新一代人形机器人 Figure 02 登场，号称“地表最强 AI 硬件”，能对话会学习，无间断打工 20 小时_AI阅读总结 — 包阅AI

作者｜Jessica
邮箱｜JessicaZhang@pingwest.com

今年3月把GPT-4装上身，像科幻片里一样会“看听说”的机器人Figure 01，又出来硬控硅谷热搜了。

早在5天前公司推特账号就发布预告，即将官宣下一代人形机器人Figure 02。

今天凌晨，充满未来感的demo如期而至：

视频中可以看到，Figure 02的外观已焕然一新：从上一版闪银色铬金属皮肤换成了炫酷哑光黑，曲线也更流畅。演示背景脱离了实验室，来到南卡罗来纳州斯帕坦堡的一处宝马生产线上。

Figure 02展示着灵巧的手指和躯干关节，在工厂里行走，使用神经网络技术自主学习拿取和装配汽车零件。

据Figure AI称，此次工程和设计团队“从零开始完成了硬件和软件的重新设计”，在人工智能、计算机视觉、电池、电子设备、传感器和执行器等关键技术上取得了重大突破。

主要特征包括：

• 语音对话：通过机载麦克风和扬声器连接到定制的AI模型，能与人类进行对话

• 摄像头：AI 驱动的视觉系统由 6 个机载 RGB 摄像头提供支持

• 手部：第四代手部具有16个自由度，与人类力量相当

• 机载视觉语言模型(VLM)：使机器人摄像头能够快速进行常识性视觉推理

• 机载电池：机器人躯干内的2.25千瓦时定制电池组，提供超过50%额外能量

• CPU/GPU：与上一代相比，机载计算和AI推理能力提升3倍

公司CEO兼创始人Brett Adcock表示， Figure 02 的概念设计评审是在去年 2 月，历时 18 个月完成，自豪称之为“地球上最先进的 AI 硬件”。

并高调回应马斯克2月底的宣战：

他也进一步透露了部分主要技术细节：

首先是语音对话推理。Figure 02 延续上一代，可以通过内置麦克风和扬声器与人类进行语音对话。这一核心功能依托于与OpenAI合作训练的定制AI模型，能够理解、处理并回应人类的语音输入。机器人以语音作为默认操作界面，意味着用户可以像跟人交谈一样自然地与Figure 02互动，而无需依赖传统的按钮或屏幕界面。

得益于机载视觉语言模型（VLM），Figure 02能通过摄像头”看懂”周围环境。进行快速的语义理解和常识性视觉推理，并做出智能判断。例如物体识别、场景理解，甚至洞悉人类的行为意图，显著增强了机器人在复杂现实世界中的适应和交互能力。

此外，Figure 02机载CPU / GPU的计算和AI推理能力是上一代产品的3倍。这一重大提升使其能够完全自主地执行现实世界中的AI任务，而无需依赖外部资源。

除软件外，Figure 02在底层硬件上也进行了几大升级。

电池配备上，Figure 02采用自主设计的2.25千瓦时内置电池组，对比Figure 01 能提供超过50%的额外能量。显著提升机器人的续航能力，实现每天长达20小时的有效工作时间，接近全天候运行。

创新的集成布线系统看似简单，实则是一项复杂的工程挑战。这种设计减少了线路故障的风险，隐藏式布线更美观和安全，紧凑的布局也优化了机器人的内部空间利用。公司还开发了定制的线缆端口和连接器，进一步提升Figure 02的整体可靠性。

6个分布在头部、前躯干和后躯干的RGB摄像头，以及 AI驱动的视觉系统，赋予Figure 02超越人类的视觉能力。这种全方位的摄像头配置实现了360度环境感知、精确深度感知和细节识别。结合先进的AI算法，使Figure 02能够快速理解眼前的复杂视觉信息，做出相应行为判断。

为了提升刚性强度并防止撞击负荷，Figure 02 还被设计成类似飞机机身的外骨骼结构：即外壳不仅用于保护内部组件，还用于提供结构支撑。与传统的内部框架相比，外骨骼可以更有效地利用材料，在不牺牲强度的情况下减轻重量，提高能源效率和移动性能。

还有一大亮点是Figure 02的第四代机器手。完全仿照人手的尺寸和功能设计，具有16个自由度和与人类相当的力量。Brett Adcock称这种设计涵盖了机械、电气、控制和传感器等各个方面，展现出的高度灵活性和强度，使手部能够执行足够广泛的人类任务。

根据Figure的控制总监Michael Rose和硬件总监Vadim Chernyak介绍，Figure 02有高达几千个部件，为了便于制造，腿部和电池等都是可更换的。

不仅如此，在Figure 02此前的预告片中，还透露出其扭矩等级高达150牛顿米(Nm)，这一指标直接体现机器人在搬运物体时的力量。更引人注目的是，Figure 02运动范围(ROM)可达195度，在机器人技术领域堪称一项重大突破。

所以尽管外界一直传言，Figure AI自从上次拿到OpenAI、微软、英伟达的6.75亿美元B轮融资后，产品研发就进入难产期，起码表面上，它还是把第二代机器人给推出来了。

英伟达高级研究员Jim Fan说，“恭喜 Brett！制作高自由度灵巧手的决定绝对是正确的。”

网友Lorenz S说，“这竟然将是最差的一次。想象一下 Figure公司15 年后的样子….”

Brett Adcock也回复道，“这确实是件神奇的事，每天都在变得更好。我们没有哪一周不在进步，接下来的 18 个月里你会看到更多的激进改进，因为这将越来越多地转向软件发展。”

有人提问Figure 02的重量和行走速度。Brett回答说，虽然外骨骼减轻了质量，但由于在另一端增加了电池、摄像头、CPU/GPU，因此净重增加到 70KG。

对于速度则未做回应，大概是因为看起来，就很慢…

这个步态也成了被网友们开玩笑的槽点之一。

“一切都很酷，直到它开始走路。”

“是啊，就像拜登 02。”（嘴可以说是很毒了…）

还有自带放大镜的，注意到视频里机器人胯部的伤痕。

一些更不买账的网友认为，Figure 02的宣传片更多借鉴了消费电子产品视频的风格，而不是机器人实际工作的原始演示。换句话说，现在对于一些足够有钱的公司拿出足够fancy的demo这件事，不少人已经逐渐有了免疫力。

“我没有看到你所说的那些重大功能：它没有显示出能够听到命令，没有随机与人交谈，没有展示推理能力，也没有在工厂进行任何实际工作。你什么时候展现公正的测试演示？”

“当今 AI 公司的一个常见现象是，在技术演示中过度承诺以吸引投资者，实际中却大大低于预期。这家公司又有什么不同？”

另外也有人认为在工业制造用例中，人形机器人并不是最优解。

“在工厂里使用这些技术和工程是巨大的浪费。视频中的任务完全可以用机械臂完成。应该将 Figure 02 投入到例如商店上货架，帮助老年人做饭、打扫卫生这些任务上去。”

Figure AI几个月前开始与宝马进行试点合作，在汽车生产线训练和收集数据。通过每秒200次的像素采样到动作神经网络中进行学习，以证明其在工业级环境中的应用潜力。

加上集成了OpenAI最先进的大模型，使其超强的语音对话和视觉推理能力成为业界一大卖点。Brett曾表示，他的目标是在未来2~5年内将自主双足机器人推向市场。

当然，Figure AI并非现在唯一角力通用人形机器人赛道的公司。

去年年底，亚马逊和Playground Global投资的Agility展示了利用生成式AI改善人机通信的工作。其双足机器人Digit根据自然语言指令，成功执行了“把达斯·维达光剑颜色的箱子移动到最高塔上”的任务。

马斯克负责的Grok AI和Optimus项目也在快速发展中。并预测Grok将借助来自X、特斯拉汽车和Optimus机器人的实时数据，成为世界最领先的AI系统。同时Optimus机器人也已经在特斯拉设施中执行任务，计划在2026年开始销售。马斯克设想，未来将有百亿个Optimus机器人与Grok AI互相训练，进一步提升整体实力。

此外1X、Boston Dynamics、英伟达、谷歌也都在积极训练自己的智能机器人项目。

科技巨头和创业公司疯狂涌入，频繁刷新投资记录。无论是对生成式AI新技术的追逐，还是对错过下一个风口的恐惧，亦或是对解放生产力和探寻人机交互智能边界的渴望，人形机器人无疑是未来科技的重要方向之一。然而，各种视频中展示的高度灵活性和智能背后，其成本效益和复杂性、在真实物理环境中的实际表现、以及商业化产品周期仍是一个未知数。

这让Figure 02的亮相相比起技术展示，更像是一次对同行的震慑，和对公众、特别是投资人的交代。

又或许像CEO Brett Adcock说的那样，在完成硬件创新后，未来18个月将有越来越多的软件升级，带来更多“激进”突破。拭目以待。