Figure 01 接入 OpenAI 模型：人形機器人能一邊聊天一邊幹活了

如果說以前的 ChatGPT 還只是困在網頁和手機螢幕裡的對話方塊，那現在它算是真正有了一具能幹活的實體肉身。

AI 機器人初創公司 Figure 最近釋出了一段令人矚目的演示影片：他們研發的人形機器人 Figure 01 接入了 OpenAI 的技術，直接開口與人類進行流暢對話，並根據語音指令同步完成抓取和放置等現實任務。

在演示中，Figure 01 的聲音表現非常接近 ChatGPT 的語音模式。更逼真的一點在於，機器人說話時甚至帶有一點自然的停頓和輕微口吃，聽起來不再像是冰冷的預設錄音，而像一個邊思考邊回應的真人。

腦袋歸 OpenAI，手腳歸 Figure

具身智慧最大的難點，一直是如何把大腦的理解和肢體的控制銜接起來。

根據 Figure 的介紹，整套系統的分工非常明確：Figure 自己的神經網路主要負責底層、快速且靈巧的物理動作控制，保證關節運轉和抓取物品的敏捷度；而高層的視覺感知和自然語言理解，則完全交給了 OpenAI 的模型。

也就是說，OpenAI 負責看懂眼前的東西、聽懂人類的要求並規劃出步驟，Figure 則負責把這些想法準確轉化為機械肢體的運動。這也是目前人形機器人制造領域，首家將端到端語音互動和即時物理操作融合到這種程度的公司。

巨頭搶著下注，馬斯克壓力陡增

OpenAI 對 Figure 的支援絕不僅限於提供介面，雙方早已深度繫結。

就在不久前，Figure AI 完成了高達 6.75 億美元的 B 輪融資，投資方陣容堪稱豪華，除了領投的 OpenAI，還包括微軟、輝達、Intel Capital 以及貝佐斯探險基金（Bezos Expeditions）等科技巨頭。

Sam Altman 曾公開表示，在物理硬體領域，業界終於第一次做出了真正令人興奮的新平臺。他認為，只要把 OpenAI 的語言與影片理解能力結合進去，機器人能做到的事情將極其驚人。

這種軟硬體結合的突破，顯然直接拉開了與其他選手的身位。不論是特斯拉的 Optimus 還是波士頓動力的 Atlas，目前都還沒公開展示過這樣成熟的語音與視覺互動系統。業內甚至認為，OpenAI 在具身機器人領域的急速推進，也是近期埃隆·馬斯克起訴 OpenAI 的關鍵背景之一。

為什麼重要

我們認為，Figure 01 的這次亮相，標誌著生成式 AI 正在加速擺脫單純的軟體屬性，向實體世界下沉。過去大家還在爭論多模態大模型到底能在工業或家庭場景做什麼，而 Figure 用最直接的現場演示證明，語言模型完全可以充當機器人的任務中樞。

對行業來說，這條技術路線如果走通，很可能會重塑整個人形機器人賽道的競爭邏輯。以往機器人比拼的是步態平衡、機械結構和運動控制演算法，門檻極高且進展緩慢；但現在，直接外包大腦給前沿大模型、自己專攻靈巧執行的搭積木模式，看起來迭代速度要快得多。這會倒逼波士頓動力和特斯拉加快把自研大模型塞進硬體身體的節奏。

不過，目前的隱患依然在於工業化落地和成本。演示裡的桌前拾物與真正進入工廠打工之間，隔著容錯率和長任務穩定性的巨大鴻溝。如果高層理解稍有偏差，機械肢體在現實中造成的損失可比軟體輸出一條錯話嚴重得多。但無論如何，當 ChatGPT 有了手腳，通向 AGI 的競賽顯然已經進入了下一階段。