172
700:27 Figure AI 将其内部全体员工大会的视频完整的公布到了互联网上，这在人类历史上是第一次。
01:41 国内，人形机器人的创业公司，在数量上早已经遥遥领先美国了。
02:37 问题来了，同样是在发展人形机器人，同样是投入了大量的人才和资本，为什么会形成如此不同的行业格局呢？
03:38 Brett在全体员工大会上首先给出了他对机器人的通用智能的定义，非常简单，跟所有外行的理解和期望是一样的。
05:09 “前两个阶段是用钱买不来的”。他说的“用钱买不来的”，意思是说。。。
05:55 听到这个时间尺度，我不禁感到有些绝望。
07:45 从AI训模型的训练、学习和推理的需求出发，反过来设计机器人的硬件；而不是先设计好机器人的硬件，再想办法让让A、让AI去控制它。这是和国内公司一个截然不同的思路。
09:12 没有大脑，何谈硬件的成熟呢？没有在真实的场景部署工作过，又何谈硬件成熟呢？
10:17 对于人形机器人这种未来可能长期待在家里的设备，电池的安全比电动车电池的安全更加重要。
10:34 即便已经迭代了4代硬件本体，Brett也只是把Figure4定位成"人形机器人的 iPhone1 时刻"。
11:32 机器人AI大模型的三个阶段：一是“能不能完成任务”，二是“能不能自主完成整个任务”，三是“能不能在从未见过的环境当中去完成任务”。
13:38 说到机器人训练所需要的视频数据，目前所谓主流的数据采集方式主要有两种。
14:36 我个人对这两种数据采集方式的实际价值都持有强烈的怀疑态度。
15:24 而这两种数采方式之所以能够流行，尤其是第一种，自有其背后的商业逻辑。
16:12 我们再来看看Figure AI是如何去解决训练数据这个行业难题的。
17:16 与大多数假装努力的机器人公司不同，Figure一直在试图弄清楚如何去构建地球上最大规模的数据收集工作。
19:19 我们的投资人显然是无法按照这个规模去投入的。
19:45 通过蒸馏去获取国外机器人的基础模型能力?
20:18 在训练的算力方面，Figure的投入更加夸张。
21:56 Figure认为，后面这两个篇章都是用钱能买到答案的问题，因为这很大程度上是数据和算力的问题。
22:53 更糟糕的是，在这个最没有实际意义的KPI的指导之下，公司内部和整个行业也一直都在不合理的方向上狂奔。
23:43 他没有把尚未解决的问题包装成已经取得的成功，也没有把未来商业化所需要的规模当成今天技术成功的证明。
