Figure 01 接入 OpenAI 模型：人形机器人能一边聊天一边干活了

如果说以前的 ChatGPT 还只是困在网页和手机屏幕里的对话框，那现在它算是真正有了一具能干活的实体肉身。

AI 机器人初创公司 Figure 最近发布了一段令人瞩目的演示视频：他们研发的人形机器人 Figure 01 接入了 OpenAI 的技术，直接开口与人类进行流畅对话，并根据语音指令同步完成抓取和放置等现实任务。

在演示中，Figure 01 的声音表现非常接近 ChatGPT 的语音模式。更逼真的一点在于，机器人说话时甚至带有一点自然的停顿和轻微口吃，听起来不再像是冰冷的预设录音，而像一个边思考边回应的真人。

脑袋归 OpenAI，手脚归 Figure

具身智能最大的难点，一直是如何把大脑的理解和肢体的控制衔接起来。

根据 Figure 的介绍，整套系统的分工非常明确：Figure 自己的神经网络主要负责底层、快速且灵巧的物理动作控制，保证关节运转和抓取物品的敏捷度；而高层的视觉感知和自然语言理解，则完全交给了 OpenAI 的模型。

也就是说，OpenAI 负责看懂眼前的东西、听懂人类的要求并规划出步骤，Figure 则负责把这些想法准确转化为机械肢体的运动。这也是目前人形机器人制造领域，首家将端到端语音交互和实时物理操作融合到这种程度的公司。

巨头抢着下注，马斯克压力陡增

OpenAI 对 Figure 的支持绝不仅限于提供接口，双方早已深度绑定。

就在不久前，Figure AI 完成了高达 6.75 亿美元的 B 轮融资，投资方阵容堪称豪华，除了领投的 OpenAI，还包括微软、英伟达、Intel Capital 以及贝佐斯探险基金（Bezos Expeditions）等科技巨头。

Sam Altman 曾公开表示，在物理硬件领域，业界终于第一次做出了真正令人兴奋的新平台。他认为，只要把 OpenAI 的语言与视频理解能力结合进去，机器人能做到的事情将极其惊人。

这种软硬件结合的突破，显然直接拉开了与其他选手的身位。不论是特斯拉的 Optimus 还是波士顿动力的 Atlas，目前都还没公开展示过这样成熟的语音与视觉交互系统。业内甚至认为，OpenAI 在具身机器人领域的急速推进，也是近期埃隆·马斯克起诉 OpenAI 的关键背景之一。

为什么重要

我们认为，Figure 01 的这次亮相，标志着生成式 AI 正在加速摆脱单纯的软件属性，向实体世界下沉。过去大家还在争论多模态大模型到底能在工业或家庭场景做什么，而 Figure 用最直接的现场演示证明，语言模型完全可以充当机器人的任务中枢。

对行业来说，这条技术路线如果走通，很可能会重塑整个人形机器人赛道的竞争逻辑。以往机器人比拼的是步态平衡、机械结构和运动控制算法，门槛极高且进展缓慢；但现在，直接外包大脑给前沿大模型、自己专攻灵巧执行的搭积木模式，看起来迭代速度要快得多。这会倒逼波士顿动力和特斯拉加快把自研大模型塞进硬件身体的节奏。

不过，目前的隐患依然在于工业化落地和成本。演示里的桌前拾物与真正进入工厂打工之间，隔着容错率和长任务稳定性的巨大鸿沟。如果高层理解稍有偏差，机械肢体在现实中造成的损失可比软件输出一条错话严重得多。但无论如何，当 ChatGPT 有了手脚，通向 AGI 的竞赛显然已经进入了下一阶段。