人形机器人公司Figure AI周二宣布,在C轮融资中筹集了"超过10亿美元"。这笔资金将用于扩大机器人生产、建设英伟达GPU基础设施以加速训练和仿真,并扩大人类工作和生活数据的收集。
这意味着该公司将同时推进三个关键领域:制造可出货的硬件机器人、构建让机器人变得智能的AI引擎,以及捕获AI引擎所需的训练数据。
"Figure的目标是解决通用机器人问题,"CEO布雷特·阿德科克在周二的YouTube视频中表示。"历史上第一次,实现这一目标的正确技术已经存在。"
Figure拥有极高的雄心壮志。其机器人Figure 02是去年年底第二个获得有偿工作的人形机器人。今年早些时候,阿德科克宣布公司目标是在未来四年内出货10万台人形机器人,并透露Figure的客户名单包括"美国最大的公司之一"。
这些雄心不仅限于仓库或工厂。Figure定期分享其机器人在厨房工作、端饮料、装洗碗机、叠衣服和执行其他家务任务的视频。这些功能的核心是Helix AI,这是Figure为每台机器人构建的智能系统。Helix AI为Figure机器人提供了适应性强的现实世界智能,使它们能够理解从未见过的物体,并基于这种认知执行智能合理的行动。
这对于出货有用的人形机器人至关重要,这样它们就不必在家庭或工厂帮助或工作的每个细微边缘情况上都进行明确训练。
"这是一个非常困难的问题,"阿德科克说。但他补充道,"团队已经就位,机器人已经制造完成,前进的道路很清晰。"
当然,10亿多美元的资金将有所帮助。英特尔、英伟达、LG、Salesforce、高通和T-Mobile都通过其投资部门参与了这轮融资,但融资由Parkway Venture Capital领投。
Figure并不是唯一一家最近筹集10亿美元的人形机器人公司。据报道,中国的优必选本月早些时候也筹集了这一金额,尽管该公司尚未确认。优必选拥有赢得最大公开已知人形机器人合同的殊荣,价值9051.15万元人民币,即1270万美元,来自蜜逸汽车科技有限公司。
人形机器人的未来可能光明。潜在市场是每年完成的40万亿美元体力劳动,占全球国内生产总值的一半。
然而,也有一些反对者。机器人领域资深人士、Kinisi Robotics首席执行官布伦·皮尔斯至少部分持这种观点。
"腿有什么用,"他在最近与我的TechFirst播客中问道。"显然你会有腿式机器人......但我们是否真的缺少启用它们的关键功能之一,即AI?"
他的论点是:腿很炫酷,但轮子在工厂和仓库中运行得很好,对于重载和长电池寿命可能要好得多。此外,手才是真正的挑战。
尽管如此,数十家制造商正在全速冲向完全人形机器人,并在此过程中获得丰厚回报。
在一个有数十个甚至数百个竞争对手的市场中,Figure认为自己是市场领导者。
"这个里程碑对于解锁人形机器人下一阶段的增长、扩展我们的AI平台Helix和BotQ制造至关重要,"阿德科克在声明中说。"新合作伙伴的支持,以及现有投资者的持续支持,既反映了Figure作为市场领导者的地位,也反映了对这项技术将成为日常生活自然组成部分的未来的共同信念。"
有了所有这些投资,这可能比我们意识到的更快到来。
Q&A
Q1:Figure AI公司的Helix AI系统有什么特别之处?
A:Helix AI是Figure为每台机器人构建的智能系统,它为机器人提供适应性强的现实世界智能,使机器人能够理解从未见过的物体,并基于这种认知执行智能合理的行动,无需对每个细微情况都进行明确训练。
Q2:Figure AI计划生产多少台人形机器人?
A:Figure AI的CEO布雷特·阿德科克宣布,公司目标是在未来四年内出货10万台人形机器人,客户名单包括美国最大的公司之一,应用场景涵盖工厂、仓库和家庭环境。
Q3:人形机器人市场前景如何?
A:人形机器人的潜在市场规模巨大,达到每年40万亿美元的体力劳动市场,占全球国内生产总值的一半。目前已有多家公司获得大额融资,包括Figure AI的10亿美元和中国优必选的类似融资规模。
好文章,需要你的鼓励
企业大量采用自动化开发生命周期平台,85%的IT领导者在过去两年完成了DevOps迁移。虽然这些平台能简化编码实践并减少工具数量,但调查显示,完全替换式迁移平均花费175万美元,预算超支18%。超过三分之一的领导者表示25%的预算变成沉没成本。专家建议采用工具集成而非替换的渐进式迁移方法,以避免成本超支和供应商锁定问题。
阿布扎比科技创新研究院团队首次发现大语言模型生成的JavaScript代码具有独特"指纹"特征,开发出能够准确识别代码AI来源的系统。研究创建了包含25万代码样本的大规模数据集,涵盖20个不同AI模型,识别准确率在5类任务中达到95.8%,即使代码经过混淆处理仍保持85%以上准确率,为网络安全、教育评估和软件取证提供重要技术支持。
斯坦福大学研究团队首次系统比较了人类与AI在文本理解任务中的表现。通过HUME评估框架测试16个任务发现:人类平均77.6%,最佳AI为80.1%,排名第4。人类在非英语文化理解任务中显著优于AI,而AI在信息处理任务中更出色。研究揭示了当前AI评估体系的缺陷,指出AI的高分往往出现在任务标准模糊的情况下。