
◎ 中国是最近的对手,人形机器人下一场比什么?
△ 撰文:董志洋
Figure创始人兼首席执行官Brett Adcock把整个中国人形机器人行业视为最接近的对手。他对接触过的宇树硬件颇有微词,却也承认,中国团队一年一个样,进步很快。

11月16日,《Moonshots》发布了Peter Diamandis和Dave Blundin在Figure园区录制的交流。两位主持人想知道,机器人什么时候能进陌生人家帮忙,又得等多久才能上产线、参与制造下一台机器人。Adcock给出了自己的时间表。
● 交流要点:
◎最大的竞争压力来自中国。Adcock认为特斯拉近两三年的公开进展有限,中国团队虽然还有不少产品短板,但迭代很快。
◎入户作业有三个时间点。他希望2026年底机器人能常替他收洗碗机里的餐具,从交流算起不到半年能在陌生住宅干几小时,2027年底看到约十小时的入户作业。
◎Figure 4要更能干,也要更好造。手改了七轮,整机按自动装配的要求做了调整。现有四条线跑满,估计年产4万多台。单厂百万台是下一阶段的设想。
◎预训练见效,算力却更难买了。30户住宅的家务测试中,预训练组成功率56%,从头训练组9%。Figure已和Nscale签下涉及35亿美元初始算力承诺的协议。
◎Hark给Figure机器人做语音,自己也在做设备。Adcock说,Hark的营收已超过Figure。他每天都在用一款还没公开的Hark原型。
▎为什么把中国放在特斯拉前面?
主持人问起特斯拉时,Adcock说,过去两三年,除了部分遥操作展示,他自己没看到多少公开进展。中国团队的技术路线和产品也有他不满意的地方,但做机器人的公司多,每年的进步也很明显。
被问到最看好哪家中国公司,Adcock没有选出一家,倒是举了宇树的例子。他觉得自己接触过的产品个头小,手不够灵活,机身算力也有限。有的研究团队得给机器人加个背包,装上额外的计算设备才能跑模型。
谈到哪里最可能做出通用机器人,Adcock把湾区排在首位,接着提到了深圳。至于进口监管,他说,希望企业能在公平的条件下竞争。
Adcock承认,中国团队的舞蹈演示做得好。按他的说法,Figure要想舞跳得比对手好,就得另做一套训练,先让人穿上动捕服跳一遍,再用强化学习教机器人复现舞步。
Adcock拿物流线上的包裹作比较。桌面演示可以用固定摄像头盯住操作区域,让机械臂慢一点,给模型多留些计算时间,再把成片加速。
包裹上了传送带,节拍就由产线决定。按他的说法,机器人搬一件包裹得用不到三秒,跑完一班也不能频繁出错。遇到会变形的软包,还得边看边调整,趁包裹没滑远把它抓住。
这种反馈速度也是Figure从头开发Helix的原因。Adcock说,到了厨房,机器人得一边看柜门、杯盘和自己所处的位置,一边协调手、脚和躯干,才能把杯盘放进柜子。桌面演示里的多模态模型能不能直接接手这样的工作,他持怀疑态度。
Adcock把通用机器人的开发分成四步。先造出关节活动自如、速度和力矩够用、成本也能接受的机器,再找到让手脚配合干活的训练方法。

按他的判断,Figure当下同时在做后两步,一边让模型学会更多任务,一边扩大生产。
▎不到半年进陌生家庭,要过几道关
两位主持人在园区见到的机器人已经能开门、上下楼、搭电梯,也能停下来聊天。团队还在测试让机器人送咖啡,希望以后从登记到带路、参观,都能交给它。
Adcock估计,园区里有七八百名员工,机器人超过一千台,可能有一千五百台左右。公司也在园区外部署了机器人。
主持人问什么时候能订一台回家,Adcock先讲了物流仓和家庭的区别。物流客户能提前列出工作清单,也会卡住搬每件包裹的时间。到了家里,主人可以多等一会儿,但换一家,冰箱门的开法、家具的位置和要收拾的东西都可能变。
Figure在做商用的同时,也到加州的陌生住宅试家务。按Adcock在交流中的估计,测试范围约为20至100户。
录节目那天早晨,Adcock还在自己从洗碗机里往外拿餐具。他希望到2026年底,机器人就能经常替他干这个活。
从11月9日录制交流算起,不到半年,他希望机器人就能去一户没去过的人家,听完住户的吩咐,把一项长达几小时的工作从头做到尾。再往后,他提到2027年底,希望到时能看到机器人在任意住宅工作约十小时。
谈到何时能卖给消费者,Adcock把重点放在可靠性上。机器人得能进门听吩咐、自己做事,后台用不着安排人遥操作。按他的要求,它还得一周七天都能用,每天干十多个小时,连用几年。

Figure早期做咖啡机演示时,放一颗胶囊都得由两套系统配合。C++控制器负责让机器人站稳,神经网络负责上半身和手的动作。Adcock回忆,他还在咖啡杯上贴过一张写着5亿美元的便条,觉得这个办法要是能跑通,公司就有机会筹到这笔钱。
团队原先以为,机器人走到桌边站住,再伸手就行。后来发现,人去够稍远的东西,脚、膝盖和胯往往都要动。机器人也得学会这套配合,脚踩在哪儿,关系到手够不够得着、身体稳不稳。
Figure又花了约一年做全身控制。到Helix 02,机器人已经能在特定物流场地自主作业200小时,训练时用过在现场采集的数据。
到了Helix 2.5,Figure把机器人带到湾区30户此前没采过数据的住宅,让它收玩具、叠毛巾、铺床。三件事都练过,换的是家里的摆设和手边的东西。
团队用相同的模型架构和任务数据做对照,只把完整做完的家务算作成功。从头训练的一组成功率为9%,用Index数据预训练的一组为56%。即使用了预训练,三项家务仍有近一半的试次没做完。Figure接下来要试的是,机器人能不能照着住户临时交代的活儿,接连干上几小时。

两位主持人还在Figure内部的Blackbox测试区看了Helix 3的早期演示。据他们描述,机器人听到临时要求,会自己试着转动物体、换个姿势,但有些动作还是做不成。Adcock把它比作一个有着成人身体的两岁孩子。
按Adcock的解释,读传感器、算关节怎么动、再根据反馈调整,这一来一回的时间要按毫秒算。走移动网络,光往返一次就可能用掉几十毫秒。Helix把规划、关节轨迹和力矩输出都留在机身上。Adcock希望,哪怕断了网,叠了一半的衣服也能继续叠完。
实时语音由服务器处理。多台机器人什么时候充电、换班或送修,临时缺一台由谁顶上,也交给云端协调。
四十多个执行器里坏一个,机器人就可能摔倒,得从固件和整机设计上减少故障。即使关节都正常,机器人伸手也可能碰倒蜡烛或打翻热水,这就得让它认得出周围有什么危险。
Adcock说,Figure靠反复测试和真实作业找问题,也设了专门的网络安全团队,负责机器人和公司内部的网络安全。
Adcock坚持Figure做民用,家庭用户的信任是他考虑的因素之一。即使是在公共场所遭人破坏,他也不打算训练机器人还手。
至于让机器人去太空维修设备,Figure已经和相关团队谈过。对方问关节能不能在真空里工作,Adcock承认还没准备好。
▎Figure 4的手改了七轮,整机还要好造
做第一代机器人时,Figure给肘部买过一款现成的执行器。规格上看,力矩、速度都合适,编码器和减速器也有。可实物到手,体积和重量都是要求的三倍左右,价格还高,团队最后决定自己做。
自己做肘关节,电机、齿轮、散热和固件都得管。胳膊既要装得下这些零件,线束和接头也要经得起反复弯折。触觉传感器同样得兼顾尺寸、功耗、通信、寿命和成本。
关税波动和地缘风险也让Figure重新安排了部分来自中国的零件采购。
从第一代到第二代,Figure已经把承重结构从内骨架改到了外壳。Adcock说,到了Figure 4,整机外观还会有很大变化,光是手就研究了近两年,做了七轮,腱驱动和其他方案都试过。
他拿两只戴着手套的手作比较,觉得人手和第四代机器手已经很难分辨,还把这次换代比作初代iPhone。
第三代有些部件很难自动装配,团队在设计第四代时便着手解决。主持人举了给执行器绕线的例子,可以继续用原来的专机,让人形机器人负责操作,做完再去接下一道工序。Adcock觉得,五年内有望实现完全无人制造。
研究团队已经在让机器人练爬梯、卸车和搬约50磅的箱子。Adcock说,早一些的模型碰到照明、传送带或包裹变化,就可能做不下去。一次客户仓库试验里,用过更多预训练数据的Helix 2.5在一个没去过的仓库也能开始工作。
过去,Figure为一个个工位采数据、训练模型,再把机器人送过去。Adcock说,这套流程重复了两年。他希望以后机器人到新工位,能像新员工一样,看几份说明,跟着熟手学几天,就能接手。
主持人用手术来问通用训练能帮上多少忙。Adcock希望先让机器人练出通用的基本功,再用少量示范教它做专业的事。按他的比方,即使将来有机器人专门做手术,取咖啡应该是它已经会的事,具体的手术操作再专门学。

截至2026年4月Figure公布生产进展时,BotQ已交付超过350台Figure 03,包括供内部研发、数据采集和开发商用场景使用的机器。
到11月交流时,Adcock估计,现有四条线跑满,一年能造4万多台。如果机器人的通用能力继续突破,他认为一座工厂有机会做到年产100万台。
把商用岗位和个人需求算在一起,Adcock估计,全球未来可能容纳约200亿台机器人。不过放到一个仓库里,机器人即使能上夜班,夜里没车送货,传送带上也没包裹可搬。想多用几个小时,来货和出货的时间也得跟着改。
主持人想到,如果制造成本降下来,做小批量和定制商品就更容易。Adcock关心的是,如果数字超级智能需要搬箱子、修东西,谁来动手?他希望由机器人去做,否则数字系统还是得派活、付钱,请人到现场。
主持人问能不能花3万美元买一台。Adcock也谈到租赁,给出的目标是每月300至500美元。直接买是一种选择,租用则方便过几年换新机。
按他的说法,已有融资机构对商用合同感兴趣,家用租赁也可以和银行、基金合作。首批机器他倾向于让Figure自己修。至于机器人保险,他接触过的市场还不成熟。
▎从四家报价到没人报价,训练卡在了哪里
Adcock拿杯子来解释Index为什么要采数据。网上拿杯子的视频很多,可单看画面,很难知道手什么时候发力,碰到杯壁时又用了多大劲。
团队采过给狗洗澡、刷墙之类的活动,把动作和接触的细节也记下来。按他的观察,加入这些不同任务的数据以后,机器人连叠衣服也做得更好了。
Figure在对照实验里保持模型大小和后续训练条件不变,只增加预训练用的Index数据。随着数据增多,衡量模型动作预测表现的验证损失也持续下降。
Adcock估计,积攒下来还没训练的数据,可能是演示模型已用数据的十几倍。团队得先看各类任务和场景占多少,再清洗、标注,才能用进下一轮训练。

Adcock回忆,前一次扩容时有四家供应商报价,Figure还能把每块GPU每小时的价格往下谈。几个月后,公司为Helix 3寻找新的供应商,想把算力再翻一倍,首轮却一家报价的都没有。重新询价后才找到一家能提供大集群的供应商,价格也没多少商量余地。
按Adcock的说法,Figure一年的算力开支已经超过1亿美元,最近一个月有一半以上的算力用在一次大规模预训练上。如果数据、资金和集群都跟得上,他希望2027年夏天能做一次十亿美元级的Helix训练。
Figure与Nscale签下的协议涉及35亿美元的初始算力承诺,规模上限为10万块GPU,目标是2027年下半年开始部署。
模型训练完,还得装进机器人。Adcock嫌现有的机身芯片太贵、太耗电。他找存储厂商谈用量,发现产能已经排给了手机和服务器,有的厂商甚至没把人形机器人算进去。
自己做芯片又要提前几年定架构。他说,让三年前的自己猜今天的模型该怎么跑,多半会猜错。主持人建议用成熟制程做定制芯片过渡,他仍担心模型迭代太快,芯片跟不上。
Adcock在伊利诺伊州的农场长大,后来去纽约做招聘平台Vettery,再创办电动航空公司Archer。他本来想去洛杉矶招航空人才,却发现最急着找的是懂电机、电池和控制软件的人,这些人在湾区更多。
他把Figure也放在湾区,道理相近。做一台机器人要用到十多个领域的专业人才,机械、电气和软件的人得聚在同一个地方,才能把东西做出来。
Archer为适航认证筹钱时,在私募市场凑不齐资金,只好较早上市。有过这次经历,Adcock希望Figure晚一点,先把通用机器人做出来,再为扩产、部署和运营筹钱。一位主持人也提到,自己投了Figure。
▎机器人换新以后,还记不记得你
在Figure园区,访客可以直接和机器人交谈。回答问题的语音模型来自Adcock的另一家公司Hark,机器人怎么走、怎么抬手由Helix控制。Figure也是Hark的早期试用方。
两家公司都在做预训练。Hark处理语音、视觉等输入,Helix学的是机器人下一步该怎么动。
Adcock说,Hark Pro上线约一个月,注册超过120万,浏览器会话累计接近500万次,营收也已经超过Figure。说到主持人猜测Figure可能买下Hark,他反而觉得数字产品扩张得更快,估计几个月后Hark的规模就可能超过Figure。
主持人问,以后换台机器人,衣服怎么叠、早晨先做什么,得重新教一遍吗?Adcock希望新机器能接着用这些记忆。Figure在园区试过,人沿着一排机器人往前走,和第一台聊到一半的话,第二台可以接着说。

Adcock设想,家里人会花不少时间和机器人聊天。它能记得不同家庭成员,声音和衣饰也可以按喜好调整。Figure的人机交互团队还在琢磨,怎样让机器人用点头、转身这些动作表示它听懂了,以及要不要改黑色面屏。
他不想装上一双可爱的眼睛,让人以为靠近机器就没有危险。他自己的孩子到园区时想往机器人身上扑,他还得拦住。
Hark想让个人助手记住用户的习惯,也能在得到授权后帮人付账单、订行程、提醒日程。说话时可以打断它,遇到自己没有的信息,它得会调用工具去查。
Adcock把助手逐渐掌握的信息比作一本个人日记。他担心拿这些信息做广告,会损害用户的利益。
Adcock希望把助手做进Hark自己的设备,再接上眼镜和耳机,接手过去靠手机和电脑做的事。他用过Meta的眼镜,觉得一切都得经由手机应用,做事时限制不少。他也嫌苹果把AI模型带到设备上的速度太慢。
Hark实验室已经有一台Adcock每天在用的原型。更远一点,他还想研究脑机接口。
主持人问Hark做设备有没有和OpenAI交流,Adcock说没有,随即谈起Figure此前的合作。据他回忆,OpenAI和微软共同领投了Figure的B轮融资。之后Figure和OpenAI各出一支团队,合作约一年,想把通用智能做进机器人。
Adcock希望双方能在机器人旁边一起调试,可他说对方很少到办公室,双方研发进度差得也多。Figure后来结束了合作。现在到了Hark,模型和硬件都由自己的团队开发。
主持人担心,围绕AI的监管争论也会拖慢人形机器人的部署。Adcock说,Figure去年开始商用交付,今年交付更多,接下来还是会逐步放量。他担心机器太早交给客户,现场既得靠人频繁接管,也可能出安全问题。
主持人提到Adcock参与的学校安全项目。三个孩子、三家公司,让他这一年常常忙到晚上,但他还是留着一本随手记生意点子的本子。他觉得以后有了AI,做出产品会更容易,能想出什么值得做,仍是人的本事。
具体到造机器人,他要求研发人员每天到现场。他举BotQ为例,工人没法在家装机器人,研发的人也得到产线一起干。

两位主持人约好一年后再来。Adcock希望,那时由Figure 4给他们登记,端来水或咖啡,再带他们逛一圈园区。等机器人接待完,他再出来做交流。说到这儿,他开了个玩笑,也许到时候可以让Figure 4替他回答问题。
-END-




沪公网安备31010702008139