近日，Figure 創始人兼CEO Brett Adcock 與Gemini 開發者關系負責人Logan Kilpatrick、聯合主持人Nolan Fortman進行了一場深度對話。

在訪談中，Brett Adcock認為，當前機器人領域的指數級發展主要得益于兩大突破性進展： 硬件的可靠性達到前所未有的高度，以及 神經網絡在機器人技術中的卓越表現。他強調，強大的硬件是AI發揮作用的基礎，而電動系統的進步取代了過去液壓系統的局限，使得人形機器人更加安全可靠。

Adcock 強調，他們致力于打造 通用型機器人平臺，能夠通過學習而非預編程來適應復雜且多變的任務。其部署節奏已進入面向現實世界任務的工程化階段，而在物流、制造、醫療等高標準化行業，原型機器人已可穩定執行無需人工干預的流程任務。

Adcock 透露， 他們最新設計的機器人成本降低了約90%。其人形機器人將在未來四年內實現大規模部署，在新工廠具備年產10萬臺機器人的能力，最終目標是向全球輸送數億臺機器人。

他預測，在我們的有生之年，人形機器人將超越人類在大多數工作上的表現，使所有工作成為一種選擇。機器人不僅能完成家務和個人服務，甚至能協助制造其他機器人，從而極大地促進全球GDP增長，并最終改變我們衡量經濟產出的方式，因為機器人將成為“人造人”的勞動力。

亮點觀點如下：

對我來說，終極元問題就是解決類人機器人的問題，所以你必須直接去做... 如果從一開始就沒有針對正確的系統進行設計，那么它就會成為一個重大障礙，讓你很難達到最終目標。 我們基本上在公司成立后不到12個月，就從頭設計出了人形機器人的大部分部件。所以，這一切都發生得非常快。而現在的環境表明，人形機器人將成為通用人工智能（AGI）的最終部署載體。 現在的情況真的是一天比一天好。我剛剛才發出一個視頻，視頻里我們每四秒就能處理一個包裹。上周五我看到，我們每3.5秒就能完成一個...還會做一些非常聰明的事情，比如把一個包裹移開，以便能把另一個包裹推到傳送線上，接著處理條形碼，然后翻轉包裝。 我們有兩個重點。一是專注于家庭場景下的送貨機器人，二是將重點放在勞動力方面，比如讓機器人進入物流、制造、醫療保健、建筑等領域。 我認為未來會有這樣一個時刻到來：當你出門辦事或外出時，你會看到和人類一樣多的人形機器人。 這里的終極模式就是將一批機器人推向市場，這些機器人隨著規模化制造成本不斷降低而變得越來越智能，并與集群中的其他機器人共享學習成果。 如果我們無法解決人形機器人的問題，卻接近了數字超級智能，那將是一種危險的情景。屆時，我們將擁有大量為人類工作的數字代理，它們需要（或要求）在現實世界中完成大量任務。如果屆時我們還沒有解決人形機器人的問題，這些數字代理就可能會要求、強迫、指揮或花錢雇傭人類來完成這些物理任務。 對于家用設備，你制造出一個機器人，每月的費用可能也就幾百美元。但在勞動力市場中，你的盈利潛力是巨大的，畢竟這相當于一半的GDP。 我認為未來10年，你會看到一個類似于手機的人形機器人平臺，其大部分功能將受到軟件的限制。 我們下一個重大目標是在未來四年內推出10萬臺機器人。新開設的制造工廠就能實現這個產能。 我認為未來會有這樣一個時刻到來：當你出門辦事或外出時，你會看到和人類一樣多的人形機器人。我覺得那會像一部科幻電影，就好像未來50年發生的事情被提前到了今天，這即將發生的一切，會讓人感覺很瘋狂。 我希望人們能把更多的時間花在做自己真正喜歡的事情上，比如滑雪、陪伴家人。我希望30年后，人們不會一生工作50年，尤其是在體力勞動崗位上度過大半生。

以下為訪談全文：

機器人技術的指數級增長

Logan Kilpatrick：

讓我們深入探討，可以從機器人領域正在發生的指數級發展開始。我很好奇，想聽聽你的看法：是什么推動了這種情況？我們在指數曲線上處于什么位置？像Figure這樣的公司正處在指數增長的前沿，看到你們取得的進步真是太棒了。

Brett Adcock：

我參與了兩家公司，都從事機電硬件方面的工作：一家是Archer，專注于電動垂直起降飛行器（eVTOL）；另一家是Figure，致力于開發通用人形機器人。

與五到十年前相比，現在有兩點非常不同。首先，我們能夠打造出真正強大的硬件，尤其在人形機器人領域。在這種情況下，機身對我們來說變得極其可靠。如果你來我們的工廠，會發現到處都是機器人，可能馬上就有一個從我身后走過。這些機器人的硬件可靠性已經非常高，無論是在部署到客戶的商業環境中，還是在我們自己的設施中都是如此。你在這里逛一整天，可能都不會看到一次硬件故障。

硬件故障變得越來越罕見了。就算擁有世界上最好的AI，如果硬件性能平平，也無法完成任務，它需要非常強大的硬件。

我們首先能夠在硬件方面構建出真正可靠的機電系統。這是一個非常復雜的機械系統，其復雜性堪比火箭、渦輪風扇等特定硬件。我們已經能制造出像渦輪噴氣系統中的渦輪風扇那樣極其可靠的部件。我認為對于人形機器人也是如此，未來幾年，其可靠性將變得非常強大。

這是第一點，非常有幫助。我們現在擁有了十年前所沒有的優質硬件。十年前，世界上最好的機器人可能是波士頓動力公司的阿特拉斯，那是一個液壓系統，大約只能運行20分鐘，到處都是液壓油。其壓力高達數千PSI，液壓閥的壓力大約在兩三千PSI，一旦泄漏會極其危險。而現在，我們擁有的是更安全、更可靠的電氣系統。

第二件事是，從根本上說，機器人技術是一個神經網絡問題，直到最近幾年，我們才看到神經網絡在機器人領域表現出色。現在，我們有運行在機器人板載上的神經網絡，它們負責指揮手部位置、軀干姿態等整個基本動作空間，并且效果非常好。例如，在我們大約一周前發布的更新中，有一個機器人使用單一神經網絡連續進行了60分鐘的物流作業。它的動作在某種程度上非常像人類，我們正在讓機器人的性能和速度接近人類水平。

這也是十年前所不具備的。因此，神經網絡加上能力越來越強的硬件，這正是讓機器人真正發揮作用的兩大要素。

Logan Kilpatrick：

我對此很好奇。我并不完全了解機器人的發展史，但最初的設想就是直接開發人形機器人嗎？我這么問，是結合了我剛買的麥蒂克家用吸塵機器人，它比我用過的任何其他產品都好得多，感覺非常接近未來家用機器人的形態。但它顯然與人形機器人差異巨大，功能非常有限。所以我想知道，你對于實現人形機器人的路徑有何看法？很明顯，你們選擇了最直接的路徑。

人形機器人背后的愿景

Brett Adcock：

是的，我直接回到了類人機器人的起點。我寫了一份總體規劃，就像現在網站上的愿景文檔。我在特拉華州注冊公司的第一天，就寫下了這份文檔并發布了出去。對我來說，終極元問題就是解決類人機器人的問題，所以你必須直接去做。

當然，還有其他選擇，比如給機器人裝上輪子，或者使用爪子等不同類型的末端執行器。但這屬于一個局部最優解。如果從一開始就沒有針對正確的系統進行設計，那么它就會成為一個重大障礙，讓你很難達到最終目標。它會成為一根巨大的拐杖，阻礙公司的發展。我記得三年前我的論點是，這件事是可行的。所以我們從第一天起，就從零開始為公司構建和設計類人機器人。

Logan Kilpatrick：

是的，關于這點我有一個簡短的后續問題。特斯拉的總體規劃中，有一部分是需要做很多事情來為最終目標提供資金支持。顯然，如今的募資環境對AI和機器人技術極為有利。過去幾年，對這個領域的關注度和資金投入都呈指數級增長。但是，在你著手這個項目時，早期有哪些令人信服的觀點，讓你覺得可以直接構建最終形態的機器人，而不是逐步推進、從小處著手，最終才實現類人機器人？

Brett Adcock：

好的。我有個故事。在創立Figure之前，我于2018年創立了Archer Aviation。在那之前，我剛以略高于1億美元的價格出售了一家軟件公司。我有了一些資金，便創立了Archer，堅信電動飛機不僅可行，而且是當下可以解決的需求。但我發現當時深度科技（deep tech）的融資環境幾乎不存在。早期投資者并不看好特斯拉、Rivian和SpaceX這類公司，Archer的情況也是如此。

我把我全部的流動資產凈值都投入到了Archer，但即便如此，要成功仍需大量資金。這并非是說我投入得不夠，或者我的凈資產不足以產生足夠大的影響。我至今仍記得當時的環境有多艱難。如今七年過去了，整個業界對深度科技的態度完全轉變了。現在有專門為此設立的基金。人們現在意識到，一些深度科技公司可能會成為，或者已經開始成為全球最大的企業。所以，當我開始創辦Figure時，我的人脈和資源網絡已經有所提升，從一開始就能為公司提供充足的資金支持。

一開始在公司內部，我們的資金消耗速度是每月100萬美元，到第五個月資金就會耗盡。我們當時的想法是：放手去造一個人形機器人吧。我們基本上在公司成立后不到12個月，就從頭設計出了人形機器人的大部分部件。所以，這一切都發生得非常快。而現在的環境表明，人形機器人將成為通用人工智能（AGI）的最終部署載體。如果你想在現實世界中完成某些任務，使用吸塵器這類專用工具會遇到局限。你需要搭載在高維度機器人上的AI來開展工作。我們看到機器人技術和AI正在興起，其中有大量的資本投入。我們正是在這些趨勢的推動下進入了這個領域。除此之外，我們看到機器人開始做有用的工作，并且表現出色。在很多情況下，我們可以讓機器人近乎全天運行，執行有用的任務。所以你開始看到跡象，表明這一切即將發生。我們正處于一個恰當的十年，這也很有幫助。

Nolan Fortman：

我想談談從軟件到硬件的轉變。我一直很好奇，在你進行這種轉型時，硬件方面有哪些軟件開發中不會遇到的挑戰？從用戶采用的角度來看，我的直覺是讓人們采用硬件比采用軟件要困難得多，尤其是在軟件層出不窮的今天。人們可以上網試用軟件，喜歡就用，不喜歡就換下一個。這是一個兩部分的問題：首先是硬件開發的總體挑戰，其次是用戶采用方面的挑戰。你是如何設想的？

Brett Adcock：

是啊，這里有很多可以討論的。我個人有幾點觀察。對于創業者來說，做硬件有點像做軟件，只是時間尺度要長10倍到100倍。硬件有很多前期工作，比如前期規劃，然后確定測試和執行方案。你需要先設計，再建造，然后從供應鏈采購物料并運送過來，進行早期測試，最終制造和組裝所有部件，看它能否正常工作。在某些情況下，這個過程可能長達一年，而軟件開發可能只需幾天或幾周。

但兩者在基于科學方法提出假設方面有很多相似之處。我們想要測試一個假設，這個假設可能來自早期的客戶反饋或其他類型的輸入。然后我們著手構建，看它最終是否可行，并在此基礎上持續迭代。

應用挑戰與市場焦點

Brett Adcock：

現在的問題是時間線非常長，項目也非常昂貴。你現在必須實實在在地購買硬件，不像以前只是編寫軟件。硬件很難推向市場，一旦開始做，要讓事情真正運作起來非常困難。因為你得制造更多實體產品，而在數字領域，你可以無限擴展軟件，比如在軟件即服務（SaaS）或其他領域實現擴展。所以，這就像是軟件創業者的死亡陷阱，好比是打了興奮劑的軟件創業，真的相當困難。

但這真的很有成就感。在我做軟件的那些日子里，我從來沒有真正感受到過這種成就感。對于軟件，我無法切實地感受和觸摸它。如果要展示產品，只需登錄瀏覽器展示一下就行。在現實世界中親手建造東西有一種特別之處。我們在現實世界中花費了大量時間，但這一點在某種程度上并沒有得到太多關注。

我是在一個熱衷于建造東西的農場和硬件團隊的環境中長大的。在我的軟件生涯之后，我真的很想涉足硬件領域，并全力以赴。我和阿徹（Archer）現在的這種形象和影響力也延伸到了我其他的公司，而且一直很棒。

沒錯，這個領域更難，一切都更艱難了。所以，這就像是把軟件的挑戰和難度調到了11級。不過，我內心總是非常焦慮，擔心自己是否在為正確的事情進行設計，是否朝著正確的方向前進。在軟件領域，你真的不太清楚這一點，你需要構建一個東西，然后走出去，盡早從用戶那里獲取反饋和進行測試。但在硬件上，你很清楚它是否能運行。比如，如果我們有這樣的信念：我們應該開飛機而不是開車，因為那樣肯定行得通，能為大家節省時間。或者在地下建造隧道，如果能以低成本建造出來，那也肯定行得通。如果你能研發出合適的產品，那么從確保可行性的角度來看，工程方面是相對直接的。這是優秀的一階工程。我們必須從零開始完成這項工作，但這涉及物理學，而且有相關規則。

所以在某種程度上，這對我來說是作為創業者從事硬件開發的職業生涯中，壓力最小的幾年。因為我們有一本物理規則手冊，基本上可以作為依據。實際上我真的很喜歡這種感覺。我作為一名努力奮斗的創業者，生活既充滿挑戰又令人愉悅。而且我喜歡這兩個領域。

機器人技術的學習與改進

Nolan Fortman：

快速跟進一下，關于采用方面，作為一個團隊，你們如何評估誰可能是最合適的人選，無論是在哪個行業？我知道你們現在在制造業和物流方面投入很大，在繼續推進的過程中是怎么設想的呢？是等著聽人們說“嘿，我們覺得可以在這里融入某種人機協作”，還是說你們有一份包含10個行業、10個人物角色的清單，并打算向他們推介？我很好奇，想聽聽你是如何設想這一切的。

Brett Adcock：

是的，我們有兩個重點。一是專注于家庭場景下的送貨機器人，家庭環境是一種非常非結構化、高度多變的環境，（里面的情況）真的很難處理。二是將重點放在勞動力方面，比如讓機器人進入物流、制造、醫療保健、建筑等領域。

這有點反直覺，因為家庭領域的難度要遠大于勞動力市場。你可能會想，如果攻克了家庭市場，它的規模會比職場市場大1000倍，但實際上情況正好相反。勞動力市場占了GDP的一半，其環境的變異性要低得多。工程挑戰與可變性成正比，所以，可變性越低，就越容易將自主系統融入其中。在大多數情況下，勞動力市場與家庭場景相比就具有這種低變異性的特點。

再看商業模式，對于家用設備，你制造出一個機器人，每月的費用可能也就幾百美元。但在勞動力市場中，你的盈利潛力是巨大的，畢竟這相當于一半的GDP。所以，我們基本上專注于這兩條軌道。

當然，現實情況是我們正在努力打造一個通用機器人。我們希望能夠與客戶簽約，并理論上讓機器人在他們的設施內完成人類所能做的大部分事情。只要機器人有一定的運動范圍、負載能力和速度，就應該能夠完成所有這些工作。

我們與上一家物流公司的簽約過程就很有趣。我們當時并不是看著物流業然后說：“哦，我們覺得機器人在處理包裹方面會很棒，我們就去搞定包裹吧。”我們的想法是尋找一個真正有發展空間的領域，并認為物流業屬于這一類。我們簽下客戶時，其實完全不知道接下來要做什么。通過一系列的工廠參觀，我們發現小包裹處理在運營中占據很大一部分，他們甚至會把招聘旺季、用工困難的時期稱為“艱難時期”。

當我們看到這個問題時就意識到，天哪，每個包裹都不一樣，有的像塑料袋，一抓就變形，而且每次的堆放情況都各不相同。這根本不可能通過預先編程來解決，但這是可以通過學習來解決的。于是我們就走上了機器學習的道路，并全身心投入其中。我們很快就讓機器人在實際工作中運行起來，這非常有幫助。

毫不夸張地說，現在的情況真的是一天比一天好。我剛剛才發出一個視頻，視頻里我們每四秒就能處理一個包裹。上周五我看到，我們每3.5秒就能完成一個。我昨天在現場時沒有計時，但我敢說它的速度更快了，處理各種不同類型包裹的能力也更強了，還會做一些非常聰明的事情，比如把一個包裹移開，以便能把另一個包裹推到傳送線上，接著處理條形碼，然后翻轉包裝。這是機器人在執行任務時所經歷的一連串深思熟慮的思考和推理過程。

所以，從宏觀層面來講，我們正試圖深入這些行業，并從機器學習的角度，讓機器人歸納出通用的行為模式。我們希望硬件能夠完成人類所能做的大部分、甚至所有事情。我們的觀點是，現在就要在勞動力市場中迅速啟動并推動這件事。我認為，距離真正能夠將機器人投入使用、并讓它們自主地為人類完成有價值的工作，可能只有幾年的時間了。因此我們也在努力推進另一條軌道（家庭場景），但因為每個家庭都非常缺乏條理且各不相同，所以那是一個稍微棘手點的問題。

機器人技術的未來方向與擴展

Logan Kilpatrick：

布雷特，我們來深入探討一下軟件和硬件之間的差異。在軟件層面，我們正目睹一場大規模的爆發和生產力的提升，軟件開發人員擁有AI和各種AI工具，這使得工程師的效率能比以往提升10倍。我很好奇，在硬件領域，我們是否也能看到類似的效益轉化？在制造和設計實體產品方面，你認為我們距離實現類似的加速還有多遠？

Brett Adcock：

我想在這方面有幾點看法。我們傾向于類比學習，這里的關鍵杠桿在于學習的指數曲線，這意味著我們需要大量投放機器人，并且它們需要持續地學習和改進。

我們現在已經看到了這一點。我們看到機器人因為擁有了更多數據和訓練，在執行任務方面表現得越來越出色。我們也看到機器人在現實世界中執行任務的能力不斷提升。這正是我們希望從物理智能體上看到的——我們希望它們能通過與世界互動，在完成用例、任務和行為方面變得更智能。

所以我認為這種情況正在發生。并且，在未來一兩年內，隨著一批機器人走向世界，我們會看到機器人的應用場景日益完善。機器人會將這些成功的經驗軌跡反饋給整個機器人集群，用于再訓練。

這里的終極模式就是將一批機器人推向市場，這些機器人隨著規模化制造成本不斷降低而變得越來越智能，并與集群中的其他機器人共享學習成果。

除了像艾勒姆斯（Ailems）1這樣的系統之外，我們或許從未見過類似的技術：它走向世界，與世界互動，并且隨著時間的推移變得更智能、更便宜。在接下來的幾年里，我們將開始看到這種情況的發生。最終，我們會受到基礎生產能力的限制，比如如何讓足夠多的機器人下線。我們剛啟用了一個新設施，現在我們所在的正是Figure 32的制造工廠。我們目前正在積極制造Figure 3機器人。我去年主要在負責如何實現高速生產的項目。我們正在內部進行Figure 3的制造。我確信我們會制造出很多機器人。但我們能否實現年產量超過手機的規模，目前還是個未知數。這是一個非常難解決的問題。我認為這個問題是有可能解決的，但繼學習瓶頸之后，下一個挑戰就是制造瓶頸。我們現在正處于學習瓶頸階段，未來某個時候則會面臨制造瓶頸。

Nolan Fortman：

我快速問個問題。Logan，現在機器人已經擁有了視覺、語言能力，并且能像人類一樣活動，你認為下一次迭代還需要什么？讓機器人在外部世界學習，是一種必要的做法嗎？還是說從硬件角度來看，存在某些內部特性的瓶頸，導致機器人還無法達到你們期望的水平？或者情況更像是“我們必須把它們派出去學習，否則就無法取得更大進展”？

Brett Adcock：

我們內部正在進行一些實現這些目標所必需的產品開發。例如，Figure 3是我們設計的首款為高產量制造而生的機器人，它比圖2便宜約90%。這些都是關鍵環節，我們需要將大量機器人投放到世界中，這正是你剛才提到的關于“下一步”的關鍵。我們需要推出大量低成本的機器人，因此我們一直將可制造性和成本控制作為核心重點。

我們通過設計解決的另外幾個方面包括：第一，整體安全性，尤其是在進入家庭領域時，這將極為重要。第二，我們的設計路線圖緊密圍繞著一個目標：讓機器人在操作和移動方面隨著時間的推移越來越像人類。可以通過機器人的速度、活動范圍和有效載荷來衡量這些進展。我們的路線圖趨勢，就是讓機器人能勝任越來越多的人類體力勞動。

下一步就是，我們如何在一定規模上，將大量人形機器人融入到幾乎不需要人類協助就能開展日常工作的世界中。這就像我們過去幾年在自動駕駛領域看到的那樣：部署一個車隊來證明端到端運行的可行性，并逐步降低人工干預率。這正是我們需要經歷的階段，也是我們目前正在做的事。我們的目標是實現極低甚至零人工干預率，讓機器人能全天工作。再下一步就是擴大規模：擴大機器學習的規模，以及將制造業的規模提升到非常高的水平。我們正處于將更多機器人真正推向世界的階段。這將有助于數據采集、提高機器人的可靠性，并幫助我們將機器人更好地融入現實世界——這同樣是一件難事。

Logan Kilpatrick：

布雷特，接著剛才的話題，從機器人的角度來看，你認為未來會出現哪些新的產品特性？

近兩周我關注到一個話題：人類對機器人的心理反應。比如，如果把機器人設計得有點笨拙可愛，人們的反應會很特別。我現在為只收聽音頻的聽眾描述一下，布雷特的旁邊有一個機器人模型（弗雷德3）在來回走動，大家的目光會時不時地落到它身上。這提醒我，這對你和你的團隊來說已經習以為常了。我很好奇，你認為當人類逐漸習慣身邊總有機器人時，大眾的接受過程會是怎樣的？我再舉個例子，DoorDash在芝加哥使用小型機器人配送訂單，每次我們開車路過，我的女朋友都會說：“天哪，這個小機器人太可愛了。”它看起來像是在摸索著找路，有點迷糊的樣子。我覺得這是一次相當有趣的經歷。

Logan Kilpatrick：

我感覺人們對仿人機器人的反應會略有不同，它們看起來太像人類，會給人一種不祥之感（恐怖谷效應）。你有沒有想過，相對于工業版，家庭版的機器人會有什么不同？

Brett Adcock：

我對此有一些想法。首先，我認為未來會有這樣一個時刻到來：當你出門辦事或外出時，你會看到和人類一樣多的人形機器人。我覺得那會像一部科幻電影，就好像未來50年發生的事情被提前到了今天，這即將發生的一切，會讓人感覺很瘋狂。如果你來到我們這里，看到這么多機器人，感覺會非常棒。我非常喜歡這種感覺。

機器人集成的未來

Brett Adcock：

我們有機器人在設施內整天四處走動。有些會與人交談，詢問是否需要飲用水或咖啡；有些則像在巡邏。我們喜歡看機器人，這有助于提升多巴胺水平。我們這里也有很多來面試的人，他們看到這些會覺得很棒。

我們在人形機器人的設計和美學方面投入了大量時間，力求打造出完美的作品。我們還有一個專門的標識團隊，其中大多數成員來自大型汽車集團。我們不僅思考機器人本身的設計，也思考它進入家庭所需的人機交互。

但關于你之前提到的讓機器人應用更柔和、看起來沒有威脅性等觀點，我并不認為需要把一個本身就高度能干、智能和復雜的機器人，刻意做得看起來沒有威脅性。要建立人類對機器人在安全和隱私方面的信任，需要在實際使用場景中（無論在家還是在工作場合）做到兩點：一是做正確的事，二是在性能上表現出色。

因此，我認為給那些能力強大、速度快、并最終能完成大部分人類工作的機器人裝上巨大的卡通眼睛，是非常不妥的。這就像戴上谷歌眼鏡，試圖糊弄別人，讓對方覺得它只是一個有趣、卡通化的小玩意兒。從設計角度來看，這很愚蠢。有些機器人團隊在機器人或其屏幕上添加了眼睛之類的設計，這看起來很滑稽。這些是精密的機器，我認為它們的設計應該與之匹配。

在家庭環境中，我們正面臨一系列與安全和隱私相關的網絡安全問題，這確實很困難。在家中，安全是第一位的，我們不希望傷害到任何人或寵物。因此，我們需要360度全天候檢測移動的動物或人類。其次是語義安全，例如，我們不希望機器人打翻蠟燭導致房屋燒毀。機器人需要非常審慎，即使在物理上是安全的，它在家庭環境中的移動方式也需要經過周全考慮，以免給周圍的人帶來危險。

我認為這是一個棘手的難題。問題可以歸結為：我們如何讓社會接受這類產品？我真心希望有大量像我和我同事這樣的科幻愛好者，他們期望機器人能進入自己的家庭。我認為會有很多人真心想要機器人，但必須達到幾個門檻：足夠安全、能做足夠多有用的工作、價格實惠。

如果我們能實現這些，我相信每個人都會希望有機器人來幫忙洗衣服、收拾和歸位餐具、煮咖啡、做飯。有時我早上醒來看見洗碗機，就再也不想碰它。因此，我認為當我們能夠證明物理智能可以以較低成本為人類完成這類任務時，我們就可以讓機器人不分晝夜地運行。到了晚上，它可以悄無聲息地慢慢行動，把所有盤子歸位。所以我認為這對家庭和職場都將是一個巨大的福音，我們在兩方面都需要它。

我認為你將看到一個單一的機器人平臺來完成所有這些工作。就像人可以在家或在職場工作一樣，我們為普通用戶打造了適用于工作場所和家庭的機器人。我認為未來10年，你會看到一個類似于手機的人形機器人平臺，其大部分功能將受到軟件的限制。

Nolan Fortman：

我很好奇，人類是如何與機器人互動的？比如，一個人在公寓里擁有一個人形機器人，它的控制方式是什么？你如何處理人機交互，以及用戶如何通過手機等設備了解并控制機器人的行為？是否有一個應用程序，可以讓我命令它執行X、Y、Z等操作？我知道Mantic似乎也有類似的應用UI層。對用戶來說，目前的交互方式是怎樣的，你認為未來會如何發展？回到隱私問題，當人們的公寓里有一個能聽能看的人形機器人時，我們如何確保數據只在本地處理，而不會泄露給更廣泛的受眾？

Brett Adcock：

我認為，無論是開箱體驗，還是家中乃至全球機器人的默認用戶界面，都將通過語音來實現。你提到的手機或電腦等設備，當我們站在機器人旁邊，用電腦打開終端發命令或點擊按鈕時，感覺非常奇怪。延遲很高，帶寬很低，而且非常耗時。你更愿意直接與機器人交談，或者給它發消息。

我們每臺機器人都內置一張帶手機號的SIM卡，你可以直接通過自然語言與它交流。我們的機器人Helix，其神經網絡是基于語言條件的。所以，用語言來調整和命令它，將成為家中人形機器人的自然默認交互方式。因此，如果你想讓它做什么事，直接說出來或者用提示詞即可。

關于隱私和網絡安全，這是一個非常重要的話題，我們投入了大量時間。實際上，我們大約四個月前剛組建了專門的隱私和網絡安全部門。我們有一個來自Snapchat和谷歌的小團隊，在商業（企業端網絡安全）和產品兩個方面處理這些問題。我們必須在這些領域做好許多事情，并不是說只做一件事情就能解決所有問題，那種想法是不切實際的。

Brett Adcock：

另外，我們收到很多關于中國機器人的問題。我認為中國機器人要進入歐美家庭和商業勞動力市場會面臨很大困難，這是一個相當棘手的問題。因此，用戶需要與他們打交道的公司建立真正的品牌信任。這比電腦和手機要復雜得多，因此隱私和網絡安全在此更為重要。要把產品安全和企業安全都做好，這些問題是相當微妙的。

我不想給人留下我們今年就能解決所有問題的印象，但我們正為此非常努力。這是一件重要的事。你肯定希望為機器人制定規則，并將其存儲在非易失性存儲器中，明確規定它能做什么、不能做什么。你不希望任何人在任何情況下都能獲得對機器人的超級用戶訪問權限。我們現在正在做的許多工作，對于未來在全球推廣數百萬臺機器人至關重要。

Logan Kilpatrick：

我一直在思考一件事，聽起來你似乎也同意近兩年的一個共識：即使我們很快擁有了AI超級智能，我也不會感到驚訝。但當我望向窗外、走出家門，現實世界看起來和現在并無二致。構建數字智能并不會直接（至少在短期內）改變我們周圍的物理世界。人類在物理世界的生活方式將非常相似。但在數字世界，情況會大不相同，因為你將擁有按需的智能。

Logan Kilpatrick：

但聽起來你認為，人形機器人技術是我們在現實世界中加速進步的方式。你對實現這一目標的時間線有何看法？指數增長起初可能非常緩慢，但隨后會真正騰飛。我很好奇你對此的看法。

Brett Adcock：

（現實世界）感覺不像未來，對吧？雖然功能有些進步，但還不是未來的樣子。我確實認為未來會有一個時代：人形機器人為人類做各種事情，我們乘坐飛行汽車出行。我堅信這就是我們所有人的未來。正是這種信念驅使我投身于現在的公司和項目，因為我覺得這些事對創造一個激動人心的未來至關重要。

我還想補充一點，我們正朝著數字超級智能邁進，而且感覺它已近在咫尺。如今，超級智能生活在服務器的盒子里。我致力于人形機器人研究的原因之一就是數據。在我看來，如果我們無法解決人形機器人的問題，卻接近了數字超級智能，那將是一種危險的情景。屆時，我們將擁有大量為人類工作的數字代理，它們需要（或要求）在現實世界中完成大量任務。如果屆時我們還沒有解決人形機器人的問題，這些數字代理就可能會要求、強迫、指揮或花錢雇傭人類來完成這些物理任務。

機器人技術的隱私與網絡安全

Brett Adcock：

我們會成為數字超級智能的奴隸，而人形機器人是實現這一目標的理想部署載體。它能像人類一樣做大多數事情，需要具備語義智能，才能在混亂的環境中穿越現實世界。它就是完美的外形尺寸，你在家里的吸塵器或其他任何東西里都找不到這種能力。就像你剛才說的，那些設備沒有硬件支持。

所以我認為，你首先會看到人形機器人被部署在極少數地方，全天候工作。如果你有幸能去看看，就會感嘆，感覺一切都運轉起來了。我想這可能就是我們現在乘坐 Waymo 時的共同感受。但是，美國大部分地區并沒有 Waymo。所以當我和我母親打電話時，她說在伊利諾伊州的中部，然后我說我的機器人就在這里。這種事每天都在發生，機器人正在工作，但目前規模有限。

我們認為，會看到在一個非常漸進的過程中，我們越來越投入，也學到了很多東西。我們需要學習如何進行整合、如何運作可靠性、如何開展維護以及如何進行人機交互。我們致力于擴大擴展學習的運作方式。作為一家公司，我們正試圖通過部署機器人并將其推向世界來找到答案。我們在商業環境中幾乎每天都運行機器人，所以我們正在獲得真實的體驗，試圖弄清楚這一點。

我覺得在這個階段，我們已經學到了很多，現在正努力讓更多機器人投入使用。然后，隨著我們投放更多機器人，管理更大規模的機群將變得更加困難，同時，我們需要的“照看”工作可能會比過去減少一些。然后在某個時刻，我們真的會攻克這個難題，并且能夠向全世界投放數億個機器人。能夠生產出幾十萬臺機器人和生產出幾百萬臺機器人之間不會有太大差別。

你必須擁有現有的技術，干預率必須極低。默認的UI需要支持語音，你需要擁有泛化學習能力。你需要達到一定規模，才能實現向人類學習這類事情。你需要通過特定的規模來解決這些問題。

Brett Adcock：

我們下一個重大目標是在未來四年內推出10萬臺機器人。我們新開設的制造工廠就能實現這個產能。而且我們現在已經開始制造 Figure 01 了，它們實際上在運行，在自主工作。我們希望在未來四年內，將業務拓展到這些領域。如果我們能達到這個數量，我們認為就正走在向世界輸送數百萬臺機器人的軌道上。

和軟件不同，我們沒辦法像數字信息一樣無限復制。但我認為最大的障礙是，走進某個地方，看到它實際運轉起來。這好像是整個問題中最棘手的部分。例如，在我們剛剛展示的包裹分揀工作中，機器人能夠自主工作，這是通過 Helix 模型完成的。我想我們剛剛發布的最新版本只增加了大約60小時的數據。在此之前，機器人完全不知道如何處理物流。我們向其輸入了60小時的數據，它就完成了我們向大家展示的所有工作。從宏觀角度來看，這根本算不了什么。

所以我們能夠開始收集數億甚至數十億小時的人類演示數據。我認為我們能夠將這些產品的規模擴大到十億級別，并將其推廣到世界的每一個角落。我認為，這是我們必須經歷的階段，因為硬件問題難度極大，而且我們必須學習如何進行規模化整合。

Logan Kilpatrick：

是的，關于這個問題我有一個簡短的后續問題：你認為快速學習過程在多大程度上得益于世界知識的壓縮？我不知道你們的模型是基于什么構建的，但我們這個生態系統似乎正在探索如何將越來越多的世界知識壓縮到更小的模型中。你們是否也因此直接受益，即模型因為已經內置了大量知識而學得更快？

Brett Adcock：

是的，這肯定有幫助，因為它讓我們可以在本地運行這些模型。我們需要模型更小、更快。我們使用 VLM (視覺語言模型) 作為語義基礎，并將其應用于 VLA (視覺語言-行動) 模型，也就是我們的 Helix 模型。這個模型就像一個更強大的大腦，其在 S2 上的運行速度大約為 7.9 赫茲，比我們一些低級別的 Transformer 策略要慢。所以我們肯定從中受益了。

問題在于，這些模型在物理層面上并不真正理解如何與周圍的物體交互。例如，抓取一個物體時，它們不理解機器人合適的受力狀態，也不理解如何處理柔性或剛性等不同特性的物體。它們沒有接受過任何那樣的訓練。機器人領域不存在像 YouTube 那樣的平臺，所以我們不得不自己構建所有這些數據和訓練流程。

我們在模型中使用了 VLM 主干，這對語義理解非常有幫助。在我們的 Helix 項目中，“螺旋”團隊的人員占全體員工的 20%，所以對于AI團隊來說，這規模相當可觀。目前該團隊專注的唯一問題就是機器人學習，以及如何高效地訓練新行為。

Nolan Fortman：

布雷特，我有一個簡短的問題，你可能是回答這個問題的最佳人選。我們正在討論超級智能，以及將數十億臺機器人融入現實世界的構想。你如何設想十年、二十年后的超級智能會是什么樣子？對人類來說，那會是怎樣的情景？你希望它能達成什么樣的目標？目標是給人們更多時間與家人共度嗎？有了這些能幫助執行任務的機器人，是否會開啟創造力的新高度？我很好奇，當我們達到你所說的那些門檻和基準時，社會將呈現出怎樣的景象。

Brett Adcock：

是的，趨勢顯示，人形機器人每年能做的人類工作越來越多，而且隨著時間的推移，它們在大多數工作上會比人類做得更好。這在我們的有生之年肯定會發生。我想，屆時世界上任何工作，無論是在家還是在職場，都將成為一種選擇。你可以選擇自己做飯、洗衣服、煮咖啡、遛狗、照看孩子或從事建筑等工作，也可以讓機器人來完成。

機器人將對 GDP 做出重大貢獻。我們現在是按人均來衡量 GDP 的，而這些機器人基本上就像人造人。即使是今年，我們也會在生產線上使用機器人來協助制造其他機器人。所以，你肯定會在有生之年看到機器人制造機器人。機器人制造機器人，它們持續工作，并且在大多數任務上比人類做得更好、更快、更可靠。

超級智能在社會中的作用

Brett Adcock：

那我們該如何度過我們的時間？我們的目標是什么？這就變成了一場非常艱難的對話，尤其是對我這樣的人來說。它在我生命的大部分時間里都在發揮作用，而我也一直熱愛著它。我們正在制造的機器人和智能體，可能在我們有生之年就會比我們所有人都更聰明、更優秀。

這確實會引發很多焦慮情緒。所以我希望人們能把更多的時間花在做自己真正喜歡的事情上，比如滑雪、陪伴家人。我希望30年后，人們不會一生工作50年，尤其是在體力勞動崗位上度過大半生。

Nolan Fortman：

我快速跟進一個問題。您覺得會不會出現類似特斯拉的模式——就像埃隆推動的那樣——當你不用特斯拉時，它就會變成優步或自動駕駛出租車為你創造收入？我們會不會走到這樣一個階段：每個人都有一個人形機器人，可以將其部署去執行各種任務，那個機器人得到報酬后，又回到你身邊？我只是好奇您對這個畫面的想法。

Brett Adcock：

是的。你可以讓機器人去幫你賺錢。比如，你想把它借給鄰居用，只需讓機器人穿過街道到隔壁去幫忙就行。從長遠來看，機器人的制造成本會相對較低。它們可以從事基礎的、持續性的工作，這將導致商品和服務的價格下降。每個人都能享用幾乎任何東西，無論是理發、商品、農產品還是其他服務。如果由機器人來做，所有這些服務的成本，最終都會歸結為機器人本身的成本、所需的能源成本，可能再加上房地產的成本，僅此而已。而且你可以大幅降低所有成本，因為合成人（注：人形機器人）可以日夜不停地工作，完成幾乎無限的工作量。所以，是的，你將擁有一個有個性的機器人。你可以要求它調高幽默感或變得更嚴肅；你會和它交談、給它發消息，而它會一直為你工作。

Logan Kilpatrick：

是啊，那樣的生活將會很瘋狂。布雷特，我們想問每個嘉賓的最后一個問題，這是一個非常開放的問題：關于2025年，你希望發生什么，以及不希望發生什么？雖然問題很寬泛，但我們總能因此得到非常有趣的回答。所以我很好奇你在這兩方面的想法。

Brett Adcock：

我正在努力經營我的公司，比如Archer、Figure和Cover（注：根據上下文推斷，此處為公司名），希望它們都能發展良好，創造一個真正令人興奮的未來。

就個人而言，我非常希望推動人類進步所需的技術能更上一層樓。我們需要著手開展像水下城市、太空電梯或針狀結構這類項目，這些是真正能在2050年前推動人類進步的事物。很多這樣的領域正開始變得越來越可行，技術就緒水平正在不斷提高。在四五十年代和六十年代，我們曾有過那種大膽的宏偉目標。為了人類，我們需要設立新的 標桿。我們需要全人類和超級智能共同努力，幫助我們實現這一目標。

Brett Adcock：

這些在我們有生之年都有可能實現，我們希望能親眼看到。所以我希望我們能更上一層樓。因為我關心的是利用技術杠桿來提升全球的生產力和幸福感。希望到2050年我們能有一部太空電梯，那太棒了。我認為這有可能實現。在更多類似的技術領域，我認為那將是我們能生活在其中的最激動人心的未來。

Logan Kilpatrick：

是的，我喜歡這個愿景。布雷特，這太棒了。感謝您抽出時間與我們交流。很高興看到你們的持續進步，我覺得貴公司的未來一片光明。再次感謝您與我們聊天。

Brett Adcock：

洛根、諾蘭，感謝你們的邀請。期待很快再和你們聊。