



在宇树人形机器人登上春晚跳起东北二人转时,仿佛就注定了人形机器人在2025年仍将继续横扫全球市场。
这不,刚过完春节,美国人形机器人明星企业Figure AI就官宣要和OpenAI“闹分手”,紧接着是波士顿动力与前CEO成立的研究院再“牵手”。
当然,马斯克也没闲着,他则是在加紧为特斯拉招兵买马,为人形机器人量产做准备。
“机器人公司应该自己做模型”
作为美国最具名气的人形机器人公司之一,成立于2022年的Figure AI如今已经是估值26亿美元(189亿元)的准独角兽企业。
据公开信息显示,在2024年年初的融资中,OpenAI与微软、英伟达等科技巨头和投资机构一同为Figure AI提供了B轮6.75亿美元的融资。
Figure AI在美国追捧程度由此也可见一斑。
作为Figure AI研发的人形机器人产品,Figure 01曾在2024年3月搭载OpenAI大模型对外进行demo演示,彼时这一可以通过语音控制收拾杯盘、整理桌面的人形机器人demo视频一经放出,在全球范围内引起广泛关注。

随后,Figure AI不仅官宣了与宝马汽车工厂的试点合作,还宣布了第二代人形机器人Figure 02将使用 OpenAI 模型进行自然语言交流。
不过,Figure AI团队最近有了新的想法。
Figure AI创始人Brett Adcock在接受外媒采访时称,“我们发现,要想在现实世界中解决人形机器人的具身智能问题,就必须自己做人工智能技术研发,我们不能外包人工智能就像我们无法外包硬件一样。”

为此,Brett Adcock也宣布了与OpenAI的“分手”,宣布放弃使用OpenAI的大模型。
与此同时,Adcock在其社交媒体平台上还表示,Figure AI在端到端机器人AI上已经有了重大突破,将会在接下来30天里展示一些人们在人形机器人上未曾实现的能力。
这算是Brett Adcock为我们埋下了一个彩蛋,不过,努力在将人工智能技术融入人形机器人的不仅有Figure AI,几乎所有人形机器人团队都在将人工智能作为一个重要的技术研发方向。
这其中自然也包括美国老牌机器人明星团队波士顿动力。
波士顿动力为机器人注入AI
波士顿动力是美国老牌机器人团队,早在1992年由麻省理工学院脱胎,创始团队也是由Marc Raibert拉起的一支麻省理工科班团队。
波士顿动力早年间因各种机器人demo视频在YouTube上走红,因而也一直被视为机器人界的网红,不过,由于波士顿动力的机器人产品迟迟难以量产商用,在团队成立后的几年里被几经转手,先后被谷歌、软银、现代汽车收购。
在2021年6月正式被现代汽车收购时,波士顿动力创始人兼CEO Marc Raibert已经卸任离职,并在2022年8月创立了波士顿动力人工智能研究所,这一研究院后更名为机器人与人工智能研究所(RAI Institute),这一研究所的目标正是为波士顿动力机器人做基础技术研究,人工智能自然也是其中的重中之重。
就在被现代汽车收购后不久,全球迎来了人形机器人浪潮,在这波浪潮中,波士顿动力于2024年官宣转向电驱,并发布了电驱版的Atlas。

近日,波士顿动力官宣了一项与其前CEO Marc Raibert创办的RAI研究所的合作,这项合作旨在为电驱版Atlas人形机器人建立强化学习训练的共享机制,提升电驱版Atlas在动态环境中的移动操控能力。
Marc Raibert在官方声明中指出,“RAI的目标是开发支持未来智能机器的技术,与波士顿动力合作开发Atlas使我们能够在最先进的人形机器人上取得强化学习方面的进展,这项工作将在提升人形机器人的能力方面发挥关键作用,不仅可以扩展其技能,还可以简化获得新技能的过程。”
更关注机器人技术研究的Marc Raibert,正在通过人工智能技术支持波士顿动力机器人走向商业市场,不过,要说人形机器人的商业化,还要看更为激进的马斯克。
特斯拉Optimus年内要量产万台
马斯克最近也没闲着。
在1月30日的特斯拉2024年Q4业绩会上,马斯克透露,特斯拉人形机器人Optimus生产线月产能已经达到1000台,明年将建设的第二条生产线月产能将会达到10000台。
他还指出,预计今年Optimus将在特斯拉内部投入使用,负责完成工厂中最无聊、最讨厌的一系列工作,明年下半年将会面向其他公司交付产品。
为了加紧人形机器人产品量产并在特斯拉工厂中得以应用,特斯拉也在紧急招聘相关工程师,据官方挂在招聘网站上的信息显示,特斯拉目前正在为机器人团队招聘工程师、流程主管、产品经理等十多个岗位。

马斯克是这波人形机器人浪潮的关键人物,始终对人形机器人未来前景保持着乐观的态度,在Q4的业绩会上,他还公开了特斯拉2025年10000台机器人量产目标,并指出,未来随着Optimus年产量趋稳(年产量达到100万台以上),Optimus生产成本将会低于2万美元。
 0赞
 0赞好文章,需要你的鼓励
 推荐文章
 推荐文章
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。