

▎一目了然:Figure AI
公司名称:Figure AI
成立时间:2022年
公司简介:
Figure AI致力于打造一款能够与人互动、完成多种任务的通用型人形机器人。这款机器人能够自动行走、搬运物品、操作各类物体。它的应用场景涵盖了仓储管理、物流配送、医疗保健等多个领域。
创始团队介绍:
Brett Adcock:创始人兼CEO,资深科技企业家,自创立公司以来已有20年。现在,他的目标是用30年时间将Figure打造成对人类未来有积极影响的企业。
Jerry Pratt:首席技术官,主要负责与工程团队合作,引领公司采用最先进的实践、工具和技术,并致力于研究新兴技术,以融入Figure机器人的发展路线图。
Dana Berlin:战略发展副总裁,负责公司资本化和市场战略相关事务。
融资情况:
2023年3月19日,Figure获得Aliya Capital Partners等10家投资者提供的7000万美元A轮融资。
2023年7月17日,来自Big Sky Partners和Intel Capital的900万美元融资。
2024年2月23日,获得亚马逊创始人贝索斯及微软、英伟达、OpenAI等科技巨头约6.75亿美元的融资。
要打破这一社会瓶颈,促进劳动力的持续增长,就必须提高生产力——这意味着需要更多的自动化技术来提供支持。同时,许多高危险和艰苦的工作并不适合人类从事,迫切需要开发新技术,解决这些难题。
随着这种需求的迅速增长,人形机器人行业因此应运而生。
Figure 01:向自动化迈出的巨大一步
Figure AI目前正在开发的自主人形机器人被命名为“Figure 01”。这一创新旨在弥合劳动力差距,提高制造效率,并确保高风险工作的安全性。

拓展人类能力
无疑,人形机器人的出现极大地扩展了人类的能力,不仅可以缓解劳动力短缺,减少从事高危工作的工人数量,还能促进更多创造和生产。
Figure团队秉持“造福人类”的使命,设定了明确的目标:开发能够对人类产生积极影响的通用型人形机器人,为未来几代人创造更美好的生活。这些机器人将帮助人类完成高危和不受欢迎的工作,使人们的生活更加幸福和有意义。
目前,Figure工程师们正在研发外观和动作更加贴近人类的机器人。这一研究之旅预计将持续数十年。尽管面临着巨大的挑战和不确定性,Figure团队依然勇往直前。
据Figure官方网站透露,如果研究取得成功,这将对人类社会产生深远的积极影响,并可能使Figure成为地球上最大的公司之一。

Figure 01:向自动化迈出的巨大一步
Figure AI目前正在开发的自主人形机器人被命名为“Figure 01”。这一创新旨在弥合劳动力差距,提高制造效率,并确保高风险工作的安全性。
Figure AI在提高生活质量和为新兴市场提供强有力的经济支撑方面都做出了重大承诺。
Figure 01的创新之处
Figure 01最引人注目的特性之一是它的「动态双脚行走」技术。

Figure 01 的腰部和臀部关节的细节
这种行走方式与传统机器人依赖重心保持在接触地面之上的方法不同,它利用动量来维持平衡,提供了调整速度和方向的灵活性,以及优化关节扭转的能力。这一技术进步不仅是科技领域的一大突破,也将深刻改变人类与机器人的互动方式。

受“赛车头盔”启发的头部,可与人类用户交流的 LCD 屏幕

有 6 个自由度的机械手
在外观设计上,Figure 01呈现出中等身材女性的轮廓,这既考虑到了美观,更重要的是,这种设计降低了机器人的移动质量,显著提高了能源效率。同时,这也让机器人的外观更加人性化,减少了人们的陌生感。
好文章,需要你的鼓励
2025年,企业技术高管面临巨大压力,需要帮助企业从持续的AI投入中获得回报。大多数高管取得了进展,完善了项目优先级排序方法。然而,CIO仍面临AI相关问题。支离破裂的AI监管环境和宏观经济阻力将继续推动技术高管保持谨慎态度。随着AI采用增长的影响不断显现,一些CIO预期明年将带来劳动力策略变化。
这篇论文提出了CJE(因果法官评估)框架,解决了当前LLM评估中的三大致命问题:AI法官偏好倒置、置信区间失效和离线策略评估失败。通过AutoCal-R校准、SIMCal-W权重稳定和OUA不确定性推理,CJE仅用5%的专家标签就达到了99%的排名准确率,成本降低14倍,为AI评估提供了科学可靠的解决方案。
FinOps基金会周四更新了其FinOps开放成本和使用规范云成本管理工具,新版本1.3更好地支持多供应商工作流。该版本新增了合同承诺和协商协议数据集,增加了跨工作负载成本分摊跟踪列,以及云支出和使用报告时效性和完整性的元数据可见性。随着云和AI采用推动企业IT预算增长,技术供应商正在关注将成本与价值联系起来的努力。大型企业通常使用三到四家云供应商,小企业可能使用两家,同时还有数据中心、SaaS和许可等服务。
NVIDIA团队开发出Fast-FoundationStereo系统,成功解决了立体视觉AI在速度与精度之间的两难选择。通过分而治之的策略,该系统实现了超过10倍的速度提升同时保持高精度,包括知识蒸馏压缩特征提取、神经架构搜索优化成本过滤,以及结构化剪枝精简视差细化。此外,研究团队还构建了包含140万对真实图像的自动伪标注数据集,为立体视觉的实时应用开辟了新道路。