劳动力占 GDP 一半，Figure 想让人形机器人来干活

Sarah Guo 以这轮融资的规模开场：成立 21 个月的 Figure AI 刚刚从微软、OpenAI、英伟达、英特尔和 Jeff Bezos 手中募集了 6.75 亿美元。嘉宾是创始人兼 CEO Brett Adcock，他的公司正在打造通用人形机器人，用来承担那些危险或没人愿意干的工作。节目的另一位主持人 Elad Gil 也在。Guo 的第一个问题是问履历：一个人是怎么从农场走到软件，再走到电动垂直起降飞机，最后走到人形机器人的？Adcock 说，这条路很正常。Gil 不动声色地说，他自己也是这么过来的。

Adcock 在伊利诺伊州的一个第三代农场里长大，很小就开始写代码，大约二十年来一直在创办公司：软件方面约十年多一点，硬件方面约十年少一点。2017 年卖掉招聘平台 Vettery 之后，他马上创办了 Archer Aviation，这家公司做的是全电动垂直起降飞机。按他的设想，这些飞机可以使用城市里的直升机停机坪；他举例说，从工作室送回旧金山，原本要开两个小时的车，坐这种飞机只需 20 分钟以内。Archer 现在已经是一家上市公司。

Guo 追问这件事不寻常的一面：大多数人卖掉软件公司之后，并不会去创办飞机公司。Adcock 说，他从小就接触硬件，一直想做深度科技，而他能想到的唯一办法，就是自己出资。他的动机一是交通：世界上一半的人口住在城市里，拥堵越来越严重，却没有真正的解决办法；二是他相信，除了火箭以外的所有交通工具，在有生之年都会变成电动的。他最初是依托佛罗里达大学的工程学院创办 Archer，头两年在那里建了实验室、造了飞机，之后才把公司迁到加利福尼亚。他说，从软件跨到 Archer 的那一步，比从 Archer 跨到人形机器人的那一步要小得多。

Adcock 说，这套判断从一个基本假设出发：能够造出一个能做类人工作的人形机器人，也就是有腿、有胳膊、有手。如果这一点成立，他认为它将成为全世界最大的生意，规模大约高出一个数量级。劳动力占 GDP 的一半，这使得机会远远大于整个交通运输市场。第二个论断是经济性的：在他看来，机器人每天真正做事，会推动商品和服务走向一个富足的时代。第三个论断是，在足够长的时间尺度上，这家公司有可能改变 AGI 的时间表。他说，这三点合在一起，提炼成了他能做的也许是最重要的一件事业，这也是他 21 个月前离开去创办 Figure 的原因。

Figure 真正在做的事情是商业化：让人形机器人以相当大的规模进入市场，建立机器人机队，并搭建一个 AI 数据引擎，用来训练这些机器人做有用的工作。Guo 把机器人行业的反对意见摆上台面。业内不少人认为，双足行走不稳定，人形并非多数工作的最优形态，机器人完全可以长出十条胳膊，而且更有力气。Adcock 把这个领域分成两派。要么为特定用途，重新造出成千上万甚至上百万台专用机器人；要么造一台人形机器人。

Figure 选择第二条路，原因是整个世界都是为人类建造的。楼梯的坡度、门把手、架子的高度、咖啡机的按钮，都是围绕普通人的身体优化出来的。如果人类高十英尺、长着六条胳膊，建成环境就会完全不同。他说，问人形是不是正确的形态，问错了问题。人类是一种很古怪的生物，但这就是现实存在的世界。他认为，今天即使去火星，你依然需要咖啡、需要走路、需要居住的地方，并且会围绕这些需求建造一个人类的世界。如果你想要一个通用接口来自动化工作，那么物理世界里相当于键盘和鼠标的东西，就是人的形态。

按照这个讲法，一套硬件系统可以摊薄到数百万种任务上。另一条路是今天的机器人行业：每个任务配一台专用机器人，这意味着一家公司、一个品牌、一种文化、一轮融资，还需要一支团队，掌握大约 15 种技能，而这些技能没有哪一个全栈软件工程师能单独掌握，包括固件、嵌入式软件、操作系统、转子与定子、电磁学、电池、电池管理系统（BMS）、配电、热管理、控制和 AI。Guo 指出，专用机器人正是这个行业实际的运作方式。Adcock 并不反驳这一描述，他反对的是由此推出的结论：那样效率不高，而且是一个不该用来推理的错误类比。

Guo 问，现在是不是开始做这件事的正确年代。Adcock 说，他们已经在最小可行产品的层面上证明了这个想法：21 个月之后，机器人已经能做相当有用的事情，而其中第一年主要是在招人。按他的算法，真正能稳定产出的有用运行水平，大约要到一年或一年半之后。Figure 公开展示过两类截然不同的演示。工业端，一台双足机器人把料箱从托盘搬到传送带上，全程自主、端到端完成。消费端，它能做语音到语音的推理和操作：你跟它说话，它看到场景，就能拿起一个苹果或几个盘子，或者用 Keurig 咖啡机煮一杯咖啡。他强调，这套技术栈完全由神经网络构成：语音和摄像头视频输入，推理，输出运动轨迹。

先做工业，是排序上的选择，并非对家庭没有兴趣。他认为，出货到制造业、供应链和物流领域，能让 AI 数据引擎更快成型，因为机器人能更早走出工厂大门；同时也能积累制造规模，把成本拉下来。家庭是他们非常向往的市场，但也是一团乱麻：环境非结构化，每户人家都不一样，失败的不确定性也更高。仓库里掉一个料箱，没人在乎；家里打碎一个“世界第一爸爸杯”，那就是另一回事了。安全、定价以及消费者的期待，都会变得更难应付。所以，这家公司把工厂当作进入市场的入口。

Adcock 说，创业者最怕的是技术墙，也就是一道推不过去的上限。他们现在甚至不知道这个上限在哪里，所以接下来的 24 个月让他很兴奋：他们还在找它。Guo 接着直接问时机：为什么是现在，而不是五年前？他给出三个理由，外加第四个。第一，动力系统就是电池和电机。过去二十年，电芯的能量密度和电机的扭矩密度都提高到了足以让机器人真正跑起来的程度。十到二十年前，锂离子电池包和电动执行器既无法提供有用的续航，也输出不了足够的力量。他拿特斯拉打比方：十年前，特斯拉的续航约 100 英里，现在超过 300 英里，背后是每千克瓦时数大约每年 7% 的复合增长。

第二是运动能力。十年前，双足人形机器人笨拙、缓慢，还动不动就摔倒；他以 DARPA 机器人挑战赛为例，说明为什么当时看着一台机器人，根本没法想象它会出现在家里。从注册为 C 类公司算起，Figure 不到一年就让人形机器人走了起来，他认为，这项双足控制器的工作在全世界都是最好的之一。第三是 AI：十年前，算力和算法都还不可行。第四个理由，他承认有争议，是语音成为默认的用户界面，包括工业端的开箱和初始化。人类本来就用手势和语言工作。五年前，想通过和机器人说话来设置它，也同样做不到。这正是与 OpenAI 合作的切入点。

Guo 问，他们有没有想过会撞上什么样的墙，是他们无法想象的。Adcock 的回答是：整个问题就是一堵又一堵的墙。如果你害怕这些墙，这就是噩梦般的场景，“一座墙的游乐场”。Figure 的五条公司价值观之一，是极度积极乐观。Guo 曾和他一起看过一张内部风险幻灯片：对某个零部件的风险，第二项缓解措施写的是“再冲刺一下”，意思是“我们会想办法的”。他承认这一点。到了这个阶段，“加倍努力”有时是页面上唯一的风险缓解手段。

这些风险不只是修辞。他说，人类历史上还没有人把商用人形机器人交付到市场上。门槛不止于一场演示，而是要做到相当于人类的工作，并且能在数月、数年里稳定、持续地完成，同时人类依然保持很高的生产力。这台机器人有 30 多个自由度，动作空间极其庞大，你没法为世界上每一种姿态都写一段 C++ 脚本。简短的回答是机器人学习，而机器人学习在人类历史上也没有做得特别好；最接近的真实大规模实验是自动驾驶汽车。从未量产过的硬件，加上可靠性、安全性和性能，再加上学习能力，再加上潜伏在暗处的未知的未知，这就是整个技术栈。

他们现在感觉不到上限，原因更平凡。他们能看清未来 12 到 24 个月的路线图，而那基本是优化工作：让机器人更可靠、更快。他们并不是在第一次尝试让端到端应用跑起来，这件事已经做到了，包括第一个客户的用例。现在要做的，只是让它更稳健。Guo 接着问，怎样在一年里组建一支跨多个领域的团队。Adcock 的方法和他在 Vettery 与 Archer 时用的一样，而且谈不上光鲜。

在创办 Figure 之前，他写下了使命、愿景和价值观，一份十年总体规划，以及一份公开上线的文化文档：快速行动，极度积极乐观，每周在办公室工作五到七天。接着，他把组织架构图画得非常详细：控制、AI、驱动、电池系统、运动学、集成与测试、工业设计，每个部分下面的技能组合也都列了出来，细到转子、定子、变速器、传感器、热管理和电机控制。他用第一年几乎全神贯注地打造他所说的世界上最好的工程团队。执行靠的是蛮干：找到他认为全世界最好的人，然后在六个月里打了 300 通电话，全部从冷邮件开始。前 30 到 50 位候选人，他会先确定岗位，找到合适的人，把人拿下，写 offer，写 30-60-90 天计划，挨着他们席地而坐，并且参加每一次工程会议。

关于部署，Adcock 说，随着 Figure 今年陆续交付，已经有公司在为机器人付费。他希望未来 12 到 18 个月，这些机器人能进入客户的真实工厂，进入真实的工作单元，并因此获得报酬。对听众来说，“工作单元（work cell）”就是一个具体的岗位：比如在宝马，在指定的位置搬运料箱或纸箱，或者把料箱搬到传送带上。之后是那些众所周知的难题：当机器人队伍在工厂车间里从几百台增加到几千台时，要保证极高的可靠性和安全性；还有机队管理、大规模的 AI 训练、OTA 远程升级，以及规模化制造。他认为，只要人形机器人能稳定地做有用的事，剩下的部分就相当容易，因为那些问题以前就已经被解决过。他不希望出现的结局是：十年后醒来，发现机器人能用了，却造不出足够多的数量。

Guo 说，她见过的公司里，很少有像 Figure 这样垂直整合得这么彻底的：它自己做执行器，还自己写了操作系统。项目本身已经够大了，为什么还要这么做？Adcock 不认为“自研还是外购”是一种宗教式的信条。他们会在每一个部件上都做这笔权衡。他们的理念是：能不自己造，就不自己造。自己造，意味着要发布职位、招人、管人、考核绩效、做集成和维修，还得自己搭供应链，“一团乱麻”。不过最后，除了 GPU、CPU 和电池电芯之外，他们几乎什么都自己造了，因为人形机器人还没有成熟的供应链。市面上没有能满足需求的东西。他们被迫自己设计，很多时候还得自己制造。去年，一家传感器供应商成了危险的依赖，他们只好在传感器和软件两端都组建团队去解决问题。

产品开发靠的是迭代设计，而不是长时间的研究和分析。他们想要测试、学习，然后把学到的东西融入一个软硬件连续体中，他说，这个连续体永远不会好到可以停止更新。流程从客户和需求开始：机器人要能举起多少磅，要能连续运行多久，在哪里充电，安全上要保证电池不会烧掉整栋楼，执行器的 IP 防护等级是多少。接着是 Adcock 从 Archer 带过来的三道全公司范围的关卡：概念设计评审、初步设计评审和关键设计评审。和软件里的迭代冲刺、故事点、A/B 测试相比，这套方法本质上是同一个科学循环，只是时钟拨慢了很多。硬件的周期要长一个数量级，有时长一百倍，所以在下料之前，他们会更加有条理地做权衡研究。

执行器设计就是一个例子。最上层先问：液压、气动，还是机电？然后是直线驱动还是旋转驱动，Figure 用了很多旋转驱动。接下来是截面结构：关节到底怎么造，才能满足它要完成的任务要求。这些都是先通过权衡研究自上而下地确定，然后进入迭代设计：先选一个方案，尽快造出来，再问它是不是做到了你想要的。窍门在于压缩这个循环。一位经营无人机配送公司 Zipline 的朋友告诉 Guo，除了原始的技术能力，面试时筛选的还有快速原型开发的直觉。速度之所以也是 Figure 的五条价值观之一，出于同样的原因：如果你在三个月内就发现错误，还有时间去修；如果要过一两年才发现你错了，那就完蛋了。不管晴雨，他们每天早上依然召开 9 点的站会，因为启动一台新机器人是一团乱麻：软件和硬件第一次对话，一切都在出问题。

宝马是 Figure 第一个公开宣布的商业客户，购买机器人用于制造。第一个落地点是南卡罗来纳州的斯帕坦堡，那是宝马全球汽车产量最大的工厂，每天约生产 1400 辆车，而且恰好在美国。未来 12 到 18 个月，Figure 希望那里的机器人已经在做真实的工作。五个用例已经选定并排好了优先级，第一个用例目前正在做端到端的可靠性工作。与 OpenAI 的合作是另一根公开的支柱。Adcock 说，OpenAI 起步时就做过机器人，这个项目里有些人可以追溯到那个时期。在最高层面上，他们正在为商用机器人构建新模型。OpenAI 提供的是他所说的最好的视觉语言模型，以及负责把它用于语言推理的团队。比如你说“把衣服叠好”，这个中枢大脑会把它拆解成：抓起衣篮，走过去，把它拿起来。

OpenAI 并不知道怎么抓衣篮，也不知道怎么控制电机。那是 Figure 自己的技术栈：驱动手和关节的神经网络。高层的语言推理加上底层的电机控制，两者结合在一起。他们在这上面花的时间越多，就越觉得，如果上面没有一个智能的视觉语言模型，就不可能在真正的规模上做到这件事。宣布合作 13 天后，他们发布了一段语音到语音的视频：机器人能够说话，询问场景里有什么，还能利用对之前发生事情的记忆。与 OpenAI 共同定制模型，是接下来 6 到 12 个月的工作。

回到家里，Adcock 自己的待办清单很普通：洗衣服、做晚饭，还有每天晚上地上散落的孩子们的玩具。他认为，足够长的时间之后，每个人都会拥有一台干活的人形机器人，而工作会变成可选项，你可以选择工作，也可以选择不工作。他们展示过的机器人价格昂贵，他认为这种情况不会一直持续。成本会随着面向制造的设计，以及规模化带来的经验曲线而下降，这就是“福特 Model T 学派”的路线。先把数百万台机器人送进工业场景，以此作为通往家庭的数据采集和制造规模路径。他说，社会的接受度不会在某个周五的早上突然到来。它必须通过在宝马这样的地方积累的安全记录来赢得，就像 Archer 当年必须考虑在城市上空飞行的飞机那样。科幻也没有帮上忙：几乎每部电影里，人形机器人的结局都不好。信任会是渐进的，每一段视频、每一次商业发布，都必须把这一点考虑在内。

Gil 最后一个问题很尖锐：人形机器人会不会让 AGI 来得更快？而缺少的执行器本身，是不是真正的安全屏障？Adcock 的看法是，人形机器人必须在 AGI 之前解决。反乌托邦版本是：AGI 想要某件事情做成，就付钱给你，或者强迫你去做那些体力活。他说，今天走进一座仓库，人们其实已经成了某个模型的执行器：一台电脑、一把条码扫描枪、一套仓库管理系统，告诉他们下一步该做什么。“他们简直就是赛博格。”他希望，在超级智能到来之前，人形机器人能把这类工作接过去。团队还认为，大语言模型仍然很难对物理世界进行推理、规划行动，而机器人产生的数据，可能会是 AGI 时间表上最后一块重要拼图。Figure 希望在五到十年内，能对这一时间表产生影响。他说，这件事还没有定论，拭目以待。