撰文：Techub News 整理
导语
在 2025 年于旧金山举行的 Bloomberg Tech Summit 上，人形机器人公司 Figure AI 的创始人兼 CEO Brett Adcock（布雷特·阿德科克）接受了深度访谈。三年前几乎同一周，Adcock 在特拉华州正式注册成立了 Figure，目标直指通用人形机器人领域。自成立以来，Figure 以惊人的速度推进，而 Adcock 本人也因对2025 年 6 月机器人可实现目标的大胆预测而备受关注，同时也伴随着不小的质疑。此次对话正值 Figure 发布其第二代机器人 Figure 02 展示全新物流用例视频之际，Adcock 详细阐述了公司的技术路径、商业化进展、制造野心以及对整个行业格局的思考。
摘要
- 人形机器人将催生史上最大规模的产品发布和商业帝国，其市场潜力远超现有任何行业。
- Figure 采取软硬件全栈自研的垂直整合策略，旨在直接“出售劳动”，而非单纯销售硬件或模型。
- 公司已与宝马（BMW）在车身车间展开实际部署，并与一家物流巨头（据报道为 UPS）合作，让机器人每日执行真实商业任务。
- 制造被重新定义为消费电子模式而非汽车制造，公司设定了四年内出货10万台机器人的激进目标，并已建立相应产线。
- AI 能力核心在于单一神经网络处理视觉输入并输出动作，其泛化能力可使机器人处理从未训练过的物体（如草莓）。
商业化蓝图：从工厂车间到家庭客厅
Brett Adcock（布雷特·阿德科克）开宗明义地表达了他的核心信念：人形机器人不仅将建造一个规模空前庞大的商业帝国，其倍数将远超现有任何行业，而且这将成为史上最大规模的产品发布。他将此形容为“合成人类”出去从事类人工作，并称这是创始人所能面对的最终极、最具挑战性，但也可能是一生中最重要的创业问题。
Figure 的市场进入策略清晰分为两大领域：一是将机器人部署到商业劳动力市场，二是进入消费者家庭场景。Adcock 指出，全球劳动力人口正在下降，而商业劳动力市场占据了约一半的 GDP，潜力巨大。在家庭场景中，机器人需要完成诸如洗衣、收拾碗碟、整理儿童玩具等日常任务。为此，Figure 在设计硬件时，就以能让机器人完成普通人所能做的大部分事情为目标，在运动范围、力量（有效载荷）和速度等方面向人类看齐。
目前，Figure 的机器人已经每日在商业环境中工作。Adcock 强调，公司的目标是在市场上完全摒弃远程操控或遥操作。当前，遥操作仅用于数据收集和测试，真正的自主活动中并不需要人为干预。他认为，要实现规模化部署，就必须设定“无人在环”的终极目标，否则很容易陷入局部最优的陷阱。
制造野心与客户实践： scaling the future
当被问及与特斯拉 Optimus 的类比及制造规模时，Adcock 透露了 Figure 的制造设施细节。公司内部称其为“Bot-Q”，目前每条产线具备年产 12，000 台机器人的安装产能。他重申了在四年内出货 10 万台机器人的目标，并承认需要大幅提升产能。
Adcock 分享了一个关键认知转变：制造人形机器人更像是消费电子产品制造，而非汽车制造。机器人虽然结构复杂，但制造流程的难度比汽车低几个数量级。过去一年，Figure 深入理解了制造环节，建立了从零开始的制造流程、自研的制造执行系统（MES），并在产线上实现了广泛的自动化，这让他对实现大规模交付的信心大增。
在客户实践方面，Adcock 证实了与宝马的合作。目前，Figure 的机器人已在宝马的车间从事移动钣金件的工作，目标是将零件放置到夹具上，以便后续焊接成汽车底盘。他强调，这种合作关系带来的最大价值是让公司学会了如何在客户现场每日稳定运行机器人，处理网络、安全、与制造执行系统（MES）集成等问题，并致力于将每日所需的人工干预降至零。
此外，Adcock 也确认了在物流领域有第二位客户（彭博社报道为 UPS），并正在启动初步部署。他特别提到了当日发布的新视频：机器人能够自主分拣纸箱包装和塑料膜包装的包裹，并抚平塑料膜以露出条形码。Adcock 指出，物流场景的挑战在于每个包裹的每次出现对机器人而言都是全新的，无法用传统代码解决，必须依靠 AI 的泛化能力。机器人需要以人类的速度（每件 3-4 秒）处理不同尺寸的包裹，并完成定位条形码、抚平等动作。
全栈自研的 AI 哲学与竞争优势
Adcock 明确了 Figure 的“首要指令”：出售劳动。公司旨在让机器人出去完成制造、建筑、家务等各种工作，并按产出收费。因此，所有设计决策都围绕如何高效实现这一目标展开。Figure 不打算只卖硬件或模型，而是提供垂直整合的全栈解决方案，让用户仅通过语音就能指挥机器人智能地完成工作。
为了实现这一目标，Adcock 认为别无他法，必须自研一切：硬件、电子设备、软件、模型训练、制造、集成和服务。当被问及是否曾考虑基于 OpenAI 等公司的模型开发时，他给出了否定的答案。原因有二：一是 Figure 自己做得更好；二是与外部巨头合作反而会在招募顶尖团队时带来“别人已搞定 AI”的误解。事实上，Figure 自行完成了大部分 AI 工作。
在技术栈上，Figure 使用了开源的视觉语言模型（VLM）作为骨干网络，为机器人提供语义理解基础（例如，知道“草莓”是什么以及该如何处理）。在此之上，所有数据收集、模型开发、训练和推理测试均由 Figure 自主完成。Adcock 自信地表示，Figure 在人形机器人的 AI 工作上做得比地球上任何其他人都好。
关于数据与学习，Adcock 指出，公司目前面临的是数据和机器人数量问题，而非 GPU 算力问题。他描绘了一个强大的增长飞轮：部署更多能完成有用工作的机器人 → 通过制造经验曲线降低单位成本 → 机器人在市场中每日学习并改进 → 学习成果通过神经网络共享给整个机队。这可能导致赢家通吃或赢家多数的市场格局，即拥有最智能、学习最快且成本最低的机器人的公司将获得显著优势。
资本、竞争与未来展望
针对公司传闻以约 400 亿美元估值融资的消息，以及从上一轮 26 亿美元估值跃升的压力，Adcock 并未直接确认，但强调 Figure 资产负债表上的现金可能比整个人形机器人领域历史上筹集的总资金还要多。他表示，公司资金充足，足以支持训练、制造数万乃至更多机器人，并招募和激励全球最优秀的团队。当前重点在于保持团队精干、行动迅速，并持续交付每日可用的产品。
谈及与特斯拉 Optimus 的竞争，Adcock 表示公司不花太多时间关注竞争对手，但他认为，Figure 或许已经在全球范围内展示了人形机器人在 AI 和实际应用方面最好的真实进展。公司有动力继续保持市场领先地位。
最后，Adcock 展望了下一阶段：硬件已经可靠工作；AI 能够执行类人任务，并向人类学习，随时间不断改进；成本已大幅下降（他透露 Figure 03 的成本比 Figure 02 降低了约 90-93%）。这一切都无需硬件变更，只需通过软件和数据迭代即可实现，这令整个团队对未来的篇章感到兴奋。
