▎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
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。