最近，Figure 创始人 Brett Adcock 接受了 Peter H. Diamandis 频道近两个小时的专访，这也是他在发布引爆行业的 Helix 2 模型后，首次系统性地阐述对于机器人行业技术路线，以及未来市场的全面思考。
2022 年在硅谷成立后，Figure 仅用了三年多的时间，就成为了全球估值最高的人形机器人企业，最新 C 轮融资后估值高达 390 亿美元。
其创始人 Brett Adcock 则是一位出生于 1986 年的连续创业者，被不少人称为「马斯克 2.0」。成立 Figure 前，他曾创办过线上人才市场公司 Vettery 和 eVTOL 公司 Archer Aviation，后者在 2020 年顺利完成上市。
在采访中，Brett Adcock 表示，机器人真正的通用性在于实时、响应式的闭环控制，而不是预编程或遥控，所以神经网络是构建通用人形机器人的唯一途径。
对于过去一年大量企业涌入机器人领域的现象，Brett Adcock 认为，未来的机器人行业会出现大规模整合，最后可能就剩下寥寥几家巨头。但人形机器人会造就 50 万亿美元的市场。
而在这个过程中，Figure 目前积累了大量数据，这也是 Figure 区别于其他机器人企业，让机器人学习自主能力的重要竞争壁垒。
另外在最受关注的机器人规模量产问题中，Brett Adcock 透露， Figure 正在扩建 Baku 工厂，目标是实现每三十分钟生产一台机器人，并且计划今年在生产线上部署机器人造机器人，还要将机器人推向市场。
戳穿表演泡沫，开环与闭环间存在鸿沟
Brett Adcock 经常在社交平台中强调机器人自主能力的重要性，他还公开质疑过其他厂商的视频是电脑生成。
在这次采访中，机器人的自主性依然是重点话题。他直言，几乎没有人形机器人能在视频里连续不剪辑、完全由神经网络控制超过一分钟。
另外，目前网上有大量机器人跳舞和干活的视频，相当一部分都属于「开环控制」或「遥操作」。
- 开环控制：机器人只是在盲目地执行预先写好的脚本。它不知道手里拿的是什么，也不知道环境是否发生变化，这种状态下的机器人没有任何实用价值。
- 遥操作：许多视频宣称机器人是自主干活的，实际上有人在幕后遥控。「这就像是开了一家自动驾驶公司，表面宣传无人驾驶，实则背后有人在遥控。」
- 机器人领域真正的壁垒在于「闭环控制」。
Figure 追求的是闭环控制路线，其核心是实时、响应式的自主决策与执行。即机器人能够通过摄像头实时感知环境，通过神经网络理解物理规律，并实时调整动作。
比如洗碗时，盘子出现滑动，机器人就能立刻感知并调整抓握力度，而不是按照脚本运行，导致盘子被捏碎。
在这种情况下，即便是大语言模型（LLM），也会缺乏对现实世界的理解，尤其是在机器人具备超 40 个自由度，且大概 40 个电机都能 360 度旋转的情况下，机器人的潜在状态数量会是 360 的 40 次方，状态总数比宇宙中的原子数量还多。
所以 Figure 必须专门训练模型，来让机器人掌握诸如如何拿水、怎么用力等这些隐含的物理学知识，以此保障闭环控制下任务执行的可靠性，让神经网络真正适配机器人的实际操作需求。
并且 Brett Adcock 也坚信，神经网络是构建通用人形机器人的唯一途径，比如刚刚发布的 Helix 2 模型，就可以让机器人在厨房里像人一样全自主地工作 4 分钟。
如果只靠传统代码，根本无法让机器人实现可靠的落地部署。在这个过程中，Figure 起初维护的几十万行 C 代码到如今已经全部被清除。
垂直整合是必然选择
在机器人行业中，要想让机器人真正实现可靠运行，软硬件之间的协同就显得非常重要，单靠软件算法难以成功，在这次采访前 Brett Adcock 就已经聊到了这个话题。
为什么 Figure 坚持要自己造电机、自己做关节，而是不像组装电脑一样购买现成零件？在这中间，就涵盖着软硬件协同的核心问题。
他提到，Figure 起先也尝试过采购供应商的零件进行组装，但效果并不好。市面上不少电机、摄像头等零部件，根本无法满足端到端神经网络对高频推理的需求，容易产生高延迟、发热等情况。
最关键的一点就是硬件的设计逻辑已经发生了改变：
- 硬件要为 AI 服务：不应该是先有机器人再去训练 AI，而是先确定 AI 需要什么样的预训练数据，再倒推硬件该如何设计。Helix 2 需要学习人类的物理操作，所以 Figure 03 机器人的硬件架构（关节自由度、传感器布局）完全是为了让 AI 能够更高效地采集和理解数据而设计的。
- 数据壁垒：只有全栈自研，才能获得最底层的传感器原始数据。这些海量的、与硬件完美匹配的真实物理数据，也让 Figure 区别于其他机器人企业。一旦机器人学会了一项技能（比如从数十万次尝试中学会抓取），这个能力会瞬间同步给所有机器人，实现人类难以做到的「群体进化」。
而且人形机器人的构造非常复杂，各模块系统之间存在高度耦合，往往容易牵一发而动全身，哪个环节出现问题，那整个机器人本体可能就会崩溃。
如果等待供应商进行修复，对于未来庞大的机器人部署系统来说，不但效率低，稳定性和安全性都会出现问题。
在这个垂直整合的过程中，Figure 计划到 2026 年夏天将供应链都脱离中国。另外 Brett Adcock 也表示，中国在机器人领域拥有大量人才，是 Figure 最大的竞争对手。
而且总体来看，垂直整合的价值，也在于 Figure 的成本控制目标中。
降本到 1 – 2 万美元，今年就推向市场
在垂直整合、全栈自研的背景下， Figure 的目标是把机器人的成本降低到 1 万至 2 万美元。
不过 Brett Adcock 也坦言，目前整个机器人行业还处于初级阶段，解决通用性后，下一步才是大规模推广的问题。只是造出来 10 万个需要遥控的机器人，那没有意义。但 Figure 正处于并行推进的过程中，即让机器人逐渐变得通用的同时提高产量。
在 2026 年的剩余时间里，他们计划在 Baku 工厂启动 Figure 03 机器人的大规模生产，希望达到每 30 分钟产 1 台机器人的速度。并且今年还将在 Baku 生产线上部署机器人，来逐渐实现机器人制造机器人的场景。
具体的推广时间来看，Figure 计划在今年就将机器人大规模推向市场，目前已经签约了多家客户。在产能方面，目前的工厂能够支持大概 4 条生产线，单线年产约 1.2 万台，总产能接近 5 万台。
Figure 下一步的重点则是生产数千台机器人，随后会循序渐进地把产量提升至数万、数十万乃至百万台。
在时间点上，Figure 的竞争对手特斯拉此前也曾表示，2026 年先在弗里蒙特建设年产能 100 万台机器人的生产线。可能会在 2027 年年底之前，向公众销售 Optimus 机器人。
不过在推广阶段，Figure 更倾向于租赁模式，他提到人类本质上也是通过「雇佣」来进行工作的。
如果按照降本后单台机器人成本为 2 万美元来计算的话，搭配上 Figure 期待的租赁模式，那么机器人的租赁价格可能也会随之降低，这对于用户来说，经营成本会显著下降。
不过在量产的过程中，Figure 并没有考虑制造超人类形态的机器人，比如 4 条胳膊的机器人。Brett Adcock 认为机器人的首要目标是做人能做人类能做的事，一旦选择做类似多条手臂之类的形态，机器人的自重会随之增加，而且制造的成本也会变高。
未来只剩下几家巨头，领先对手两年
在过去一年中，机器人领域非常火热，不管是整机、灵巧手、电机还是模型等细分赛道，都涌入了相当多的竞争者。
在 Brett Adcock 看来，大量对手涌入是再正常不过的事。因为未来每个人都应该拥有一个机器人来处理琐事，机器人会造就 50 万亿美元的市场，所有的巨头都将参与其中。
不过潮水过后，淘汰赛终究会出现。尤其是在硬科技这种聚集大量人才和资金的领域，只有那些能同时搞定 AI 模型、硬件制造、大规模量产和商业闭环的公司才能生存下来。
就像 20 世纪初汽车领域经历的行业大清洗一般，数百家公司最终只剩下福特、通用等巨头。
机器人行业未来也将经历残酷的整合。虽然现在全球有上百家机器人创企，但最终能留存下来的，全球可能只有寥寥几家。
面对残酷的竞争，Brett Adcock 显得非常自信，因为他认为如果以 Helix 2 机器人模型的表现为标准，那竞争对手跟 Figure 之间至少还有两年的差距。
在这里，他也给出了定义未来少数几家巨头的标准，那就是造出一个完整的、端到端的机器人，能够泛化到未知环境，并且至少能够自主工作几天。
不过就现在的情况来说，现在还没有机器人能兼顾运行神经网络、控制成本、规模量产和每天自主可靠运行，尽管这样的尝试已经持续了两年，全球仍然没有一个人形机器人企业可以做到。
在竞争格局时刻都在变化的机器人领域，Brett Adcock 表示 Figure 目前正在全力保持领先，他也希望在明年，甚至今年就能真正展示出机器人的通用性。
在这个关乎机器人能不能大规模走进现实生活的卡点中，我们不妨期待一下今年 Figure 会带来什么不一样的内容。