AI+专题系列点评（九）：OpenAI大模型加速发展，人形机器人Figure01面市

事项： 3月14日，由波士顿动力、特斯拉、GoogleDeepMind和Archer Aviation等大厂的前员工创立不到两年的机器人企业Figure，向市场展示了其与新投资方及合作伙伴OpenAI的首次合作成果—人形机器人Figure 01。 评论： Figure 01具备深度学习能力。Figure 01机器人接入OpenAI大模型，能够与人类对话，理解并执行人类的指令和任务。据介绍，高级视觉和语言智能搭载于OpenAI模型，同时，Figure神经网络提供快速、低级、灵巧的机器人动作。 Figure 01技术路径实现突破，为大模型和现有方案结合提供了新思路。Figure 01将摄像头拍摄到的图像和机载麦克风捕捉的语音，转录为文本输入到由OpenAI预训练的大型多模态模型中。该模型能够理解图像和文本，在处理整个对话历史、包括过去的图像后做出语言回应，这些回应再通过文本转语音最终传递给人类。所有行为都由神经网络视觉运动转换器策略驱动。以10Hz频率输入机载图像，交给大模型处理，大模型推理预测下一步行为，将像素映射到200Hz、24个自由度的动作（包括手腕姿势和手指关节角度），直接输出结果，这为大模型和现有方案结合提供了新思路。整个过程依靠端到端（end-to-end neural networks）的机器人控制，无需经过中间过程的编码。 Figure 01未来发展方向明确，应用领域广阔。Figure未来将在人形机器人的系统硬件、成本、安全、批量生产计划及人工智能技术做出改良，人形机器人将会用于解决严重的劳动力短缺问题，并减少从事不安全工作的工人数量，人类将有能力创造和生产更多的东西。 投资策略。Figure 01搭载ChatGPT，技术路径实现突破，性能惊艳，应用领域广阔。有望带动AI技术创新和商业世界的发展，涉及算力、大模型以及AI+应用（绘图、视频）等领域。建议关注：1）算力基础：海光信息、寒武纪、龙芯中科；2）服务器：中科曙光、浪潮信息、紫光股份、高新发展、神州数码、拓维信息等；3）大模型：科大讯飞、商汤、三六零等；4）AI+应用：金山办公、万兴科技、美图、虹软科技、当虹科技。 风险提示。多模态技术发展不及预期、算力基础设施建设不及预期、AI应用需求不及预期。 一、Figure 01具备深度学习能力 Figure 01是具备深度学习能力的通用人形机器人。Figure研发的Figure 01机器人接入了OpenAI的大模型，能够与人类对话，理解并执行人类的指令和任务。据介绍，高级视觉和语言智能搭载于OpenAI模型，同时，Figure神经网络提供快速、低级、灵巧的机器人动作。 图表1 Figure 01是通用人形机器人 （一）Figure 01执行效果惊艳 Figure 01多模态交互能力强大，并能流畅执行相关任务。Figure 01搭载OpenAI大模型，官网发布的视频中，Figure 01能准确回答出它“看见”的事物，具备良好的视觉识别和理解能力、强大的多模态交互能力；当问及Figure 01能够吃点什么东西时，Figure 01将桌上的苹果递给了提问者，并表示这是“唯一我可以从桌上为你提供的食物”，展示出其语言识别和理解能力；同时，视频通过Figure 01清理桌面垃圾、整理晾碗架等场景，表现其强大的短期记忆、流畅的执行能力、推理和决策能力。据Figure AI创始人Bratt Adcock称，所有这些行为都没有经过远程操作，而是通过机器人的自我学习获得。整个视频以正常的1.0倍速连续拍摄，Figure 01的速度正在接近人类。 图表2 Figure 01执行效果惊艳 （二）Figure 01技术路径实现突破 Figure01技术路径实现突破，为大模型和现有方案结合提供了新思路。Figure 01将摄像头拍摄到的图像和机载麦克风捕捉的语音，转录为文本输入到由OpenAI预训练的大型多模态模型中。该模型能够理解图像和文本，在处理整个对话历史、包括过去的图像后做出语言回应，这些回应再通过文本转语音最终传递给人类。所有行为都由神经网络视觉运动转换器策略驱动。以10Hz频率输入机载图像，交给大模型处理，大模型推理预测下一步行为，将像素映射到200Hz、24个自由度的动作（包括手腕姿势和手指关节角度），直接输出结果，这为大模型和现有方案结合提供了新思路。整个过程依靠端到端（end-to-end neural networks）的机器人控制，而无需经过中间过程的编码。 图表3 Figure 01技术路径实现突破 二、Figure 01未来发展方向明确 Figure 01未来发展方向明确，应用领域广阔。Figure未来将在人形机器人的系统硬件、成本、安全、批量生产计划及人工智能技术做出改良，人形机器人将会用于解决严重的劳动力短缺问题，并减少从事不安全工作的工人数量，人类将有能力创造和生产更多的东西。例如，在家庭中，Figure 01可以根据主人的指令进行打扫、烹饪等家务活动，甚至可以参与家庭成员之间的交流，成为一个全能的家庭助手。在工业和商业领域，Figure 01的应用前景同样广阔。它可以在工厂中执行精确的操作，提高生产效率；在零售业，它可以作为销售顾问，为顾客提供个性化的购物体验；在医疗领域，它甚至可以协助医生进行手术或进行患者护理。Figure 01的多功能性和灵活性使其成为各行各业的得力助手。 图表4 Figure三大长期规划