Figure 01所采用的技术方案是否与Sora有关？相比以往的机器人技术又实现了哪些质的飞跃？这对于国内机器人创业者带来何种全新启示？针对这些问题，Founder Park采访并整理了多位国内大模型及机器人行业创业者、投资人的深度见解。
OpenAI再次展现其先见之明，在“大模型+机器人”的赛道上抢得先机，甚至在某种程度上超越了Google。出门问问创始人兼CEO李志飞指出，Figure的工作原理类似于Google于今年3月发布的PaLM-E与RT-1的组合流水线，而非7月发布的端到端模型RT-2。Figure机器人在处理复杂的人机交互时（例如，“把桌子上的苹果拿给主人”），巧妙地将自然语言转化为机器抽象计划，并进一步将计划转化为具体的机械操作，实现高效精准的执行。Figure视频的最大亮点在于它成功融合了大语言模型的常识推理与COT（思维链）能力，并几乎达到了与人类似的快速操控反应速度。当用户表示“我饿了”，Figure能在短短几秒内识别出面前的苹果是可供食用的对象，并迅速递交给用户，这一过程充分体现了基于大语言模型的强大情境理解和推理能力。
关于Figure是否运用了Sora或远程操控技术，答案均是否定的。Figure创始人Brett Adcock强调，Figure与Sora并无关联，且展示视频并非通过远程操控录制，而是以真实人形机器人的实时动作呈现。尽管Figure创始人提到使用了端到端神经网络，但据技术负责人的Twitter信息显示，Figure实际上是一个结合了OpenAI GPT4V（类比PaLM-E）的大语言模型以及一个类似RT-1的机器人操控模型的流水线系统，而非如RT-2那样的真正端到端模型。
综上所述，Figure的机器人模型可以理解为GPT4V + 操控模型 ≈ Google的PaLM-E + RT-1。OpenAI再次凭借其前瞻视野和出色的产品定义能力，在机器人与大模型的结合领域超越了Google，尤其是在产品演示方式上，通过一款真实人形机器人的高速、自然互动，引发了公众的广泛关注。
Figure联合创始人兼首席执行官Brett Adcock表示，团队的目标是训练一个能够操纵十亿单位级别的仿人机器人世界模型，从而消除对不安全和低效工作的需求，最终提升人类的生活质量，这与OpenAI的“超级对齐”愿景不谋而合。
从特斯拉Optimus到今日的Figure，未来的模型能力和机器人硬件如何平衡，从概念演示走向大规模应用还有多远，人形机器人百花齐放的时代已然开启。李志飞博士作为中国大模型创业领域的代表人物，持续探索AGI的商业化落地路径。
千寻SpiritAI CEO韩峰涛认为，Figure的宣传视频首次以生动易懂的方式揭示了当前具身智能创业的核心方向——即AI系统自主以接近自然的方式释放机器人硬件性能。此外，韩峰涛建议关注精细操作、力交互场景以及长周期任务的效果，同时强调强AI大脑与优质机器人执行系统的双轮驱动在国内仍显稀缺。
源码资本执行董事陈润泽连同其他投资人一致认为，随着单点技术的快速发展，今年将会看到机器人领域一系列令人振奋的突破性进展。尽管Figure的演示并未展示太多全新技术能力，但其成功展示了大模型与机器人技术相结合所带来的巨大潜力。未来，基座大模型与负责操作的神经网络将成为通用机器人架构的关键范式。
蓝驰创投合伙人曹巍也高度评价了Figure 01的各项卓越表现，尤其是产品的整体设计感与工程水平，以及依托底层强大模型带来的场景理解与任务推理能力。他预测，在未来5至10年内，人形机器人技术将迎来黄金发展期，而蓝驰已前瞻性地布局了一系列具身智能本体团队及相关底层大模型项目，将持续关注仿真训练平台、关键传感器、机器人核心模组等领域的创新团队。
本文摘自微信公众号“极客公园”，经36氪授权发布。
