人形機器人與AI的結合加快了，Figure AI的機器人開始與人類對話。
北京時間3月13日深夜，一段人形機器人視頻在社交媒體上熱傳，主角是Figure AI的人形機器人。2月底，Figure AI剛剛傳出被OpenAI、微軟及亞馬遜、英偉達等投資的消息，最近一輪融資中籌集了6.75億美元。此次機器人展示正是由Figure AI和OpenAI合作完成。
視頻中，Figure AI人形機器人具有視覺能力并能表述所見畫面，它伸手拿起桌上的蘋果，并解釋了這么做的原因，人類的提問后，這臺人形機器人“思索”2~3秒后便能順暢作答，手部動作速度則接近人類。據視頻介紹，機器人采用了端到端神經網絡，且視頻并未加速。
Figure AI創始人Brett Adcock和AI團隊負責人Corey Lynch在社交媒體上解釋，該人形機器人由OpenAI提供了視覺推理和語言理解，Figure AI的神經網絡則提供快速、靈巧的機器人動作。人形機器人將攝像機的圖像輸入和麥克風接收的語音文字輸入OpenAI提供的視覺語言大模型（VLM）中，該模型可以理解圖像和文字。Figure機載相機以10hz的頻率拍攝畫面，隨后神經網絡以200hz的頻率輸出24個自由度動作。畫面中的人形機器人不依賴遠程操作，行為都是學習而得的。兩周前，Figure AI才宣布與OpenAI合作，以突破機器人學習的界限，這個視頻是合作13天的成果，雙方正在為人形機器人研發下一代AI模型。
“機器人的速度有了顯著提高，我們開始接近人類的速度。“Brett Adcock表示。
Figure AI成立于2022年，已開發一款名為Figure 01的通用機器人，完成最新6.75億美元融資后，估值達到約26億美元左右。對比今年2月發布的一條視頻，其機器人進行的是雙腿行走、拿起塑料箱的任務，最新視頻展示的新技能則是與人類對話的能力。
人形機器人進展已在加快。去年年底，特斯拉發布了第二代人形機器人Optimus Gen2的產品展示，該人形機器人搭載了AI大模型，可拿起雞蛋。今年1月發布的視頻中，特斯拉人形機器人可以折疊衣服。語言對話上，英國公司Engineered Arts人形機器人Ameca不久前與人類對話的視頻也曾引發關注，該機器人具備視覺能力，可以描述空間特征，例如窗戶開著、光線太亮，眼球和嘴巴都會動，表情逼真。
OpenAI也借著與Figure AI的合作展示了大模型應用至人形機器人方面的能力。在趨于激烈的市場競爭中，OpenAI已在加快迭代。
今年3月，被視為OpenAI最強競爭對手的Anthropic發布其最新大模型系列Claude 3，其中Claude 3 Opus在多項基準中得分均超GPT-4和Gemini 1.0 Ultra。彼時有AI業內人士告訴第一財經記者，在OpenAI站在第一梯隊、Anthropic等站在第二梯隊的層層向下“打壓鏈”中，Anthropic最新產品推出可能會打亂OpenAI的節奏，更早推出GPT-5。近日記者從大模型從業者了解到，實際使用中Claude 3在某些任務下的表現較好，可勝過GPT-4。
OpenAI確乎更希望穩住自身地位。除了與Figure AI合作外，美國當地時間周三，OpenAI CTO Mira Murati（米拉·穆拉迪）還透露，文生視頻模型Sora或將于今年末發布，OpenAI正在通過紅隊測試確保Sora的安全和可靠性。昨日則有消息稱，網友發現在必應等搜索引擎可搜到GPT-4.5 Turbo產品頁面，頁面摘要顯示GPT-4.5 Turbo在速度、準確性和可擴展性上超越GPT-4 Turbo，支持25.6萬tokens的上下文窗口，但很快相關鏈接就下架了，這或許意味著OpenAI將加快推出大模型新版本。
