OpenAI大型模型操控机器人表演炸场演示！
OpenAI大模型加持的机器人，深夜来袭！名曰Figure01，它能听会说，动作灵活。能和人类描述眼前看到的一切：我在桌子上看到一个红色的苹果，沥水架上还摆放着几个盘子和一个杯子；你站在旁边，双手轻轻放在桌子上。图片听到人类说“想吃东西”，就马上递过去苹果。图片而且对于自己做的事有清楚认知，给苹果是因为这是桌上唯一能吃的东西。还顺便把东西整理，能同时搞定两种任务。图片最关键的是，这些展示都没有加速，机器人本来的动作就这么迅速。（也没人在后面操纵）这下网友坐不住了，立马@波士顿动力：老伙计们，这家伙是真来劲
OpenAI大模型加持的机器人，深夜来袭！
名曰Figure 01，它能听会说，动作灵活。
能和人类描述眼前看到的一切：
我在桌子上看到一个红色的苹果，沥水架上还摆放着几个盘子和一个杯子；你站在旁边，双手轻轻放在桌子上。
图片
听到人类说“想吃东西”，就马上递过去苹果。
图片
而且对于自己做的事有清楚认知，给苹果是因为这是桌上唯一能吃的东西。
还顺便把东西整理，能同时搞定两种任务。
图片
最关键的是，这些展示都没有加速，机器人本来的动作就这么迅速。
（也没人在后面操纵）
这下网友坐不住了，立马@波士顿动力：
老伙计们，这家伙是真来劲儿了。咱得回实验室，让以前的机器人（波士顿动力）多跳点舞了。
图片
也有网友看在OpenAI卷完大语言模型、文生视频之后，又狙击机器人后感慨道：
这是一场激烈的竞争；与OpenAl合作，苹果可能会超越特斯拉。
但硬件方面，擎天柱看起来更美观，Figure 01仍然需要一些“整容手术”。（doge）
图片
接下来，我们继续来看下Figure 01的细节。
OpenAI视觉语言大模型加持
根据创始人的介绍，Figure 01通过端到端神经网络，可以和人类自如对话。
基于OpenAI提供的视觉理解和语言理解能力，它能完成快速、简单、灵巧的动作。
模型只说是一个视觉语言大模型，是否为GPT-4V不得而知。
图片
它还能规划动作、有短期记忆能力、用语言解释它的推理过程。
图片
比如对话里说“你能把它们放在那里吗？”
“它们”、“那里”这种模糊表述的理解，就体现了机器人的短期记忆能力。
它使用了OpenAI训练的视觉语言模型，机器人摄像头会以10Hz拍下画面，然后神经网络将以200Hz输出24自由度动作（手腕+手指关节角度）。
具体分工上，机器人的策略也很像人类。
复杂动作交给AI大模型，预训练模型会对图像和文本进行常识推理，给出动作计划；
简单动作如抓起塑料袋（抓哪里都可以），机器人基于已学习的视觉-动作执行策略，可以做出一些“下意识”的快速反应行动。
同时全身控制器会负责保持机身平衡、运动稳定。
图片
机器人的语音能力则基于一个文本-语音大模型微调而来。
图片
除了最先进的AI模型，Figure 01背后公司——Figure的创始人兼CEO还在推文中提到，Figure方面整合了机器人的所有关键组成。
包括电机、中间件操作系统、传感器、机械结构等，均由Figure工程师设计。
据了解，这家机器人初创公司在2周前才正式宣布和OpenAI的合作，但才13天后就带来如此重磅成果。不少人都开始期待后续合作了。
图片
由此，具身智能领域又有一颗新星走到了聚光灯下。
“将人形机器人带进生活”
说到Figure，这家公司创立于2022年，正如前文所言，再次引爆外界关注，就在十几天前——
官宣在新一轮融资中筹集6.75亿美元，估值冲到26亿美元，投资方几乎要集齐半个硅谷，包括微软、OpenAI、英伟达和亚马逊创始人贝佐斯等等。
更重要的是，OpenAI同时公开了与Figure更进一步合作的计划：将多模态大模型的能力扩展到机器人的感知、推理和交互上，“开发能够取代人类进行体力劳动的人形机器人”。
用现在最热的科技词汇来说，就是要一起搞具身智能。
图片
彼时，Figure 01的最新进展是酱婶的：
通过观看人类的示范视频，仅需10小时端到端训练，Figure 01就能学会用胶囊咖啡机泡咖啡。
图片
Figure与OpenAI的合作一公开，网友们就已经对未来的突破充满了期待。
图片
毕竟Brett Adcock，可是把“唯一的重点是以30年的视角建立Figure，以积极影响人类的未来”这样的话都写在个人主页上了。
但可能没人能想得到，仅仅两周左右的时间，新进展就来了。
如此之快，如此之远。并且还能持续泛化、扩展规模。
图片
值得一提的是，与炸场demo同时发布的，还有Figure的招聘信息：
我们正在将人形机器人带进生活。加入我们。
图片
参考链接：
[1]https://twitter.com/figure_robot/status/1767913661253984474?s=46&t=HBob6gxh8cOfZTIbieKeSA
[2]https://twitter.com/adcock_brett/status/1767913955295744449
[3]https://twitter.com/coreylynch/status/1767927194163331345
认识AI Agent、Genie 4与机器人的区别：任务输入不等于完成结果，世界模拟不等于现实执行，装载机动作展示也不能替代完整工程验收。
本文详细解析Sora在国内的使用现状，指出目前官方未对公众开放注册，提醒用户警惕虚假链接，并提供关注官方动态及替代方案的实用建议。
OpenAI GPT-6 Astra 模型通过 MCP 协议与 SourcePauseTool 控制《传送门》游戏，完成 3336 次工具调用并自主通关。实验耗时约 24 小时，API 成本约 571 美元，展示了多模态 AI 在 3D 解谜领域的突破性进展。
法拉第未来EAI机器人亮相洛杉矶世界杯庆典，被CBS报道，实现零广告费破圈。目前推出三大系列机器人，截至5月累计交付137台，年度目标上调至1500台。近期获7000万美元融资，将发布机器人教育生态战略，加速物理AI领域布局。
OpenAI算力总量预计2025年达1.9GW，较2023年增长9.5倍，年经常性收入同步增至200亿美元。推理成本已压至每百万token不到1美元，采取训练性能优先、推理效率优先的双轨策略。未来营收将拓展技术授权与按成效付费模式，并优先研发AIAgent与工作流自动化。
启元机器人加速线下布局，亚洲首店已在深圳卓悦中心设围挡，上海全球首店同步筹备，西安等地也在推进中。作为上纬新材在消费级具身智能领域的核心载体，其聚焦个人机器人赛道，研发投入同比增长超500%。
6月16日，世界会客厅迎来首位智能导览员——编号001的人形机器人正式上岗。它身高约1.7米，通体银白，可提供多语种讲解、智能引导与互动问答，致力于提升智慧化参观体验。同日，世界会客厅举办了年度品牌日暨首秀5周年纪念活动。
Transformer核心作者NoamShazeer离开谷歌加入OpenAI，担任架构研究负责人。他曾参与创办Character.AI，后因谷歌交易回归，如今再次转投。此举折射出行业对Transformer架构局限性的反思，以及下一代模型架构创新的迫切需求。
Transformer论文共同一作、谷歌元老级AI专家NoamShazeer再次离开谷歌，加盟OpenAI。他拥有高达35万余次论文引用，近期专利涉及结构化工具调用、神经架构搜索及混合专家模型等关键方向。OpenAI借此补齐构建超级智能体与底层模型架构的核心能力。
AI传奇人物诺姆·沙泽尔离开谷歌加入OpenAI。作为Transformer架构之父，他因不满谷歌严格的审批流程和“大公司病”，再次出走。选择OpenAI因其快速迭代理念和开放氛围，契合其推动AGI落地的核心诉求。
火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力，依托字节自研豆包多模态大模型，凭借火山方舟一站式平台，提供模型精调、推理部署、智能应用搭建等全链路服务，结合高性能AI算力，助力各行业快速落地大模型数字化与智能化应用。
