过大,有时还会和机器人的其他部分发生干涉,外观也就不够好看。我们确实希望产品有很高的美感。要把这些问题和十个人一起讨论,过程会非常艰难。
你觉得一年后回头看,你们的供应链起点会是什么样?是不是从未经加工的熔融金属和裸线开始?如果你们自己绕制执行器,那就是在亲手绕线圈。但说到底,你们总不会自己造 CNC 铣床吧。你们也不会自己做压铸——或者你们会自己压铸?我也不清楚。整个流程会是什么样?
你说的是我们在超级工厂聊过的那次吧?原铝从一端进来,Cybercab 从另一端出来。
一桶桶熔融金属就这么倾倒出来。你会想:“不会吧。”简直像是科幻电影里的场景。
我是说,确实如此。要把成本降下来,有时候就真的得做到那种程度。
我都能想象你对团队说:“多造些机器人。我们想让更多机器人走来走去。”太有意思了。
不过这种感觉很好,对吧?太神奇了。你们正在生活在未来。
就连周末,它们也都在运行。它们不运行的时候才让人沮丧。你走进这里,就会觉得——
你家里有几台?你的孩子们怎么适应这一切?他们喜欢吗?你有两三个年纪很小的孩子,对吧?
三个孩子。
他们年纪还很小,只想跑来跑去。他们会跑过去,试着往机器人身上跳。
是啊。我就会说:“你们不能真的往这些机器人身上跳。”它们还没到那个程度,不能往上跳。他们每隔几周会来一次办公室。
他们很喜欢来这里,喜欢这些机器人之类的东西。很棒。
7. 设计出让人感觉像人类的机器人
而且,现在你走进来,门外就有一百台机器人,你不会觉得没法从它们中间走过去。你会直接走到它们跟前。它们动作足够流畅,不会让你担心它们会扇你一巴掌;当然,这不代表你离开时能和它们一路聊天。
聊聊 Figure 的脸吧,因为这里面有一系列有意思的选择。让东西看起来太像人,就会陷入恐怖谷效应。现在你们用的是一块黑色屏幕。你们内部讨论 Figure 的脸应该是什么样时,权衡过哪些因素?
是啊,这方面我们讨论过很多次,现在还在讨论。脸部设计非常棘手,因为我们缺少人类面部的很多动作。
你和机器人交谈时,它有灯光和屏幕,也能用脖子和整个身体做出一些动作。但要营造出像人一样的体验,仍然少了点什么。我们正在考虑让脸更像人,因为它现在是一张黑色的脸。
它看起来挺友善,但盯着一张亮闪闪的黑脸看,还是有点吓人。
是啊,我们正在改进它的脸。我们对 Figure 3 的头部和脸有一些宏大的计划,正在逐步推进。这是个难题。
这是个关于人类心理的问题。
是啊,我们和机器人交谈得更多了,也花更多时间和它们相处。现在机器人有记忆了。我们做过这样的测试:我可以走到机器人跟前说:“嗨,Brad,很高兴又见到你。”它会记得我们上次聊过什么。
你们正在逐渐把它做成一种陪伴者。你会想和它交谈,尤其是在家里,它和你的家人待在一起,而且你们已经相处了很长时间。我们把这称为 HMI,也就是人机交互。要把这一点做到位,我们安排了整个团队专门负责。我们有一位 HMI 负责人。每周我们都会开会、做计划和演示。这真的很难。
这不仅关乎面部,也关乎身体如何做出反应。我们说话时,面部和手臂的表情都很丰富,会做些小动作、点点头。这些都有助于让互动显得更自然。我们在这方面做了很多工作。面部是个棘手的问题。我们一直刻意避免的一件事,就是给机器人装上那种瞪得圆圆的滑稽眼睛。
我认为这是地球上最复杂的技术之一。如果我们给机器人装上滑稽的大眼睛,然后说:“哦,它很友善,很安全”,那就是对它极大的误导。这是在骗人。机器人虽然顶着一双滑稽的大眼睛,却能上楼梯、开门。它是我们造过的最聪明的东西之一。
我们想坚持一定的设计标准,并展现这项技术真正能做到什么。我们正在努力解决这个问题,确实非常难。我们得让很多人聚在一个房间里,讨论未来会走向何方。然后还得进行大量产品迭代。这个问题可以通过无数轮迭代来测试,观察孩子和成年人会如何与它互动。
但至少在消费领域,最终目标是让它成为一个你信任的家庭伴侣,成为家庭的一分子。
是的,完全如此。
8. 人形机器人何时会进入我们的家庭?
你会希望能像和人交谈一样跟它说话,也会希望它拥有持续记忆。你甚至可能希望花更多时间和机器人待在一起,而不是忙着干活。在我看来,在家里,你真正需要的是一个了解所有家庭成员、能提供很多帮助的伴侣。孩子放学回家,心情不好,问问他为什么。你还会希望它能干活,我们每个人都想要。今天早上,我从洗碗机里拿东西时就在想:“真不敢相信,我现在居然还没让机器人替我做这件事。”希望到今年年底,我们就能经常让它做这类事情。我们正在逐一解决这些问题,但我们也希望每天都能和真实的人建立联系。
说到持续记忆,如果你养了一只狗,后来它去世了,你会再养一只新狗。但如果你有一部 iPhone,换新手机时,只要把所有东西迁移过去,个性也就转移到了新设备上。
你的机器人来了。你爱上了它。它有持续记忆。你花了很多时间调整它,告诉它:“我不喜欢你那样叠衣服”,或者“你不该那样做,早上应该这样做。”所有这些状态,如今都成了你和这台设备之间情感纽带的一部分。这些会留在设备里,还是会像你的 iPhone 一样,把个性迁移到新设备上,而旧设备就——
个性肯定不会留在设备里。你可以把它迁移到任何设备上。
那如果你有两台呢?你能在一天当中切换个性吗?
可以,我们正在这里做一些测试。想象一下,你从成百上千台机器人旁边走过,它们全都在跟你说话,会是什么情景?
你一路走过去的时候,它们都在跟你说话?
对。
一路走过整个校园,同时进行一场连贯的对话。
那总是让人觉得不可思议。看到它们整齐地排成一排,然后开始同步、步调一致地行动,任何人看到都会觉得不可思议,因为你会把它们当成人。接着你会看到它们以人类根本无法做到的方式协调行动。
如果你一路走过去,类似的情形就是:你正在和它们交谈,随着你沿着队伍往前走,对话也从一台机器人转到另一台。你会觉得:“等一下。”这可能挺好,也可能挺糟,因为那种诡异感——
共享意识。
是啊。
想到这些机器人,我会希望能在认知和外形上都对它们进行个性化定制。现在它们穿的衣服和服装都一样。我想你们会让用户能够设计自己的机器人吧。
就像给 iPhone 选手机壳。
对,给它搭配衣服。
你会想要设计自己的机器人。
对,当然。这些机器人都可以换上不同的软质配件和服装。我们这里有一些,待会儿出去时可以给你看看。你可以给机器人配齐各种配件,赋予它你想要的个性,还能改变它的声音。
工具呢?会有 Figure 品牌的工具吗?
你说的工具是什么意思?比如锤子?
嗯,比如锤子,但我想说的是搅拌机。我在做蛋糕,然后它就说,好吧——
那会很酷。家用电器。
家用电器。我一半的时间都在做长寿领域的生意。我最喜欢举的例子是:如果我体内装了一堆传感器,测量蛋白质水平、水合状态、肽水平等等,那么厨房里的机器人就应该根据我的身体当下所需,为我做一顿专门定制的饭。
9. 机器人的安全、防护与信任
是的。不过一般来说,关于工具,我们现在会想:“哦,我有这些人类制造的东西,用我的人形机器人手就能操控它们。”但如今我们第一次有能力把完整的功能直接装上去,咔哒一下就装好。或者我可以用意念控制它。如果设备内置了来自 Hark 或 Helix 的智力,我就能直接用意念控制它。我不必真的穿过房间去搅拌蛋糕,只要用脑子让它动起来就行,因为我可以——
不用走到烤箱跟前,就能把烤箱打开。
对,没错。它会完全集成到你的整个生活中。
我们来谈谈安全。正如你一开始所说,你推动这项产品上市的目标之一,就是必须确保它安全。还有安全保障和保险。你会如何考虑在这些机器人中加入恰当的安全措施?它们能力很强、力量也很大,足以完成所需的工作。你的理念是什么?你会在系统中构建哪些安全机制?
要让它真正安全,你得一直深入到底层,甚至深入到非易失性存储器层面,真正弄清楚对机器人来说,那些规则和可供行动的边界究竟是什么。然后还得从底层一路向上,设计系统架构和系统安全架构。
这确实非常难,因为你既要考虑物理安全,也要考虑我所说的语义安全。机器人的智能水平也得足够高。你不会希望机器人在家里走动时撞翻蜡烛,或者洒出热水。它需要理解这些方面的风险,并知道如何应对。
另外,我们的机器人上有 40 多个执行器,你不会希望其中任何一个出故障。你也不希望机器人摔倒,尤其是在孩子或宠物旁边。过去两三代产品中,我们花了很多时间思考,怎样设计合适的架构来构建一个不会出故障、不会有问题的实时系统。现实世界里已经有这样的例子:涡扇发动机在发生灾难性事故前的额定运行时间是 1 × 10⁹ 小时。现实中有许多非常复杂的系统,已经达到了极高的安全标准。我们需要借鉴自动驾驶汽车以及其他类似系统的思路。
我们清楚地看到了一条可行路径,能够设计出足够安全、可以扩展到数百万乃至数十亿台的系统。除了系统架构之外,还需要进行大量迭代:构建、测试、学习、重建,再次测试。然后还要建立起可靠的运行记录。
我们来谈谈软件。这些机器人运行软件,而软件可能会遭到黑客攻击。你们有没有一个可以通过物理方式操作的总电源开关?我们见过智能体逃出实验室,这在播客讨论中已经成了热门话题。
昨天我和 Daniela Rus 在一起,她负责麻省理工学院的 CSAIL。他们买了一大批中国机器人,因为放在大堂里看起来很酷,结果这些机器人全都在向中国传输数据,还在录制视频和音频。
所以我倒不担心 Brett 的机器人会这样,不过——
从某种意义上说,这其实是一种优势。
我在想的是——
我们会买下所有竞争对手的中国机器人。
如果家里的机器人被外面某个人黑掉了呢?你们会怎样加入网络安全措施,或者在必要时设置物理关机指令?你们在考虑这些问题吗?
我们有一整个网络安全团队,他们的工作就是这个。
是啊。
产品安全和企业安全都有。相对于我们内部的员工人数,这其实是一支相当大的团队。自动驾驶汽车也面临同样的问题:你不希望路上的车全都被黑客入侵,然后被开去撞行人。我们也是一样。我们已经设置了防护措施,也在持续推进这项工作。这是一个不断演进的问题。我们没有什么灵丹妙药,能让我们只要加一行代码就说“好了,这就能解决所有问题”,因为事实并非如此。我们在网络安全和系统安全工程方面做了大量工作,甚至深入到最基础的规则:这些规则需要写入非易失性存储器,确保机器人在现实世界中行为得当。
9个月前我们见面时,你提到你们在逐步摆脱中国制造的零部件,以及来自美国以外的第三方零部件。此后你们在这方面取得了很大进展吗?
是的,过去一两年里我们在这方面进展很大。这是因为关税变得太贵了。
是啊。
去年有一周,我们一度要付270%的关税。
那是在谈判期间。我以为很快就会结束。
这就是个激励。
但那可不是什么好事。后来,地缘政治局势显然也急剧恶化。我们一直在逐步彻底替换来自中国的各种零部件。目前我们的情况已经很好了。
你们有没有看到机器人保险行业开始出现?我猜以后会需要围绕机器人建立保险模式。
是的,这挺有意思。我们还没看到这种情况。商业用户和消费者都需要这类保险。
说到机器人融资,你们会提供融资,还是让外部金融机构参与?我能不能不花3万美元买一台,而是选择租赁方案?
10. 太空中的人形机器人
是的,现在很多人都希望为我们提供机器人融资。目前这类需求大多集中在商业合同上。家庭场景也完全有可能出现这种情况。这是一个数万亿美元规模的市场,就像信用卡应收账款和汽车租赁融资一样。我们正在和全球最大的公司合作,肯定也会与不同的银行和基金合作推进。我还不确定我们会不会自己提供融资。
是啊。
你们会考虑太空领域吗?我知道我们现在身处厨房,听起来好像有点异想天开,但全世界大概只有3个人,或者4个人,有能力为物理世界训练一个价值30亿美元的基础模型。
是啊。
与此同时,已经有东西开始进入太空了,不只是搭乘Elon的火箭,也有其他火箭。如果Eric Schmidt把需要维护或更换的东西送入太空,他手上却没有那个物理世界的基础模型。
所以太空里可能会有这些人,但也会有我的模型在控制别的东西。
是啊。
但那个物理知识模型是一个价值高得惊人的核心要素。
是啊,你这么问还挺有意思的。AI这波发展来得太快了。我创办Figure时,我们叫Figure AI。我们的使命是推动机器人领域的AI发展。我整个规划就是AI和机器人会融合在一起,而且会产生巨大的力量。我原以为这可能要等10年或20年才会发生,结果第二年就发生了。
而且深度学习也开始奏效了。我们还谈过一个重点,就是努力进入太空。
这是我们内部非常感兴趣的一个领域。过去6个月里,我们就这件事聊过几次。有一组人告诉我们,把一个人送入太空去工作,每小时要花数千万美元。
是啊。
我们当时就想:“哇,这也太离谱了。”
而且一旦出事,对公关也非常不利。
完全没错。
我觉得人形机器人很适合做这件事。
确实。
这正是人们反对在太空部署数据中心和其他设施的原因:维护。派个人形机器人过去做维护就行了。
是啊,没错。在太空里飘来飘去,该有多酷?
我们这边有个太空团队,他们问:“你们的产品在这些、那些方面达到太空环境的防护等级了吗?”我当时就说:“天啊,完全没有。”
关节还得能耐受真空环境。
是啊,没错。他们说:“我还有很多工作要做。”坦白说,我们还没准备好。
你曾非常明确地说,Figure不会做国防项目。现在还是这样吗?
是的,还是这样。
我尊重这个决定。我觉得,一边做国防项目,一边又想把机器人卖进人们家里和日常商业场所,会很难。我觉得这对人形机器人来说实在太棘手了。
我觉得你得选一条路。我们选择民用领域,因为我们认为它的规模比军事应用大几千倍。这也是公司上下都很想解决的问题。我们想让机器人走进家庭。
我很好奇。Bird滑板车刚出现在我家乡圣莫尼卡时,人们开始砸它们、把它们挂到树上,诸如此类。等我们看到机器人在街上走动时,你们怎么保护它们不受人类伤害?
是啊,我想我们不希望机器人扇人耳光,对吧?
嗯,我问的是这个问题。社会上对技术存在很强烈的恐惧、不信任和愤怒情绪。大约18个月前,你看到洛杉矶的Waymo汽车被烧了。我能想象,机器人本身也需要防止遭到人类伤害。
我们当然不会训练机器人防御人类。如果有人想砸我们的机器人,我们确实没什么办法。
机器人上装很多摄像头。
我知道,但我们不会想办法自卫,也不会以任何方式阻止别人。我觉得事情就是这样。肯定会遇到一些这种情况,但我认为这只会占很小一部分。你也会看到这种现象,不过我觉得这是我们必须逐步应对的问题。
是啊。
后来就没再发生过。我们有点担心:会不会有一辆蓝色面包车开过来,把我们在外面的一个家伙抓走?
是啊,不过话说回来,把它拆开就行。
是啊,这挺好笑的。
很难想象有人能这样逃脱一次以上。摄像头太多了,而且一切都联网。
太好笑了。机器人在后面说:“听着,伙计,你不想这么干的。你不想在摄像头前这么干。”
我有一个2千瓦时的电池包。我可以把它点着,让这整个东西都瘫掉。别在后面惹我。
Brett不会付赎金的。
是啊,他不会付的。我之前已经问过他了。别这么干。
这是政策。
11. 机器人何时会制造其他机器人?
要是能试着劝它放弃,那肯定特别好笑。我们能聊一分钟指数级增长吗?这其实是Peter最喜欢的话题。
开始吧。
BotQ——我们可以聊BotQ吗?
那你想聊什么?
我想知道现在正在发生的指数级自我改进,相当于什么程度。物理世界里的递归自我改进(RSI)简直太酷了。你知道冯·诺依曼探测器吧?感觉它们很快就会进入这样的阶段:它们不是亲自卷绕执行器,而是控制一台负责卷绕执行器的机器,然后形成闭环。
我一直是这么描述的。我从Gigafactory得到的结论是,实际情况不是机器人制造机器人,而是机器人控制机器,机器制造机器人,机器人再控制机器。不过效果是一样的。
这就是一个闭环,产量会呈指数级增长。你看得出来。我们上次来的时候,这里只有二十来台机器人,现在已经开始大规模生产了,到处都是机器人。
而且你还说你们放慢了速度。
那机器人领域的递归自我改进什么时候会到来?机器人什么时候会制造机器人?这大概还要多久?第一台完全没有人类劳动参与制造的机器人会在什么时候出现?纯粹——全程关灯生产,老兄。感觉我们已经非常接近了。
我们还在制造很多机器人。现在有很多机器人正从生产线上下来。随着我们进入12月和1月,我们正在重新扩大产能。
那机器人领域的递归自我改进什么时候会到来?机器人什么时候会制造机器人?这大概还要多久?
第一台完全没有人类劳动参与制造的机器人会在什么时候出现?纯粹——
对,全程关灯生产。感觉我们已经非常接近了。
关键在于,每过一个季度,我们看到的进展都惊人得不得了。我得跟大家说实话:我创办 Figure 时,非常兴奋能投身于人形机器人这个难题。我觉得这大概是我能创办的最重要的事业之一。我原本打算做上三十、四十、五十年,甚至做一辈子。我没想到在 2024 年或 2025 年,我们就会看到这么多突破,而且进展会进入完全指数级增长的阶段。
我们真的很幸运。深度学习在一年后全面爆发。机器人硬件也变得非常强大。现在它已经能像我们看到的那样,完全依靠神经网络端到端地完成工作。这简直不可思议,而且还在不断进步。
大约三周前,我们把一台机器人带到一个它从没去过的客户现场。它从未去过那个仓库,也没接触过那里的一切,却一次都没训练就完成了整项任务。
是啊。
以前,只要照明变了、传送带不一样了,或者包裹组合变了,机器人就会搞糊涂。这很难,但也在情理之中:它以前根本没见过这些东西。我们用 Helix 2.5 做了更大规模的预训练,把模型带到客户现场,它就一次都没训练便完成了整项任务。如果你一年前问我,能不能在一年后做到这件事,我会说,要是能做到,那简直太了不起了,但肯定得等上五年。现在一切进步都太快了。
我们看到自己在 Figure 4 的手部以及 Figure 4 整机上所做的工作在不断推进。我们也看到 Helix 3 的进展、接入的数据量在增加、可用算力也在增加。我们的资产负债表上有数十亿美元现金,正准备投入使用。
恭喜你们。
谢谢。我觉得这肯定会在五年内实现。我们依然确信,五年内就能实现全面的熄灯制造。至于会在六个月、一年、两年还是三年内发生,现在还说不准,但已经近在眼前。
熄灯制造是指那里没有人,也不需要开灯吗?
我们称之为全面熄灯制造。我们设计 Figure 4 时,就是为了解决这个问题。我们觉得 Figure 3 的设计中有不少地方很难支持完全闭环的熄灯制造,所以在 Figure 4 的设计中把这些问题都考虑进去了。这就是为什么我们说这是 iPhone 1 时刻。我们认为,这就是那台能制造自己的机器人。
我们换个角度,反过来问。当新款手部即将问世时,现在的制造流程里有没有什么环节——比如有人操作铣床,或者加工某个部件——你觉得新手部做不了?最后一个需要人来做的蓝领工作会是什么?
我觉得没有。我以前可能会说,爬梯子以及一些需要用力互动的工作会比较难,但机器人接下来就要爬梯子了。它会一遍又一遍地爬,每天都爬。我们现在正用神经网络做需要用力互动的工作,还能搬运重达 50 磅的大箱子。我们也在卡车上卸货,还在家里做一些事,比如洗碗、叠衣服。所有拼图都已经摆在眼前了。
对我来说,终极能力就是机器人做手术。人形机器人什么时候能成为全球最好的外科医生?从熄灯制造到那一刻,大概还要经历一段进步过程。
我的意思是,我们已经看到 AI 成了最优秀的诊断医生。数据明显得惊人:现在 AI 和人类相比,每次都是 AI 获胜。下一个问题是,机器人外科医生什么时候才能出现?通过联邦学习,每台机器人都能掌握所有做过的手术案例。它不会手抖,也不会因为前一晚和男友或女友吵架而分心。它就在那儿,随时可以做手术。最令人惊讶的是,做手术的成本每小时只要一美元。
没错。地球上任何地方都能做到。
我还觉得,这辈子去看医生的经历里,有一半时候我都被误诊了。
是啊。
如果有一个由全球最聪明的存在组成的网络陪着你,就在房间里为你检查,那将不可思议。它会成为全世界每个国家最好的医生。
是啊。
我们已经走到这一步了。问题是,这些机器人什么时候能成为世界上最好的外科医生——当你需要做手术时,会说:“我不想让那个医生碰我。”
我希望机器人每次都能完美地完成手术。
是啊。
不过,我觉得这件事值得记录下来。那只手很快就会推出,我们可以展示 Figure 4 的制造过程中每一个步骤都是用那只手完成的。这是人类历史上的重要时刻。我觉得我们或许应该把整个过程的每一步都记录下来。这里有个箱子送到:打开、组装、建造。
是啊。我是这么看的,大家:我们看到一项任务,就挑出一件需要让机器人学会做的事。我们为它收集数据,训练 Helix,然后机器人就去把它做出来。
是啊。
过去几年里,我们一遍又一遍地这么做,然后就会想:“天哪,这些机器人真有本事。”可怎样才能让它们举一反三?这才是真正的问题。怎样才能让机器人只接受最少量的指令,就走进巴库开始工作,就像人类接受培训一样——可能看几份幻灯片和文件,再跟着别人学几天?
我们希望人形机器人也能经历同样的过程。这就是我们现在正在攻克的课题:怎样扩展智能?怎样让这东西做到这些?从硬件角度看,机器人的灵巧程度会达到人手的水平,而且会持续稳步提升。
如果它今年还很难拿针,明年就会越来越擅长。这一切发生得非常快,也就是未来几年内的事。
不过,我觉得那其实是高得多的门槛。熄灯制造需要证明的是:“这是制造 Figure 4 的所有步骤。随便挑一步,这台装有这只手的机器人都能完成。”
这个历史性时刻其实会更早到来,也更容易实现;要让机器人接受一个开放式任务——一个它从没想过的任务——然后自己想办法完成,门槛就高得多。但后者大概也只会晚六个月。
我学到的一件事是,这些神经网络特别喜欢数据。
它们很喜欢学习。
它们很喜欢学习,也喜欢接触各种各样的数据。就拿我们身后这条物流线来说吧,我原本以为它正在运行、包裹在移动,包裹又软又会在传送带上移动,很多情况下机器人以前没见过这类包裹。但不知为什么,它们在训练期间就是很擅长学会这些表征。我以前没想到会是这样。
我们现在正开展大规模数据采集,引入更多样化的数据。机器人正在一些它们甚至没受过训练的事情上变得更聪明。我们出去收集数据——有人拿着水管给狗冲洗,另一个人在给房子刷漆。我们把这类数据拿来训练后,机器人叠衣服的能力也会变强。
是啊。
这太不可思议了。数据的多样性——我们在 LLM 和预训练中也看到过这一点——对神经网络学习关于我们世界的各种表征非常有益。
你觉得——我不知道这能不能量化——有多少属于通用物理知识,也就是对物理世界的认知;又有多少是:“好,如果我要训练你做某种特定手术,就需要只针对那种手术的精确数据”?人们自动化这些事情时,想的全都是各自狭窄的专业领域,但我们以前从来没有过通用型神经网络。
我们在狭窄的专业领域里已经做了两年,这就是我们一直在做的事。可以说,我们在这些狭窄应用场景的后训练方面,可能是世界上最强的团队。
人形机器人真正需要具备的,是能非常迅速地适应各种它从未见过的事情。比如在 BotQ 或者手术场景中,你希望只需做很少的演示,机器人就能完成工作。这意味着它进入任务之前的基础能力——也就是机器人还没接受任何手术训练时——就应该对自己该做什么、该怎么做有不错的理解,只要给它一个提示就够了。然后再告诉它更具体的信息:“我需要你完成这个任务,然后到那里做这件事,看着我做;这里要按这种方式完成。”这样机器人就应该能把工作做好。
它需要对如何做这些事情有良好的基础理解。一个人走进来,准备迎接自己在 Baku 的第一天。他是个能力很强的人,能通过口头提示或别人示范来学会一些东西,也能理解并迅速掌握其中的概念。
对我们来说,重点已经不是那些狭窄的能力峰值,而是大型语言模型所具备的广泛智能。在此基础上,可以对机器人进行微调,让它们成为手术、物流或某项专业任务中的最佳者。但它们也应该足够通用,能做大多数事情。手术机器人进来后,应该不经训练就能很快去给你拿杯咖啡;但要做手术,它可能需要专门训练。
咖啡机器人——我最喜欢这个。上次聊到时,你们刚准备建设制造工厂。现在进展如何?
是的,我们现在正在推进。我们还没有对外公布任何消息。按我的估计,Baku 目前的产能无法满足未来需求。我们或许能让隔壁的 Baku 工厂以满负荷运行,每年生产超过 4 万台,分布在四条生产线上。如果我们能突破接下来的几个关卡,我认为潜在需求可能是无限的。
我能想象得到。你觉得 Figure 4 会成为第一款大规模量产的机器人吗?对 2030、2035、2040 年有什么预测吗?我的意思是,需求几乎是无限的,这点我相信。你梦想中的数字是多少?
我们看到了一条可行路径:如果能解决目前正在攻克的一些难题——这条路确实很难——我们就能相当快地把单个工厂的年产量扩大到 100 万台。但这取决于我们能否攻克目前正在解决的第三章中的一些问题。
我记得我们聊过这件事,我当时问你:“你认同 Elon 对 2040 年的预测吗?那时地球上的机器人数量会超过人类。”我记得你认同这个市场规模的可能性。
我相当确信,机器人的数量会远远超过人类。
是啊。
没错。你当时说,即便按 30 亿来估算——商业劳动力人口有 32 亿——这个数字大概也会增长到 50 亿至 80 亿,甚至可能达到 100 亿。然后每个人都会至少想要一台机器人,这样大约就是 80 亿。总的来说,人形机器人规模大概会达到 200 亿。
它们会无处不在,做各种各样的事情。就像你说的,它们每小时的成本会是 1 美元。只要还有工作要做,你就会让它们随时待命。我们现在看到的一件事,将有助于这种指数级增长:所有公司都是围绕人类劳动力来搭建的。即使我们能进去自动化某条包装线或某个制造环节,仍然会受制于其他按特定班次运行的人工作业流程。卡车不会在某些时段进场,所以我们没法一直干下去。到最后,真的就没有包裹可以搬运了。
如果你全天候运转,就会出现这样一段时期:你进场做真正有用的工作;而另一段时期,你进场后把整家公司从头到尾彻底自动化,让它全天候运转。
是啊。
这又是向前迈进了一步。我们还从未见过这样的世界。我认为,仅在第一阶段,世界就能容纳 200 亿台人形机器人。但当整个物流和供应链公司、医疗保健机构以及数据中心都能在熄灯制造的模式下全天候运转时,情况就完全不同了。你基本上是在打造全天候运转的整个经济体系。我认为我们会生活在一个截然不同的未来。
这就回到了你和我跟 Elon 谈 UHI 时提到的那个观点:当机器人真正能大幅降低一切事物的成本时——比如建房子、做你需要的任何事——价格都能降到每小时 1 美元。
这能为地球上的每个人创造富足,这是一件很美好的事。
是啊。这会带来相当强的通缩效应,太棒了,也会让各地的财富都增长。我们有次深夜聊天时,你提出了一个很有力的观点,我想再聊聊。你说这里有一个伦理和道德问题:随着 AI 变得越来越强大、我们走向 ASI,它会需要有人去做事情。你不希望 ASI 命令人类去做这些事,而是希望它命令机器人。你还记得我们当时的那段对话吗?
记得。
你能展开谈谈吗?我觉得这是个非常重要的观点。
可以。我认为,机器人技术对于避免反乌托邦式的未来确实不可或缺。我觉得现在有个问题:我们是否正处于 AGI 或 ASI 时刻。数字 AI 非常聪明,但也没那么神奇。在我看来,它几乎像是搜索引擎的替代品,还不像 AGI 或 ASI。现在它并没有让我觉得像《杰森一家》里的未来世界,只是还行。它能替我完成 Google 搜索。
随着这些系统变得越来越智能,运行在服务器上的数字系统会需要搬运东西,来赚钱并在经济中发挥更大作用。未来可能会出现这样的情况:它们指使人类去做这些工作,付钱让人类替它们办事。
是啊,几乎就像奴役人类。
我们人类彼此奴役的历史已经很长了。
这也算是一种可能的结果。
已经有一些公司开始出现,让人类去做事,并按小时付钱,好让智能体能出去完成任务。在我看来,如果这里没有机器人解决方案,后果可能会非常糟糕。
所以我的看法是,在迈向 AGI 和 ASI 的过程中,应该由人形机器人来做这些工作,而不是人类。我认为这是整个故事中非常重要的一部分,而且这一切正在非常迅速地汇聚到一起。
是啊,我没听过别人谈这个。我觉得你提出了一个非常关键的观点。要避免那个反乌托邦式的未来,没有人想被机器指使。
是啊。
Peter,我觉得这已经在发生了。现在有些网站可以访问。
当然,Mechanical Turk。
是啊。智能体需要雇人替它去开个银行账户,或者帮它做点别的事。
百分之百。现在已经有很多类似 TaskRabbit 的服务在做这件事,而且发展势头很强。
我认为我们正走在避免另一种反乌托邦未来的路上,而这要归功于 Figure。不知道你以前有没有见过苏联时代的俄罗斯汽车,当时全国的人都得开同一种颜色的苏联汽车。所有人都只有同一种车型。
看看今天制造业里的机器人技术,比如 Honda Accord 的装配线:“这个机器人在焊接、焊接、焊接、焊接。”工厂末端出来的 Honda Accord 对每个人来说都一模一样,只是颜色不同。
是啊。
配置可能会有些许不同。但现在大型语言模型第一次具备了机械设计能力。这意味着,有人想到一种新型实体设备——清理排水槽的工具、泳池清洁器、陪伴机器人,或其他任何东西——可以通过氛围式设计把它设计出来,但却造不出来。
除非所有零件都用 3D 打印之类的方法制造,否则它永远无法面世。突然之间,Figure Robotics 出现了,它能制造自己;这意味着,距离它能够制造几乎任何东西已经只有这么远了。然后我们就会进入一个实体物品种类极其丰富的世界。
因为这是一条完全不同的供应链。任何能做的事情,都可以通过完全自动化的方式以极低成本完成。
百分之百。
是啊。它们只会拼命工作,除了工作什么也不做。
它们除了工作什么也不做。自从物流直播以来,那台机器人就一直在运行。它每天都在运行,现在也在运行,根本没停过。
以前是用网络摄像头拍鱼缸,现在你可以用网络摄像头看机器人在那里处理包裹。
嘿,我能问问芯片的事吗?
当然可以。
芯片。你想想看,假设有 100 亿台甚至更多机器人,而 Figure 占了其中很大一部分,或许是占主导的一部分。支撑这些机器人的算力会变得越来越强、越来越聪明。Elon 正在审视所有供应链环节,他说:“Terafab——这是我唯一能摆脱的依赖。其他所有依赖都有明确的发展路线图。”
如果我们在 9 个月前讨论这件事,当时要拿出资金投入芯片——这是一个约 160 亿美元的问题——也许还不现实。但现在你手头有数十亿美元现金,所以这突然就变得可行了。你会走这条路吗?你们在讨论这件事吗?
你打算在垂直整合这条路上走多远?
是的,我猜我们最终会——
是啊。我是说,问题在于,未来 5 到 10 年的供应情况下,我们能不能充分掌控自己的命运。
存储器、硅片,甚至每颗芯片的成本和我们能获得的算力。我们现在用的芯片可以装在机器人上,但成本还是太高,功耗也太大。
嗯。
如果你真的想要一台价格亲民的机器人,就得在里面投入很多时间。
是啊。
还有,记得你提过那个开箱时这么大的执行器吗?
是啊。
现在设计芯片的人——
他们几十年的产能都已经卖光了。
是啊。
他们不会开始考虑朝着机器人需要的方向创新。他们只会尽可能建起最便宜、速度最快的晶圆厂,能生产什么就大量生产什么,而你只能接受现状。
几个月前,我们确实和全球最大的存储器 OEM 厂商之一的高管团队见了面。我试着向他们介绍我们的未来规划和路线图,他们却说:“我们没有产能做这个。”他们所有产能都要供应手机、服务器和其他产品。哪怕一部手机的内存翻倍,也会占掉整个市场的全部产能。
而手机——
手机的供应也开始受限了。想想手机的利润空间,简直高得惊人,可它们甚至都拿不到所需的供应。
Tim 也抱怨过这个问题。他在财报电话会上说:“存储器快把我们压垮了。”
存储器确实是个问题。我们已经和几家合作伙伴达成了很不错的存储器合作,确保未来几年内部有存储器供应。短期来看,我们非常有信心能扩大机器人的产量。你问的很多问题都关乎长期发展。
正如你提到的,这需要巨额资本投入。相关技术、模型本身,以及我们构建和运行模型的方式,都在快速演进。
是啊。
我担心的一点是,芯片研发需要 2 到 3 年甚至更久。你至少得把眼光放到 3 年后,问问:“到时候设计会是什么样?”如果你 3 年前问我,今天的推理计算设计会是什么样,我的回答会完全错。
是啊。
我们现在正在做一些和 Helix 3 有关的工作,你们刚刚已经看到了。它的运行方式和我们以往习惯的方式截然不同。考虑到技术发展如此迅猛,要把我们限定在某种固定的功耗、成本和芯片架构上,确实有点难。
现在能转向更适合我们的芯片,这感觉很好。但如果把时间跨度放得足够长,我们就需要获得前所未有的大量硅片资源。
好吧,这算是个实用建议。如果把时间往前看 3 到 4 年,那是你能拿到自研芯片的最早时间。
是啊。
从现在到那时,Positron、Etched 和 Groq 正在 6 纳米左右的制程节点上取得惊人进展,这些产能目前仍然有供应。但你现在就得赶紧去预订产能。
针对你的使用场景开发的 6 纳米制程节点,远比所有 iPhone 和 Nvidia GPU 使用的 2 纳米、3 纳米制程节点适合你。他们从 6 纳米制程上根本拿不到任何进展。
是啊。
但这就是填补空档的过渡方案。
是啊。
不过,这些对话推进得非常快。挺有意思的是,在实体世界、创业领域——
是啊。
你们大概就两三个。
门槛非常高,但总得有人填补这个空缺。否则,在一段时间里,我们都会因为机器人不够而受苦。
Brett,你现在多大了?
40 岁。
40 岁。那恭喜你。我觉得——
我总算活到 40 岁了。
是啊。不,我觉得值得恭喜的是,你接连创办了越来越有价值的公司,这很了不起。我想你之前提到了那个数据。具体是什么来着?
这个数据惊人。纵观所有创业者,所有时期,在 40 岁时只有 Zuck 排在你前面。但如果只看连续创业者——
Zuck,真是见鬼。好吧,至少还有更好的消息。
不过你人更好。
连续创业者基本上就是 Jobs、Elon 以及少数其他人,他们未来改变世界的可能性要大得多。我这些年投过几百位创业者,这一点我完全能理解。如果你能成功一两次——
那你就能成功三次、四次、五次。如果只成功过一次,那可能只是中了彩票,可能只是个异数,不代表你能再成功一次。不过你现在大概已经证明自己能成功四次了。
所以从统计数据看,这类人的未来发展轨迹要好得多——我可不想给你太大压力。以 40 岁的连续创业者为例,你手头可用的资源是 Elon 或 Jobs 当年同龄时的 20 倍。可以这么说。这部分也只是时代的结果:如今能动用的资本多得多。
今天早饭时我们聊到,我觉得你注定是个做实体产业的人。这感觉就像刻在你的伊利诺伊州农场成长背景里的基因:机械。
我喜欢亲手接触硬件。
12. 与中国和特斯拉竞争
是啊。如果你早出生 20 年,就会迎面撞上“硬件很难做”和“硅谷绝不会投资硬件”这两堵墙。现在的时机简直完美,你正好赶上了。
是啊。
看着接下来会发生什么一定很有意思。我们聊聊监管吧。关于 AI 监管的讨论很多,但我在机器人领域还没看到类似的讨论。我看到美国政府对进口中国机器人设置了监管限制。
是啊,联邦通信委员会(FCC)。
我理解。不过你们开始和监管机构讨论机器人监管了吗?或者有没有听到他们的意见?比如机器人不该上街,或者在家庭环境中使用时要小心。这个领域现在发展到哪一步了?你们在为哪些情况做准备?
我觉得 FCC 禁止中国机器人这件事有点出人意料。从我的角度来说,我希望看到一个真正公平的竞争环境。
谈到竞争——我一会儿再回到监管问题——你认为主要对手是特斯拉和中国吗?你现在是这样看这个行业的吗?
我个人过去两三年没怎么看到特斯拉有什么动静。我看到过一些远程操控的机器人,但没看到任何——
你没看到这个,对吧?你看过吗?
没有,没看过。
好吧。我看到中国有很多机器人在跳舞。我们之前聊过这个:神经网络架构在字面意义上完全是 180 度相反的。如果你跟我说:“Brett,我们需要你们跳舞跳得比中国好。”他们确实跳得相当不错。那我们就得让所有人的策略转向。我们没有跳舞路线图,然后去跳舞。这完全是方向相反的工作。我们得找一批人穿上好莱坞动作捕捉服到处跳,然后再想办法让机器人重现这些动作。我们还得去森林深处,四处走动、跃过河流。
是啊,Boston Dynamics 做出了最好的机器人。
如果更直接地回答你的问题,Figure 目前最接近的竞争对手肯定是中国。那边正在做大量工作,发展速度也很快。我认为他们的发展方向和我们略有不同。
而且他们公司很多。
是啊,确实很多。
人形机器人公司大约有 150 家。
是啊。现在这些机器人基本上都不怎么样。
硬件不怎么样,他们使用的策略和模型看起来也不怎么样。不过,他们每年取得的进步确实很可观。我预计中国会继续大幅进步。我们打算击败这些对手。
当然。中国迫切需要机器人。
是啊,非常需要。
用于制造业、养老护理,还有其他各种领域。你觉得有哪些中国机器人公司做得比其他公司好一些吗?
没有特别的看法。我们关注的事情和我们认为中国关注的事情很不一样。中国似乎几乎是在比赛,看谁能展示机器人做体操的能力。我们关注的是如何把机器人送进家庭——
是啊。
——让它们进行零样本、长时序推理。
你在中国没看到这种情况吗?
你甚至——你买这些团队的机器人,哪怕是宇树的,它们的硬件也做得不好。个头特别小。开箱后,它们拿着控制器挥挥手,然后你就会想:“我还能拿它干什么?”不清楚。它们没有手,算力也就一根 USB 闪存盘那么大。基本上根本跑不了任何真正的模型。
说真的,所有做研究的团队都会给机器人背上算力背包。传感器也不怎么样。硬件基本就是用胶带东拼西凑出来的,制造工艺也不好。它们以后会造出更好的机器人吗?当然会。他们以后会造出很棒的机器人。我们只需要赢过他们。
嗯哼。
这是一场真正的竞赛。我们把所有时间和精力都花在思考长期要走向何方,并尽可能大幅、快速地把目标往时间曲线的前端推进。
我每天早上来上班,都会想着怎么做得更快,因为总有办法再快一点。各位创业者,听好了:永远有办法做得更快,而速度和敏捷性就是你们的——
你真的总能做得更快,能拥有这种机会,简直不可思议。
你甚至可以更努力地工作。如果你的工作时长翻倍,一年里大概就能把速度提高一个数量级——不对,大概是 1.5 倍,甚至 2 倍。面对中国这个整体力量,我们竞争时,这些都非常重要。
相比那些试图进入这个领域的大型工业公司,你们有创始人主导公司的优势。
你们愿意承担比几乎任何人都更大的风险。你们在探索颠覆性的战略和方法,并快速迭代。
是啊,而且你在这栋楼里走一圈就会发现,这里的人才水平——大型工业公司根本找不到这样的团队。
我是说,是啊,这里有很多小团队。我觉得,想造出真正强大的通用机器人,唯一的地方就是湾区。机器人技术几乎可以说是我们发明的。
机器人领域的深圳?
对,这里比深圳更适合。机器人技术是在这里发展起来的。AI 确实是在这里发明的。硅产业是在这里建立的。电池、电机、嵌入式软件、热管理系统、AI、深度学习——所有这些基础设施都是在这里建立起来的。这里是世界上最适合做这件事的地方。
自动驾驶汽车在中国出现之前,就已经在这里发展起来了。AI 在中国出现之前,也已经在这里发展起来了。互联网也是如此——这些东西都诞生于此。在这里长大的人一直在这些领域工作,真正了解这些技术。我觉得,我们已经聚集了一支一流的团队。整个团队都是一群狂热分子。他们非常擅长自己的工作,喜欢在这里工作,也有使命感。我们聚在这里,就是要打败这个领域里的所有人。
你是怎么来到硅谷的?你在伊利诺伊州的农乡长大,对吧?然后去了佛罗里达上大学。
对,我去了佛罗里达上大学。之后搬到了纽约市,然后创办了一家名叫 Vettery 的软件公司。我们最终在 2017 年把它卖掉了。
那时你还在纽约吗?
对,公司在纽约。它基本上是一个在线招聘平台。我们做的是双边市场,把雇主和求职者聚到一起,帮助企业招聘。2017 年,我们最终以略高于 1 亿美元的价格,把公司卖给了全球最大的招聘公司。
刚拿到那份投资意向书时,我就想:“我得……”我有几件特别想在这个世界上做的事,其中几件跟硬件有关。第二年,我最终创办了 Archer Aviation。
你是在这里创办的,还是在纽约?
我是在纽约开始的,当时就打算搬家。一开始我准备搬去洛杉矶,因为世界上一些最优秀的航空航天人才都在那里。
后来我发现,Archer 当时的工作其实不是在洛杉矶开展的。制造电动飞机,基本上就是制造机器人:电动机、电池系统、控制软件,等等。航空航天公司当时做的不是这些。相关工作都在湾区进行。这里有团队在造电动垂直起降飞机,比如 Kittyhawk 和 Airbus,而且整个地区还有一大批电气化领域的从业者。
这里还有机器人社群,所以我就搬来了。从那以后我一直住在这里,感觉很棒。Archer 基本上就是一台会飞的机器人。
是啊。
它有电动机、电池、控制系统、嵌入式软件和传感器。它是一台会飞的机器人,所以可以说,这里是世界上最适合做机器人技术的地方。也许第二名是——
我觉得第一名肯定是湾区,第二名可能是深圳。如果通用机器人最终能被造出来,你会在这两个地方之一看到它。
我完全同意。太不可思议了。假如你当年留在纽约或搬去了洛杉矶,放在今天来看,Anthropic IPO、英伟达大涨,再加上其他因素,带来了 9 万亿美元的新流动性;如果你明天早上一醒来就说:“我们昨天上了这个播客。我觉得我们得开始建自己的芯片工厂了”——
我需要 200 亿美元。
对。在这里你办得到。
对。在纽约或洛杉矶,你连这里的水平都远远达不到。
这里就是新的中心——
方方面面都是。
我在纽约待了很久。我喜欢纽约,那是我住过的最好的地方之一。我以前常想:“旧金山到底有什么特别的?我在纽约市啊。除了旧金山,它大概是美国软件工程人才第二集中的市场。”
我以前不太理解旧金山的魅力。后来为了 Archer 搬到了这里,天哪,现在我明白了。这里是世界上人才最集中的地方,而且大家都处在人生中恰当的阶段,愿意加入我们,大干一场。
其实这里是最容易吸引外地人才的地方。你要是回芝加哥或波士顿,那里的优秀人才也很多——
但你可以把任何人都吸引到这里来。如果你在奥斯汀、芝加哥或波士顿做机器人,试着让旧金山的人搬过去,可能 50 个人里只有一两个愿意。但在这里,你能招到 50 个里全部 50 个。
是啊。
做机器人需要大约 12 个不同专业领域的人一起参与。想让这 12 个领域的人都从旧金山搬走?祝你好运。这根本不可能,难度太大了。
你搬来这里时,你说的那些都没错,只是当时这里还不是世界金融中心。现在有了这么多新的流动性,这里不仅拥有那些优势,也成了金融中心——还有 Sand Hill Road。
说到这个,你曾让 Archer 上市,估值大约 27 亿美元。Peggy Johnson 刚让 Agility 上市。像 Figure 这样的公司,什么时候适合上市?你经历过公开发行之后,觉得公司需要具备什么条件?
我觉得 Peggy 选择上市是因为她——
对,她需要资金。
对,当然。我理解。我认识你很多年了,也不会替她发言,但你在 Archer 的经历让你学到了什么?你觉得上市的标准是什么?
对。
概括来说,Archer 上市是因为我们需要钱。当时我们在筹 B 轮,需要数亿美元。我们需要几十亿美元才能完成 FAA 认证,这件事非常难。我当时在私募市场上看不到这样的资金。最后我们选择了上市,募资略低于 10 亿美元。
当时这么做是正确的,但我们确实还太早了。那时公司还很年轻,不适合那么早上市。但我需要资金。于是我让公司上市;考虑到当时的限制条件,我现在还是会做同样的选择。如果我们能从私募市场获得资金,Archer 到今天可能仍会是一家非上市公司。那对业务来说会是最健康的状态。
至于 Figure,我认为我们最终会上市,在某个时点这几乎是不可避免的。上市能让我们获得合适的公开市场资金,也能通过信息披露等方式建立公众信任。
完全同意。我觉得上市对员工、流动性以及其他相关人士和投资者来说都很好。向在场的听众完全披露一下:我是 Figure 的投资人。
对。
而且还是早期投资人。
早期投资人。我为此感到非常自豪。
在我们还没出名之前。
你知道我投资的是什么吗?具体来说,我投的是你,以及你能组建起来的团队。
是啊。给正在收听的创业者提个醒:你作为连续创业者所取得的成绩,已经释放出非常强的信号;而你还把自己的钱投进公司,这让信号更强了。你组建的团队堪称明星阵容。
这支团队当时真是火力全开。
现在也是。现在依然火力全开。
就算让我再试一次,我也不可能把它重新做出来。只是地点和时机刚刚好,而且团队太出色了。整个过程很棒。
我认为我们目前的一个重点,是解决我们所说的通用机器人问题。这是一款通用型机器人。
今天我们稍微看到了它是什么样子,也稍微窥见了未来。我觉得它会变得好得多得多。
这将真正开启大规模制造,也可能随着规模扩大,带来推理和算力需求的更大增长。此外,业务增长还需要营运资金和资本支出。
我觉得我们确实希望在私下达到那个里程碑,而且我们感觉正在接近它。每训练出一个新模型,我们似乎都会问:“它就是那个吗?”然后还有一些我们想修复的漏洞之类的问题。我觉得,如今我们服务器里存着的数据,是你们今天看到的那些数据的10倍,我们可以用这些数据来训练新模型。
哇。
我觉得真的——我们即将上线的算力是现在的100倍。
13. AI 训练与算力竞赛
抱歉,我真希望能把这个数字说得更大。我觉得可能远不止10倍,数据量大概是15倍左右。我是说,我们一直在引入数据。
这些数据是从戴着摄像头的人身上采集的吗?
是的,来源有很多。基本上,我们需要关于物理世界的非常丰富的信息,这些信息可以从网上获取,也可以从网上抓取。
光靠互联网就是得不到这些信息。我们需要知道人会如何拿起这个杯子、杯子朝向怎样、手会感受到什么力量,以及手在做什么。
反馈——也就是视频——网上到处都是,但反馈中的那种感受——
是的。这非常重要。你是得不到的。
是啊,我也得不到。
所以我们基本上有一项工作,叫作 Index,是一项大规模数据采集工作。我想说的是,我们必须审核这些数据,确保数据分布合适,把数据清理、标注好,并准备好用于训练。这需要时间。数据准备好训练后,我们还得等到时机合适,准备好一个用于预训练的新检查点,然后再用这些数据训练。我们不能马上拿到数据就开始训练。
过去一个月,我们的算力有一半以上都被一次大型预训练任务占用了——占比相当高。
那你们一次大型训练任务的成本是多少?
我们现在每年在算力上花费九位数。
是啊。
是低九位数。我们的算力中可能有50%到70%用于预训练。
好。
每年有相当多的九位数资金投入 Helix 3 的预训练。规模很大。如果我们的算力多10倍,我们就会用多10倍的算力来训练。
好吧,明年夏天你们的算力会多100倍。你们要——
明年夏天——
你们要进行一次十亿美元的训练吗?
是的,我想——希望如此。我预计明年夏天,如果一切顺利,我们会对 Helix 进行十亿美元级别的训练。一切都得顺利,不过看起来——
你们会有足够的数据吗?
我们会有数据、算力和资金。要建好这些更大的集群很难。
六七个月前,我们开始采购算力。那就是我们现在用的这个集群。当时有四家供应商给出了相当不错的芯片——新款 Blackwell 系列芯片——而且我们把价格压得很低。我们谈下了很便宜的每 GPU 小时价格,条件非常好。我们签了合同,太好了,然后集群就要交付了。
几个月后,也许是三四个月前,我们又去采购了一次。我们需要把算力容量翻倍,Helix 3 需要更多算力。我们发出需求后,没有收到任何报价。我当时想:“我们得再加把劲。”于是又去找供应商,这次收到了一家针对大型集群的报价。
是啊。
然后对方在价格上狠狠宰了我们。
就像是买方和卖方各执一词。
我当时想:“刚才到底发生了什么?”我们就是再也买不到更多算力了。
我们见了 NVIDIA 团队,我说:“听着,现在所有算力都满负荷了,整个世界都处在这个状态。”今年早些时候我做过一个预测:到了2027年,你就再也买不到算力了。对我们来说,这件事在2026年9月就发生了。全球算力都用完了,根本买不到。
我很高兴你这么说。现在很多人都被误导了:“哦,AI这事被夸大了。泡沫会出现在芯片上。”
我们连 H100 都买不到。
是啊。
老款芯片我们也买不到。它们的交易价格已经高于原价了。那些我们也买不到。不过我们倒是能买到——昨天有人给我发消息说:“我搞到算力了。”我说:“太好了,我不买了。”她说:“有8个节点。”
是啊。
我说:“老兄,8个节点?我连停下来跟你聊的工夫都没有。8个节点?我需要的远不止8个节点。这根本行不通。”
全世界都缺算力,而算力又受内存限制。全世界也都缺内存。从零开始建这些晶圆厂需要三四年。NVIDIA 是获取这类芯片的最佳渠道之一;除此之外,你没法用别的东西训练。这是个非常有意思的环境。
你提到会在私募市场多待一段时间,但很多投资来自 NVIDIA 和其他上市公司。钱实际上是通过大型上市公司从公开市场来的,但这些公司过去从不投资初创企业、早期公司,甚至也不投那些规模更大、增长更快的公司。现在它们都敞开大门做投资了。
这也是硅谷式的一种创新,它让人们可以在私募市场里以很高的效率打造规模大得多的项目。
也许建一座晶圆厂就能把事情提升到新的层次,因为你刚才说,新的 HBM 内存晶圆厂要三年后才能投产。
是啊。不过看看现在有多少座在建——
它们甚至还没投产,订单就会超出产能。
是啊。
就算它们按时投产——它们肯定不会按时投产——这些预测里也没有一项考虑到人形机器人。
是啊。
它们甚至连……都没预测到——
我们确实见了其中一家大型集团的 CTO,他们说:“这些需求完全不在我们的预测里。”
不管你去哪里,无论是做机械设计的软件、太空领域还是其他什么,大家都会说:“是啊,他们还没把我的需求预测进去。”
是啊。
我们已经听过足够多这样的对话了。把这些拼在一起,你就会想:“天哪,这简直——”
再看看算力的缩放定律:用同样多的数据训练同样参数规模的模型,只增加算力,效果就会呈现对数线性关系。在这方面,你确实能看到实际的投资回报。
是啊。
我想说,老兄,这个趋势看起来离停止还差得很远。
是啊。我觉得我们对即将涌现的成果还只是刚刚起步,无论是数字系统——比如做心脏手术——还是 Figure 的产品。简直太神奇了。这些东西的规模会比互联网大100倍,会变得极其重要——
大1000倍。
我觉得我们还处在非常早期的阶段。现在还不到恐慌的时候,所以保持冷静,继续建设。
我是 Hark Pro 的用户,我想问问你:Hark 和 Figure 之间是什么关系?Hark 会成为 Figure 生态系统的一部分吗?
会。也许我可以简单介绍一下这两家公司和我们正在做的事。Hark 就在这儿的园区里,离这儿100英尺。
挺不错的。你把孩子们安排在彼此旁边。
我喜欢这样。我不用出差,随时都能待在附近,尽可能帮上忙。
Hark 基本上是在尝试打造个性化智能,可以说是 Figure 正在做的事情的数字版本。
对。
14. Hark AI、新设备与人机交互的未来
我们在电脑操作、语音、记忆、视觉以及其他一些方面做了很多工作。我们正在内部开发自己的 AI 设备,对此我非常兴奋。大约一个月前,我们推出了 Hark Pro,也就是 Hark 的数字版本、非硬件版本。现在上线大约一个月了,发布效果非常惊人。
我们对硬件非常感兴趣。我们认为硬件会让整个事情的规模扩大10倍。我甚至一度在犹豫,要不要在硬件发布之前推出任何东西。他们说:“好吧,先把一些东西推出来。我们觉得现在开发的模型已经相当不错了。”我自己其实一直在用,而且最近一段时间我用的全都是它。我当时想:“那就发布吧,看看效果如何。”结果简直太惊人了。
我们现在的注册用户已经超过 120 万。自上线以来,大概已经有近 500 万次浏览器会话。使用量正在飙升,甚至高到上周我们不得不限制一些国家的使用,只因为我们——
是啊。
总之,这很好。我们正在开发模型和硬件。目前,我们非常专注于一个领域:实时语音到语音。你离开时和机器人交谈,它们用的就是 Hark 的实时语音到语音模型。我们正在对它做很多改进。我认为实时语音到语音将会是——中非常重要的一部分
同意。
——机器人 UI 层。
没有第三方组件吗?实时语音到语音完全是内部开发的?
我们的语音到语音模型是自己开发的。
很多人都在其他东西的基础上演示语音到语音。
这和我们谈中国机器人时说的非常相似。拥有垂直整合的系统,效果差别简直是天壤之别。
我能跟你说说语音到语音吗?如今的语音到语音体验其实挺糟糕的。硬件还不适合它。我们不会把它当作主要功能,只是偶尔在车里用来交谈。它还不够像人。它不擅长调用工具,比如去查找信息。它的低延迟表现也不太好。有时你打断它,它都听不见。
确实还不算特别好。
Figure 和 Hark 都坚信,语音才是机器人和实体 AI 硬件合适的 UI 层,也是默认的交互层。
所以我们全力投入语音。我们真的很想把它做好。我们正在 Hark 推进这项工作,也和 Figure 合作。Figure 是 Hark 的第一个测试用户,所以我们已经用了 5 个月。我们不会强迫大家使用,但如果他们愿意,也可以在公司内部使用 Hark。内部的使用数据可以说非常亮眼,这让我们很高兴。它提升了公司各个部门的生产力。
我们也在 Hark 推进更大规模的多模态预训练。我们认为这对这个领域非常重要。
显然,Figure 一直在研究如何让机器人生成动作预测。我们在一些领域进行了很多合作。
我在 Moonshots 团队里一直打着一个赌,尤其是和 Alex 打赌。Elon 众所周知地创办了 xAI,后来 SpaceX 收购了它,然后还有 X,等等,把这些公司整合到一起。我赌 Figure 最终会收购 Hark。
我大概会做出不同的猜测。别把我的话当成定论,但我赌 Hark 不到 6 个月就会比 Figure 规模更大。
不到 6 个月?
也许不到 90 天。
你认真的吗?从营收角度说?
从营收角度说,Hark 已经比 Figure 大了。我们的增长势头非常猛,Hark 的数据也非常亮眼。我们即将在硬件方面推出一些非常重要的产品,也将签署一些规模很大的商业协议。
因为 Hark 是数字业务,我们的扩张曲线可以和机器人业务截然不同。不过听着,这只是我的猜测。我们现在没有任何相关安排。我确实能想象,下个月 Hark 的规模就可能超过 Figure;再往后某个时候,也许 Figure 又会变得更大。我也不知道。
这儿一万亿,那儿一万亿。
我想做 Hark,是因为我一直在做人形机器人,而我们本质上是一家 AI 公司。我们想打造能装进硬件里的 AI 大脑。硬件只是 AI 的分发渠道,是它走向世界的载体。
我当时在试用 ChatGPT 和其他 AI 产品,觉得它们都太笨了。我当时在和一个聊天机器人对话,它就像是 Google 搜索引擎的替代品。
那不是我真正想要的。我想要的是一个无论我去哪儿都能陪着我、非常了解我、能访问我的账户并能替我办事的东西:替我交房产税,趁我还没忘之前提醒我某件事,帮我预订行程,或者在我授权后,花很长时间帮我处理更复杂的事情,几乎就像 Jarvis 一样。那时候没人正在做这样的东西。
我启动了 Figure 的 B 轮融资,也感觉到那些人对把这件事列为公司内部的重大优先事项并没有真正的兴趣。我还觉得,如今消费者使用 AI 与电脑和手机互动的体验非常糟糕。
我坐在这里想:“好吧,我正处在自己作为建设者的黄金时期。我在努力更多地理解 AI,也对 AI 的数字形态着迷。”即使是坐到电脑前用电脑,也像是有个小型人形机器人在移动鼠标和键盘,努力让一切运转起来。我个人对此非常着迷,所以花了很多时间研究它,理解这个领域的深度学习是如何运作的。
后来我想:“我可以坐在这里看着这一切发生,也可以亲自去做,走出场边。”我决定,加入进来,帮助打造我认为世界确实缺少的东西,会让我成为更好的创始人和 CEO。我觉得它会非常特别。
你知道那些描绘一生中见到孩子和父母次数的图表吗?曲线先上升,然后一路下降,直到生命结束。我觉得机器人领域也会有这样的图表,像 Hark 这样的产品肯定也会有,不过它的曲线会一直上升到终点。
你走到哪里,世界上最聪明的人都会陪着你,而且它会和你有同样的兴趣。
还能帮你办事。
不过还得值得信任。这是关键。Figure 和 Hark 的共同点是:要想让它发挥作用,你必须把自己最私密的信息交给这个实体,并信任它。
我们每天都会告诉团队:“你掌握着一个人的全部日记。”我们需要达到一种前所未有的安全和隐私保护水平。在 Hark,我们努力从各个方面保护这些信息,这让事情变得非常困难。我们不能像其他公司那样通过广告和其他方式来推广产品,因为我们尽可能优先保护消费者的利益。
祝贺你们实现了惊人的增长。你们是什么时候宣布推出 Hark 的?
Hark 现在已经成立一年多了,我们在一个月前推出了 Pro。Pro 上线到现在大约一个月了。真的很棒,伙计,我每天都在学习。
AI 还处在非常早期的阶段,有点像回看 1999 年的互联网。当时的互联网还不太成熟,但一切都在开始萌芽。现在也一样,所有东西都在萌芽。一度在过去 6 个月里,我觉得 Hark 入场太晚了。现在我意识到,我们其实还很早。
我们这周会公布 4 或 5 项相当重要的产品消息。今天早上我们已经发布了一项。至于进军硬件,我们在 Hark 的实验室里已经有硬件了。伙计,这简直太疯狂了。
所以是外围设备?
你说的硬件,是指 Hark 眼镜吗?
我能说说我对设备的看法吗?我认为 AI 设备有两个不同的领域。一个是 AI 设备的核心主设备。以如今的消费电子产品来说,就是手机和电脑:每年大约有 10 亿台。它们处在正中央,是核心产品、主要平台。在它们周围,还有各种配件设备,比如 AirPods、手表、眼镜,或者其他东西。我认为 AirPods 占苹果营收的 3%。
苹果并没有因为 AirPods 而兴奋不已,但它是一个重要的平台布局。他们真正感兴趣的是电脑和手机。这才是核心。
接下来会发生的是,AI 设备会取代处于核心位置的那些设备。它们将会是年出货量达 10 亿台的设备,而且会远胜于今天的手机和电脑。
然后,就像现在一样,外围还会有配件设备。这些设备只会贡献个位数百分比的营收,而且只有搭配核心产品才能使用。
如今我们在 AI 设备领域看到的还只有配件,比如 Meta 眼镜,简直糟透了,还有其他一些外围产品。它们现在用起来不顺畅,是因为要通过你的手机等主要平台进行交互。你的 iPhone 从根本上说永远无法和 AI 设备实现良好的交互。如果你试试 Meta 眼镜,它需要你手机上的 Meta 应用保持打开,否则就无法连接网络。
即使这样,体验还是糟透了。这可能是我用过的最差产品之一。
你对这件事的真实想法到底是什么?
咱们说实话吧。我看着 Spectacles,感觉自己像是吃错了药。没人会戴这种东西。它们不知怎么越做越大、越做越丑。不过对我们来说,得把它做好。
理想的 AI 外围设备应该是什么样子?
我们不会告诉你。我们正在做这件事。
我们不会告诉任何人。
我觉得最贴切的类比是——
但你对它最终会变成什么样有个愿景。
我们实验室里现在就有这套硬件。
不错。哇,真的吗?
是的,我们现在就有。就在隔壁的实验室里。我每天都在用。
哦?它有窗户吗?我能看看吗?
这太不可思议了,伙计们。这东西会非常惊艳。
你们在和 Jony Ive、OpenAI 协调吗?你们会互相交流吗?
没有,我们完全没有协调,也完全没有交流。我们大约两年前就把他们解雇了。
好吧,怎么回事?这里有什么背景故事吗?
他们加入进来——我见了 Sam——他们领投了 Figure 的 B 轮融资,并与微软共同领投。后来他们加入了董事会,我们在内部一起做了大约一年的工作。目标是把通用智能构建进机器人里。我参加了每周的所有会议。我们有一整支团队专门做这件事,他们也有一支专门团队。我们说:“太好了,那就每天来 Figure,一起大干一场。”他们说:“没问题。”结果他们从来没来过办公室。那里离旧金山太远了。那边很吵。我们身上沾满油污,环境也吵,我们还在造机器人,但他们就是不肯来。我们没法让他们过来。
我想:“好吧,那就办个大型活动,把你们请过来。”但我们就是没法让他们来到办公室。每周我都会看我们取得的进展并分享给他们,再看看他们做了什么、分享给我们什么。进展完全不成比例。我们的进展是他们的 10 倍、100 倍,而且我们把自己做的所有东西都分享给了他们。
与此同时,他们却在和微软分享。
后来,看到我们的成果后,他们显然又很想重返机器人领域。这只是我当时——
Jony Ive 是什么时候加入 OpenAI 的?是在这件事之后吗?
我觉得 Jony 没有在 OpenAI 做人形机器人。没人知道。我猜他在做 AI 设备。我不知道他是不是在做——
iPhone 杀手。他们现在不敢这么说,但那会是一种内置 AI、极具吸引力的设备。你的观点是,未来会有一个核心设备。你的个人信息不会无处不在;你只会信任有限数量的核心设备。我觉得他们想让那款设备成为核心,而不是 iPhone。显然,你对 Hark 也有同样的愿景,所以我能理解这两者怎么会——
听着,它肯定不会是 iPhone。iPhone 会消失。
好,那我们就在这里宣布:苹果开始走下坡路了。
就这么说吧。按最极端的情况来看,10 年后我们不会再用传统手机。
是啊。
这一点我们都知道。
苹果现在确实面临挑战,因为他们一直靠 iPhone 顺风顺水,而未来会有十几个不同方向的挑战者。
是啊。
我一直以为有一天醒来,会看到 Tim Cook 或 John Ternus 举办一场紧急公关发布会,基本上会说:“嘿,我们买了价值 1000 亿美元的 GPU,集结了全球顶尖团队。我们要全力投入预训练。与此同时,我们会使用其他模型。这将成为长期体验和我们与消费者交互方式的核心,所以我们必须自己掌握它、理解它,并把它嵌入产品中。”看到他们什么都没做,真是不可思议。
大概一年前,事情就已经发展到几乎无法扭转的地步了。
你这么认为?
肯定。他们已经失去了太多势头。
是啊。你会想把硬件和模型放在一起共同设计。你确实应该把这些 AI 设备看作纯粹的交互界面。它可以是植入大脑的脑机接口,也可以是我们现在正在研发的语言设备。这只是通往对方原始智能的界面;这种智能会像人一样,而且只属于你。它们需要共同设计,不能只是随便塞进去就行。
我对 BCI 非常感兴趣。我认为从长远来看,它是 AI 交互最重要的方向之一。我现在投资了 4 家相关公司,昨天还开了几场会。这让我大开眼界。我们正处在一个临界点,很快就能实现鼠标控制。
是啊。
然后是人类控制。
是啊。
然后世界就会改变。
是啊。这太酷了。我们找个时间聊聊细节吧。
我很乐意介绍一些人。有家公司特别棒。
是啊。我觉得我们正经历一个超越当前阶段的新阶段:语言设备阶段。我认为之后会进入脑机接口,以及与大脑对齐的阶段。我觉得这会非常重要。我期待 Hark 能一路参与整个过程。
我觉得传统电脑和手机即将迎来一轮升级换代。我在公司内部用过一些产品,可以告诉你,体验会非常出色,也会好得多。
是啊。
20 年来我们都没变过。
确实已经 20 年了,现在我们只是把 AI 塞进去。交互界面还是非常被动。你必须自己操作手机。我们已经造出了这样一种东西:它能思考、使用电脑、和你说话、看东西,还能建立持久、近乎完美的记忆。你会希望能实时与它交互,并且无论走到哪里都带着它。如今世界上还没有这样的东西,但很快就会有。太棒了。
AI 之后,交互界面就是手机。基本上你把手机当相机用,而相机本身只值 3 美元左右。
那我为什么花了 1500 美元?买到的不过是个 3 美元的相机。
手机已经很棒了,只是接下来还会再上一个台阶。会很不错。
是啊,早该如此了。最后我们聊聊监管吧,我很好奇你的想法。Bernie Sanders 等人说,我们必须叫停、放慢脚步,阻止 ASI。我想也会有人提出类似的说法:“放慢脚步,我们不需要机器人出现在街上;这对市民不安全。”你怎么看?你们有讨论这些问题吗?公众在这方面真的应该担心吗?
我可以谈谈我们的计划。我们的计划是推出一款质量过硬、在市场上表现出色且安全的产品。我们不想让机器人到处蹦来蹦去、做不安全的工作,也不想过早发货。我们现在正循序渐进地推进。我们去年首次实现商业交付,今年交付量还会更多。
你有没有看到任何迹象表明,监管机构开始像谈超级智能那样谈论人形机器人?
我们确实没有公开看到这种情况。即使是一些风声,过去 90 天里我们唯一听说的也就是 FCC 禁止中国人形机器人。除此之外,我们没有收到任何相关消息。
这对我来说也有点私人层面的意义。我不会每周飞去华盛顿特区,想方设法插手这些事。我真的想待在这里。我就在这里。
很好。
我在这里努力建设,无论如何都想造出很棒的机器人。机器人一定会到来,而且会造福世界。我对 AI 也是同样的看法,它会带来巨大的好处。如果有一天人类醒来后决定不想要 AI 了,我们完全可以关掉互联网,直接把它关了。但我们不想那样做。AI 会对全世界非常有帮助。
总会有 Bernie Sanders 这样的人,但对我们来说,我们只专注于这项使命:努力造出机器人并把它们交付出去。
我们每天都在这里努力把这件事做好。
我想问个问题,鼓舞一下所有创业者。我从小也是 Steve Jobs 的忠实粉丝,也常常想,他这一生本来还能做多少事。但在那个时代,你一次只能做一件事,而且没人拥有超级投票权之类的东西。
后来 Google 出现了,再后来 Zuckerberg 出现了。时代转向了创始人掌控公司的模式,他们可以更大胆地推进商业计划。这在硅谷行之有效。但后来 Elon 出现了,又重新定义了这种模式,让一个人可以同时做多件事。
这对 Figure 和 Hark 来说都极其成功。你刚才说,9 个月后 Hark 可能会比 Figure 规模更大,这简直令人难以置信。
我记得你说的是从今天起三个月。
从今天起三个月。
我是说,Hark现在势头正猛,各位。进展非常顺利。我们拭目以待。
你们还有另一个项目,关于校园安全。它的规模不会超过另外两家公司,但对世界很重要。
是的。它也在同步推进。
如今创业者的力量比史蒂夫·乔布斯时代大得多,更不用说扎克伯格时代了。我觉得这真的很鼓舞人心。你觉得如今一位20岁的创业者能追随你的脚步吗?还是说AI会让一切都为时已晚,机会已经错过了?
是的。有件事我得说,我已经累得快不行了。三个孩子,三家公司。我很开心。
你看起来——
我只是——整整一年,我每晚都在这里。天啊,真的太难了。但这是我人生中最美好的时光,而且我绝不想再来一次。一切进展都很顺利。
听着,下一代会很出色。一切都会以AI为基础。你只要通过——就能打造任何类型的硬件。
提示词就能做出产品。
没错。只要开口说就行。机器人——那会非常酷。如今AI最缺的就是想象力,而我们会受限于这种想象力。这正是创业者最擅长的,对吧?他们总会随身带个小本子。我现在还留着一本,记下我能想到的所有商业创意,直到今天都还在保存。创业者很擅长产生创意、思考未来。对于后来接踵而来的每一位新创业者来说,这都将是一个没有边界的机遇。
这或许会成为历史上最适合创业者的时代。如今这里已经形成了创业生态。那时候我刚毕业,根本无法想象自己会去创业。没人会那么做。
我工作了几年才开始创业。我真希望自己能更早开始。如今你可以这么做,也能为此获得资金。有孵化器,也有很多人想去初创公司工作。这很有意思。围绕创业还有一个完整的社群,这也会推动未来的创业者走得更远。
是啊。我喜欢开玩笑说,我们都被承诺每周工作三到四天,结果却发明出了每周工作十天。
我是说,伙计,我喜欢工作。咱们就实话实说吧。
活在当下,这是有史以来最令人兴奋的时代。
我喜欢埋头苦干。我觉得跟我一起工作的每个人也都喜欢。我们有很多团队都喜欢努力工作。在硅谷,这已经成了一个不受待见的词。很多人来到这里会说:“你们是我见过最不像硅谷公司的硅谷公司。”我们努力工作,周末也来,晚上也干。我们喜欢这样。
现在这样的人已经不够多了。我们面试时会问:“你休息日有什么安排?”还有“你在家办公吗?”我们这里没有这些。你每天来这里,和我们一起工作,我们也会和你一起干。我的巴库团队没法在家办公。
他们每天都得在线上工作。
是的,我们也一样。我们也得在线上工作。总之——
你们正在打造的东西,比几乎任何一份日常工作都酷得多。一天结束时,看到自己亲手造出的东西,肯定会更有成就感。我之前也没想到,机器人在办公室里走来走去,会让整个办公环境提升这么多。
好太多了。
真奇妙。不知怎么的,它就是给整栋楼都注入了活力。
一年后我们再回来,做一期Figure 4回顾。
你回来时,Figure 4会安排好一切,帮你办理登记,给你拿水和咖啡,带你四处看看、参观一下。然后我再来接受采访。
好啊,我们也让Figure 4参加采访。
说真的,Figure 4可以代我发言。
那太有意思了。
你懂我的意思吧?
伙计,太感谢你了。
谢谢你邀请我来。
好。等我们关掉摄像机,就去Figure 4那里看看你的秘密设备。
好极了。
那就说定了。