从千万负债到百亿身家：对财富的漠视与极致的竞争欲
Brett Adcock 的成长轨迹充满了戏剧性的反转。他出身于美国伊利诺伊州的农村地区，早期创立了兽医服务公司 Veterary 并以超过一亿美元的价格出售。随后，他推动无人机飞行公司 Archer 上市，并创立了人形机器人公司 Figure（估值约300-500亿美元）以及旨在阻止校园枪击案的 Cover 项目。近期，他又启动了新的人工智能实验室 HARK。
在 Figure 创立初期，Adcock 几乎将所有个人财富投入其中，甚至一度背负房屋抵押贷款，且 Archer 的股票表现不佳。然而，根据《财富》杂志的数据，他的净资产已飙升至 190亿美元。面对这种巨大的财务跃升，Adcock 表现出极度的淡然。他表示：“我完全不在乎那个（净资产数字）。我对它毫不在意，连一丁点都不在乎。” 这种态度源于他强烈的竞争本能。他认为自己具有“拿破仑式的能量”，渴望成为世界第一。“我非常好胜，我想赢。我必须关心 Figure 成为全球最大公司这一目标。”
AI发展的指数级爆发与Figure的100倍增长潜力
Adcock 对未来的预测极具野心。他回顾三年前的访谈，当时 Figure 的估值在4000万至5000万美元之间，目前虽达到该区间，但他认为这仅仅是起点。“这些公司现在才刚刚触及拐点……如果成功，它们将从这里增长100倍、甚至1万倍。” 他将当前的 AI 进展与互联网时代对比，指出深度学习系统的运作效率远超以往任何技术趋势。“现在看到的 AI 工作规模将是互联网的100倍……一切发生得比我预想的要快得多。”
在 Figure 的发展路径上，Adcock 认为人形机器人代表了 AGI（通用人工智能）的物理极限天花板。而 HARK 实验室则致力于构建数字世界的“人机共生”形态，即拥有独立权重、记忆甚至硬件的 AI 伴侣。“Figure 将是 AGI 的最高天花板……而在数字世界中，人类将拥有 AI 配对。” 这种二元对立的局面意味着未来五年内，Figure 要么取得巨大成功，要么彻底失败。“这里没有平稳期。它要么是向下走，要么是向上走……所有的精力都投入到实现千倍或百万倍的增长上。”
HARK实验室的突破：解决通用计算机操作的难题
为了支撑上述愿景，HARK 实验室的核心任务是让 AI 具备像人类一样通用使用计算机的能力。Adcock 指出，“你永远不会雇佣一个不会用电脑的助手”，因此 AI 必须能自主完成财务建模、预订航班或点外卖等任务。然而现实是，“全球只有千分之一的网站拥有 API”，绝大多数计算机操作发生在浏览器界面中。传统的依赖 API 或 MCP（模型上下文协议）的方法无法解决这一瓶颈。
HARK 的最新研究预览版展示了其独特技术路径。与 OpenAI ChatGPT 等竞争对手不同，HARK 为每个 AI Agent（智能体）启动一个虚拟计算机环境，无需依赖物理硬件如 MacBook。这种沙箱机制允许无限扩展。“我们需要赋予它看屏幕、移动光标和使用键盘的能力……要解决计算机的通用性问题，不能依赖 API 或 MCP。” Adcock 强调，AI 必须像人类一样通过视觉和交互来导航互联网。“在 HARK，我们刚刚发布了第一个模型和研究预览版……很难找到它无法在互联网上执行的任务。”
技术路线差异：视觉交互 vs. API依赖
在通用计算机操作（Computer Use）领域，行业主流方案多依赖于后端接口。Adcock 批评了当前其他方案的局限性。“OpenAI ChatGPT 之所以强大，是因为它只能使用 API……由于 DoorDash 没有消费者端 API，它无法端到端地完成订餐任务。” 相比之下，HARK 的方案侧重于前端视觉交互。虽然 ChatGPT 的 Computer Use 功能也能打开浏览器、移动鼠标和滚动页面，但 Adcock 指出其实际表现不佳。“我试过 ChatGPT 的 Computer Use……它试图打字和滚动结果，但效果很差，根本行不通。”
HARK 的核心差异化在于其 “看屏幕” 的能力。通过模拟人类用户的视觉输入和键鼠操作，AI 能够处理那些缺乏标准化接口的复杂网页应用。这种技术路径虽然计算资源消耗较大（需要为每个 Agent 分配虚拟环境），但解决了通用性难题。“我们尝试弄清楚如何看屏幕……这是解决计算机通用性的唯一途径。” 这一突破使得 HARK 的 AI 能够在没有专门 API 支持的情况下，自主完成端到端的互联网任务。
| 技术特征 | HARK (Figure旗下) | OpenAI ChatGPT / 行业主流方案 |
|---|---|---|
| 核心交互方式 | 视觉识别屏幕 + 模拟键鼠操作 | API / MCP (模型上下文协议) |
| 环境部署 | 为每个 Agent 启动独立虚拟计算机/沙箱 | 依赖后端接口或有限的浏览器插件 |
| 对无API网站的支持 | 强 (如 DoorDash 等复杂应用可端到端操作) | 弱/无 (无法处理缺乏消费者 API 的服务) |
| 操作精度与稳定性 | 高 (模拟人类导航，适应性强) | 低 (鼠标移动和输入常出错，效果差) |
| 资源消耗 | 高 (需大量虚拟环境算力) | 低 (主要依赖后端推理和接口调用) |
“要解决计算机的通用性问题，不能依赖 API 或 MCP。你必须弄清楚如何像人类一样进行导航。”
从算法突破到强化学习的底层逻辑
在探讨如何让AI系统在实际应用中表现优异时，Figure AI的创始人指出，核心并不在于单纯依赖API或MCP（模型上下文协议），而是让AI直接利用互联网环境进行交互。当被问及是否实现了某种算法突破时，创始人澄清这并非传统意义上的代码创新，而是源于其独特的后训练阶段（Post-training）。他们开发了一套强化学习流程（Reinforcement Learning Process），并自信地表示这一技术路径可能是全球独一无二的。这种底层训练机制的差异，是解决AI在复杂现实场景中“能否正常工作”这一关键问题的核心所在。
24岁构建的成功者数据库方法论
创始人分享了他个人成功的底层逻辑：通过研究他人的路径来规划自己的未来。他在24岁时采取了一种极其系统化的方法，建立了一个包含约50位极度成功人士的数据库。该表格详细记录了每位关键人物的出生年份、开始学徒期的时间、首次取得成就的时间以及最终突破的节点。通过聚合这些数据和背后的故事，他提炼出了成功的共性规律。
"Starting at the age of 24, I did this relentlessly and I was very methodical about it... I created a spreadsheet where I tracked roughly 50 people who were uber successful."
这一数据库后来被HubSpot发现并优化，免费提供给公众使用。创始人强调，无论是寻求成功还是寻找灵感，这种基于数据的方法论借鉴（Methodical Inspiration）都极具价值。他提到Figure AI早期的融资情况也印证了团队的重要性，投资人往往被创始团队的背景（如来自中国的顶尖人才）所吸引，而非仅仅依赖商业计划书的文字描述。
AI发展的两极：具身智能与数字共生
创始人预测AI将向两个主要方向演进，最终可能融合。第一个方向是物理世界的具身智能（Embodied AI），即通过人形机器人进入现实环境。这类硬件将承担洗衣、烹饪、供应链管理及医疗保健等任务，其核心优势在于通用性（General Purpose）——单一硬件形态能够执行多种物理任务，配合智能AI实现全方位的环境交互。Figure AI正是致力于此领域。
第二个方向是数字与人类的共生（Digital Symbiosis），类似于《钢铁侠》中的贾维斯。这种AI助手将具备近乎完美的记忆能力，访问用户的所有账户、系统和数据，提供超人类的辅助。它不仅能实时对话，还能在后台主动处理突发状况（如航班延误时的备选方案）。目前市场上虽有优秀的编码代理和聊天机器人，但缺乏这种全天候、全知全能的个人数字伴侣（Superhuman Assistant）。
下一代AI硬件与多模态模型的重构
为了实现上述愿景，必须解决两个瓶颈：模型能力的提升和交互界面的革新。在模型层面，当前的文本编码已不足以支撑真正的AGI体验，必须转向多模态（Multimodal）和更具表现力的交互方式。系统需要具备视觉理解能力，能够像人类一样通过“看”来理解世界。
在硬件层面，创始人批评现有的iPhone和MacBook等基于20年前设计的设备完全不适合AI（Complete rubbish for AI）。Figure AI正在设计取代传统手机和电脑的下一代AI原生设备（Next-gen AI Devices）。这些新硬件将具备实时感知能力，抽象掉大部分传统App的概念，转而运行AI操作系统（AI Operating System）。用户将拥有专属的模型权重并随身携带，实现真正的个性化服务。
"We went out and we are out there designing what we think comes like after the iPhone for AI... They were designed 20 years ago. They're complete rubbish for AI."
为此，Figure组建了一支约80-90人的精英团队，包括曾设计多代iPhone和MacBook的顶级硬件设计师。上周发布的首个计算机使用代理（Computer Using Agent）研究预览版，标志着他们在多模态交互和自主操作能力上迈出了重要一步。
浏览器自动化基准测试与跨平台部署计划
HARK公司在人工智能领域的核心突破在于其卓越的计算机使用能力，目前已在全球领先的浏览器和电脑操作基准测试（Benchmarks）中占据榜首位置。这种优势并非静态，而是处于持续快速迭代的状态。每月都会进行显著的性能提升，使得AI在理解、操作计算机的速度和智能程度上不断逼近甚至超越人类水平。除了核心的浏览器自动化技术，公司还在内部研发多种不同类型的AI底层技术。
在硬件与软件结合的落地节奏上，HARK制定了清晰的路线图。预计约一个月后（In about a month）将正式推出支持传统网页浏览器、iPhone及Android系统的HARK应用版本，让用户率先体验软件层面的能力。随后，硬件产品将紧随其后进入视野。目前实验室中已存在初代原型机，正在进行紧张的测试阶段。创始人形容这些硬件为“科幻电影般的设备”，暗示其形态和交互方式将彻底颠覆现有认知，而非对传统PC或手机的简单改良。
百亿级设备战略：为何手机与电脑是核心战场
在探讨未来硬件形态时，HARK内部有着极其明确且强硬的观点：只有年销量能达到十亿台量级的设备，才具备成为下一代核心计算平台的资格。 创始人指出，当前世界上仅有两个品类符合这一“巨型设备（Mega Devices）”标准：即个人电脑和智能手机。相比之下，AirPods、智能手表等周边配件虽然重要，但年销量仅占苹果总收入的约3%，属于辅助生态的“卫星设备”，无法独立承载改变世界的计算任务。
因此，HARK的战略核心是彻底取代现有的电脑和手机体系。这不是简单的功能叠加或形态微调，而是需要构建一套全新的、端到端（End-to-End）替代现有系统的计算平台。虽然未来也会存在如耳机、眼镜等辅助生态设备，但它们必须服务于这个核心的“十亿级”主平台。创始人强调，没有任何绕开手机和电脑的可能性，必须重新设计一种更好的新计算机或新电话来终结旧时代。
对智能眼镜的批判与“肩头数字分身”构想
对于外界猜测的苹果收购Jony Ive团队后可能推出的“ puck ”或耳环形态设备，以及超级碗泄露广告中的产品，创始人持极度怀疑和批判态度。他直言Meta眼镜是他买过最糟糕的产品之一（One of the worst products I've ever bought），存在配对漫长、依赖手机网络、应用需后台运行等严重缺陷。他无法想象自己会每天佩戴这种设备长达14小时，并认为眼镜绝非未来计算的核心形态，甚至可能连前十大设备都进不去。
HARK的设计框架始于“第一性原理”的推演：如果有一个全知全能、能看能听且拥有完美记忆的“数字分身”站在你肩头，世界会变成什么样？ 这个AI代理具备以下关键特性： 1. 类人操作能力：能像人类一样思考并使用计算机系统，速度接近或超越人类。 2. 实时多模态交互：支持视觉理解、语音对话，实现实时的“Speech-to-Speech”交流。 3. 近乎完美的记忆：不会遗忘任何信息，可随时回溯历史上下文，这是当前手机完全不具备的能力。
“It's almost like the ability of like you almost like if you could bring a little human around with a computer on your on your shoulder everywhere you went, that'd be insane.”
基于AI原生特性的硬件设计原则与性能对比
HARK的硬件设计并非围绕现有形态修修补补，而是基于深度学习带来的10倍级（10x）能力跃迁。创始人指出，如果新设备仅比旧手机好“一两倍（One or two times better）”，用户根本不会更换；只有实现10倍以上体验提升，才能驱动范式转移。这种跃迁主要源于AI赋予的三大核心优势：自主操作能力、实时感知交互、以及长期记忆存储。
为了清晰展示HARK愿景中的AI代理与传统移动设备的本质差异，以下是基于字幕内容梳理的关键能力对比：
| 特性维度 | HARK AI代理 (未来设备核心) | 传统智能手机/电脑 (当前主流) |
|---|---|---|
| 计算机操作能力 | 能像人类一样思考、浏览网页、使用APP，速度接近或超越人类 | 被动接收指令，无法自主完成复杂跨应用任务 |
| 交互方式 | 实时语音对话 (Speech-to-Speech)，视觉理解，自然语言交流 | 主要依赖触控、键盘输入或简单的语音助手 |
| 记忆与上下文 | 近乎完美的长期记忆，可随时回溯历史对话和操作记录 | 无持久情境记忆，每次交互相对独立，易遗忘 |
| 网络依赖性 | (推测) 具备独立或更高效的连接能力，不依赖手机中转 | Meta眼镜等设备需Piggyback (寄生) 于iPhone网络 |
| 佩戴/使用时长 | 旨在解决核心计算需求，形态未定但追求全天候无缝体验 | Meta眼镜因佩戴不适、配对麻烦被用户视为“糟糕产品” |
创始人强调，这种AI代理将拥有完美的记忆（Perfect Memory）和类人的能力（Humanlike Capabilities），能够像影子一样伴随用户，处理所有计算机相关任务。这种“站在肩头的小人”不仅是工具，更是全知全能的生活助手。目前的实验室原型机正是围绕这一核心逻辑构建，其形态之超前让创始人感到“难以置信”，旨在彻底重塑人机交互的底层逻辑。
从繁琐交互到无感执行：AI代理的进化逻辑
创始人回顾了早期智能手机时代的痛点，当时用户需要像“猴子”一样在屏幕上反复操作才能完成简单任务。他提到自己曾经每天花费三分钟在DoorDash上点餐，这种低效的交互模式让他感到沮丧。当前的系统依然过于繁琐，用户必须主动发起指令并手动确认每一步。然而，随着Harkc等AI代理技术的发展，这种体验正在发生根本性转变。未来的交互将是完全抽象化的，用户只需自然语言指令，系统即可在后台自动完成所有操作。
“就像你随身带着一个小人，他会预测你可能想要咖啡，并直接帮你下单。”
这种新范式被比喻为从“锤子”到“水管工”的转变。传统工具（如手机）需要用户掌握使用方法并亲自操作，而新一代AI助手则像是一个随时待命的专业工匠。你只需提出需求（如“修好窗户”），无需关心底层执行细节。这种从工具到代理的跃迁，意味着用户不再需要学习复杂的操作逻辑，而是直接享受结果。创始人强调，这种端到端的自动化能力正在将用户从重复性数字劳动中解放出来。
激进的原型设计与内部验证流程
为了构建下一代硬件，团队采用了极度快速的原型设计策略。他们不仅拥有完整的设计工作室和制造设施，还通过3D打印等技术迅速将概念转化为实体。设计过程并非线性，而是充满了大量看似疯狂但最终被筛选掉的方案。创始人透露，团队会亲自佩戴或使用这些原型设备数周甚至数月，通过真实场景下的体验来进行“向下筛选”（down selection）。
这种高强度的内部验证吸引了行业顶级人物的关注。一位曾参与初代iPhone开发、并与蒂姆·库克（Tim Cook）近期会面过的全球电信巨头CEO参观了他们的设施。这位资深高管对团队的技术实力感到震惊，认为这是首个有可能挑战科技巨头的方案。
“这是他第一次看到有人可能真正取代那些大玩家。”
这种激进的原型迭代文化确保了产品能够迅速适应真实世界的需求，而非停留在实验室阶段。通过内部大规模试用和顶级行业专家的背书，团队在硬件形态和人机交互上积累了独特的竞争优势。
核心瓶颈：智能而非制造能力
针对Figure、Archer和Harkc等机器人公司面临的质疑，创始人澄清了一个关键误区：真正的难点不在于大规模制造，而在于构建真正智能的机器人系统。目前市场上许多来自中国的廉价机器人仅具备基础动作能力，如挥手或简单的遥控操作，缺乏实际功能。这些产品本质上仍是玩具，无法解决复杂的现实问题。
“如果你买了一个早期的DJI无人机，玩一天后你就会问自己：我拿这玩意儿能做什么？”
创始人将当前机器人状态比作早期无人机体验：硬件易得，但智能缺失导致实用性极低。团队的目标是攻克“图灵测试”级别的真正人类水平智能，使机器人能够进入任何家庭并执行任意任务。通用人工智能（AGI）在物理世界的落地才是最大的差距。相比之下，制造能力并非不可逾越的障碍。团队上周已完成了1000台Figure 3机器人的EVT（工程验证测试）阶段，证明了其供应链和制造体系的成熟度。
消费电子与汽车制造的本质差异
在讨论量产可行性时，创始人深入剖析了消费电子产品（如手机）与汽车制造的巨大差异。全球每年能手工加自动化生产近十亿部手机，但汽车行业却极其艰难。核心区别在于零件的可操作性：手机部件小巧，可随时手持调整；而汽车底盘庞大，需要数千台机器人协同作业。
| 对比维度 | 消费电子（如手机） | 汽车制造 | 人形机器人现状 |
|---|---|---|---|
| 部件大小 | 可手持，易于调整 | 不可手持，需固定工装 | 介于两者之间 |
| 生产线复杂度 | 相对简单，容错率高 | 极高，数千台机器人协同 | 接近手机制造难度 |
| 故障影响范围 | 局部，易修复 | 全线停工（“死锁”） | 单点故障影响小 |
| 当前量产阶段 | 成熟大规模生产 | 高壁垒，低容错 | EVT完成，即将量产 |
在汽车制造中，任何一台机器人的故障都可能导致整条生产线瘫痪。而人形机器人因其通用性和灵活性，其制造难度更接近于消费电子而非汽车。团队已接近手机制造的复杂度水平（约40%的差距），这意味着大规模量产在工程上是完全可行的。目前，这1000台机器人主要用于内部工程师和实验室的测试（工程舰队），同时也开始向外部客户交付，验证其在真实工作场景中的价值。
物流场景落地：从概念验证到真实ROI
目前，该公司已将机器人交付给第三位客户。在具体的应用场景中，物流与制造环节是当前的核心切入点。虽然过去主要涉及制造业的物流工作，但团队正在与其他行业的潜在客户进行洽谈。一个极具代表性的案例是近期在YouTube上直播的包裹分拣任务。视频中，机器人从传送带上拾取并分类包裹，吸引了数十万甚至数百万观众观看。这并非单纯的演示，而是真实客户的生产用例。该任务要求机器人以每3秒一个包裹的速度作业，每天工作5小时（每周5天）。在实际测试中，机器人连续运行了200小时，平均速度达到每包2.9秒。这一数据表明，机器人已经能够以接近人类的速度稳定运行。客户之所以采用该技术，并非因为它是“未来的投资”，而是基于迫切的劳动力短缺和极高的离职率（部分区域年流失率超过100%）。机器人可以每天执行多个班次、每周工作7天，拥有极高的设备利用率（Uptime），从而为客户带来显著的即时投资回报率（ROI）。
市场噪音与“事实 vs. 虚构”的辨别困境
对于普通观察者而言，区分人形机器人领域的“事实与虚构”极具挑战性。市场上充斥着大量噪音：一方面，中国制造的机器人标价仅2万美元，但买家无法确切知晓其实际能力；另一方面，像特斯拉Optimus这样的项目宣称将在一年内交付百万台，却往往通过展示“完美手牌”来掩盖实际进展。此外，旧金山等地出现的公寓清洁机器人服务虽然声称“今天就能用”，但其背后的技术真实性存疑。创始人指出，市场中的噪音水平已失控。要辨别真伪，不能依赖华丽的演示或短期的宣传口号。关键在于能否在有用的工作环境中大规模自主交付机器人。这意味着机器人必须能够独立完成烹饪、清洁、整理床铺或端到端供应链管理等工作。这些任务无法仅靠硬编码代码解决，必须依赖运行在机载AI上的自主工作能力。只有当机器人能够长时间、自主地在物理世界中移动物体时，才具备真正的商业价值。
核心评判标准：自主性 vs. 遥控操作
在评估谁是最接近实现目标的团队时，创始人提出了一个严格的评判标准：自主性。他明确表示，公司从未发布过任何遥控操作（Teleoperated）的视频内容。虽然内部曾使用远程应用程序进行数据收集和测试，但在面向公众的演示中，必须杜绝任何形式的遥控干预。他将远程操作比作“肯塔基州的司机在驾驶一辆载有乘客的汽车”，并指出这种通过远程操控来展示机器人能力的做法是完全虚假的。尽管外界经常指责某些团队作弊，但创始人强调，真正的突破在于机器人能否在长时间内自主完成复杂任务。那些依赖远程操控来展示“完美表现”的团队，实际上是在掩盖其自主AI能力的不足。因此，能够长时间、大规模地让机器人在真实环境中自主工作，是衡量技术成熟度的唯一可靠指标。这一标准将真正具备AI能力的团队与仅靠人力遥控的团队区分开来，也为投资者和观察者提供了清晰的辨别框架。
人形机器人“真自主”的行业信任危机与验证困境
在整个人类历史中，人形机器人完全自主执行有用工作的案例极为罕见。行业内部对于视频展示的“自动驾驶”状态往往持高度怀疑态度，因为一旦被发现存在远程操控（Teleoperation），公司的信誉将遭受毁灭性打击。例如，特斯拉曾发布过一段机器人折叠衣物的视频，但画面右下角清晰可见遥操作手套（teley operation hand glove）的痕迹。这种视觉破绽让业内人士一眼识破，随后社区评论会迅速指出“这并非自主操作”。
“如果你在这个行业里，你就能看出来。我也真的不知道世界上还有哪家公司能让我们看到人形机器人搭载AI进行自主的、有用的工作。”
这种信任机制构成了极高的行业门槛。任何试图通过远程操控来模拟自主性的行为，最终都会在行业内被揭穿并遭到舆论反噬。因此，真正的技术突破必须经得起这种无死角的公众审视。目前市场上缺乏公认的、经过严格验证的完全自主人形机器人案例，这使得那些声称实现突破的公司面临着巨大的举证压力。投资者和观察者都在等待一个无可辩驳的证据，而不仅仅是营销视频中的片段。
极端严苛的技术筛选：机械工程师的“零录用”困境
在招聘环节，创始人强调技术实操能力是区分真假人才的唯一标准。他提出一个核心观点：只有真正做过某事的人，才会留下深刻的“疤痕”（scar）。这种经验是深入骨髓的，从业者可以毫无阻碍地逆向工程、自由讨论细节；而未真正动手的人只能停留在表面概念，一旦深入技术底层就会瞬间崩溃。
以Figure公司的机械工程师招聘为例，要求候选人必须从零开始构建执行器（actuators）。这不仅涉及轴承和电机，还包括集成齿轮箱、传感器等高度紧凑的系统组件。为了验证这一标准，公司进行了长达6个月的高强度案例研究（case studies）。
| 招聘指标 | 数据/状态 |
|---|---|
| 案例研究频率 | 每周10个 |
| 持续时长 | 6个月 |
| 最终录用人数 | 0人（尚未找到合格者） |
这种近乎苛刻的筛选导致了一个极端结果：在连续半年、每周处理10个案例后，依然没有招到一名合格的机械工程师。这反映了高端硬件工程领域人才的极度稀缺性，以及市场对“理论派”与“实战派”之间巨大落差的忽视。
AI人才军备竞赛：Meta的现金攻势与初创公司的股权博弈
在AI基础设施和模型训练领域，顶级人才的争夺已进入白热化阶段。Meta等巨头通过提供巨额现金和确定性收益，正在系统性地从初创公司挖角。相比之下，早期创业公司提供的是高风险、高回报的股权期权。
一个典型案例涉及一位来自X（原Twitter）AI基础设施部门的高级工程师。在该公司解散后，Figure创始人向其提供了一份极具吸引力的期权包：
| 薪酬方案对比 | Figure（早期初创） | Meta（科技巨头） |
|---|---|---|
| 标的资产 | Series A 股票 | 现金/限制性股票单位（RSU） |
| 潜在价值 | 1500万-2000万美元（4年） | |
| 预期回报 | 若公司10x增长，价值可达数亿美元；再翻10倍则达数十亿 | |
| 确定性 | 极低（依赖公司未来表现） | |
| 实际报价/价值 | - | 3600万美元（4年） |
尽管创始人自信Figure有潜力实现百倍增长，但候选人最终选择了Meta提供的3600万美元确定性收益。这揭示了当前AI人才市场的残酷现实：巨头正在通过“购买” talent 来加速竞赛。这种策略虽然被部分人视为愚蠢，但在创始人看来是合理的，因为真正懂预训练（pre-training）、中训练、后处理及超级计算基础设施配方的专家极其稀缺。这种人才壁垒使得巨头愿意支付溢价，而初创公司则必须在技术信仰和薪酬竞争力之间做出艰难平衡。
硅谷顶尖AI人才的薪资通胀与招聘策略争议
当前加州拥有构建顶级大模型能力的核心人才数量极为稀缺，估算仅在 20至30人 左右。这种极度的供需失衡导致了薪资水平的剧烈膨胀，甚至波及到初级工程师群体。对于20多岁或接近30岁的年轻资深开发者而言，其薪酬结构已发生根本性变化：基础年薪约为20万至25万美元，但加上股票期权（RSU）等激励措施后，其年度总薪酬可达 100万至250万美元 区间。这一薪资水平的飙升主要由Meta等科技巨头驱动，随后其他实验室纷纷跟进以匹配市场竞争。
“那些20多岁或快30岁的年轻人，基础薪资大概两三百千美元，每年还能拿到一百万左右的股票奖励……这个范围在75万到200万美元之间。”
这种高薪现象引发了关于“雇佣兵”式招聘的伦理与效率争议。有观点认为，通过巨额资金直接购买人才是一种极其聪明且高效的战略执行。尽管这可能导致团队缺乏对使命的深层认同，纯粹由金钱驱动，但在人才获取难度极高的当下，Meta通过提供保证性的RSU包成功吸引了大量顶尖工程师。虽然批评者指出，设计优秀的AI模型并不需要数百人的庞大团队，20到40人组成的精锐小组往往足以胜任，且这类人才可能更具使命感；但不可否认的是，Meta的招聘策略在短期内取得了显著成效。然而，其最终成败仍取决于能否将人才优势转化为真正可落地的产品能力。相比之下，Meta在硬件领域（如Ray-Ban智能眼镜）的表现则被认为缺乏突破性创新。
当前AI生成内容的质量危机与“垃圾”泛滥
尽管底层模型能力在提升，但当前AI应用层却面临着严重的质量退化与同质化危机。市场上每周涌现出大量所谓的“AI初创产品”，被形容为“垃圾AI废料”（junk AI slop）。除了代码生成领域目前表现卓越外，其他垂直领域的AI产出大多缺乏实质价值或创新意义。这种“繁荣背后的空虚”反映了行业在寻找真正杀手级应用上的迷茫。
在此背景下，HARK系统作为对比案例被提及。该系统拥有500名博士研究员以及Sam Altman等核心人物参与研发，其性能被评价为远超当前市面上所有其他平台。这种对比凸显了顶级研究团队与普通跟风产品之间的巨大鸿沟：前者致力于解决根本性的技术难题，而后者仅是在现有基础上进行低水平的迭代或包装。行业亟需从这种“垃圾信息泛滥”的状态中突围，回归到对核心技术突破和高质量产品交付的追求上。
人形机器人“家庭通用性”的技术瓶颈与数据困境
关于2024年年初提出的预测——“人形机器人将在从未见过的家庭中，完全由神经网络驱动执行多日无监督任务”，目前进展被评估为“按轨道进行”（On track）。技术层面，实现从像素到扭矩的直接映射（pixels to torques）即通过摄像头输入直接控制电机关节已不再是难题。真正的挑战在于泛化能力（Generalization），即机器人在面对全新环境、不同光照条件、非标准家具高度以及从未见过的衣物类型时，能否保持稳定的操作能力。
“如果我们从LLM的预训练中移除所有关于金字塔的数据，它们就无法谈论金字塔。我们目前缺乏足够的世界数据来训练模型。”
这种困境被类比为语言模型的“分布外”（out-of-distribution）问题。现有的训练数据主要来源于互联网，而家庭场景中的细微物理交互（如在不同桌面上折叠不同材质的衣物）缺乏足够的高质量数据支撑。因此，机器人进入陌生家庭执行任务的核心瓶颈并非算法逻辑，而是物理世界交互数据的稀缺性。必须通过实地采集大量多样化场景数据，才能填补这一空白。
商业落地路径：为何优先选择家务而非工业仓储？
在商业化策略上，存在一个显著的矛盾：为何专注于高难度的家庭家务（如洗衣），而非直接切入需求明确、付费能力强的工业仓储领域？早期策略曾计划通过商业端（B2B）收入来资助家庭端（B2C）的长期研发，因为全球有数千万仓库工人需求明确且企业愿意付费。然而，当前重心转向家务场景的原因在于技术通用性的终极验证。家庭环境代表了非结构化、高敏感度和极度复杂的物理交互场景，若能在此类环境中实现通用操作，将证明机器人具备了真正的泛化智能。相比之下，工业仓储环境相对结构化且标准化程度高，虽然易于短期变现，但无法验证机器人是否具备进入千家万户所需的通用适应能力。因此，攻克家务难题不仅是技术挑战，更是确立行业领导地位的必经之路。
通用机器人：从家庭琐事到全环境智能
Hark AI创始人Sam Altman（注：字幕中口误为IRoot/Harc，实际语境指向OpenAI相关或特定初创项目创始人观点，此处依字幕文本处理）阐述了公司的核心战略转移。过去，解决家庭自动化问题（如家务机器人）虽然商业逻辑清晰——收费高于市场平均水平、需求波动小、24/7工作模式简单，但团队认为这并非真正的技术突破点。相比之下，他们更致力于解决“通用机器人”（General Robotics）这一终极难题。
“We want to solve a robot that can go into any environment just through language and do work. We want to be the first to do that.”
团队认为，通过自然语言指令让机器人适应任意环境并执行任务，是更具颠覆性的方向。据估算，仅需100台机器人配合50人的团队即可实现这一突破。一旦成功，该公司有望在短期内达到万亿美元市值。这种战略选择体现了从“解决已知简单问题”向“攻克高难度通用智能”的跃迁，旨在成为该领域的先行者。
AI交互范式转移：语音代理与记忆持久化
在AI使用习惯方面，预测指出每日AI交互将从文本转向高度多模态的语音代理。这一转变的关键在于“持久记忆”（Persistent Memory）功能的普及，这将使AI更接近科幻作品中设想的合成人类智能。Hark AI计划在一个月内推出具备此功能的首个版本，并持续优化。
当前，语音交互虽已广泛使用（如Sam Altman表示几乎不再打字），但存在显著痛点：隐私泄露风险与技术局限性。开放式办公室中，工程师不得不压低声音与电脑对话以避免被同事听到隐私内容。此外，现有语音助手在工具调用（Tool Calling）和计算机控制能力上表现有限，且缺乏会话间的记忆连续性。
“You'll be able to take a phone call from an AI system on your phone and I'll be able to fool you guys... in 2027 you will hit like a full human touring test with speech.”
Sam Altman预测，到2027年，AI语音将达到“图灵测试”级别。届时，用户将无法区分电话另一端是真人还是机器人系统。这一预测基于当前语音识别、自然语言处理及记忆技术的快速迭代，标志着人机交互从“指令式”向“对话式、情境感知式”的根本性转变。
校园安防硬件：从芯片设计到量产挑战
针对2016-2026年间校园枪击案增加10倍的社会问题，Hark AI正在开发一套全尺寸武器检测系统。该系统计划在2026年在K-12学校进行Beta测试，旨在通过20英尺（约6米） standoff距离检测武器。该项目主要由NASA JPL的前首席工程师领导，属于纯工程与硬件驱动项目。
技术路线经历了重大调整：一年前团队将重心从纯软件转向定制化硅芯片设计。这一转变旨在通过硬件加速大幅降低成本并提升性能。据称，新方案将成本降低了90%，并使系统更具可扩展性。
| 项目维度 | 调整前/旧方案 | 调整后/新方案 (2024-2025) |
|---|---|---|
| 核心技术 | 传统算法/通用硬件 | 定制化硅芯片 (Custom-designed chips) |
| 成本变化 | 基准价格 | 降低约90% (Reduce price by ~90%) |
| 可扩展性 | 较低 | 高 (Much more scalable) |
| 芯片制造周期 | N/A | 设计需1年，当前已获首批芯片 |
| 后续量产周期 | N/A | 额外6个月 Lead Time |
目前，团队正面临半导体行业的典型瓶颈：定制芯片的制造周期极长。欧洲的特殊制造商耗时约一年完成首批芯片设计与生产，近期才交付。由于这些是前所未有的定制设计件，无法直接采购现货。后续量产还需额外6个月的制造时间。尽管面临供应链挑战，团队预计该系统将在年底前完成初步部署测试。
创始人生活权衡：事业、家庭与社交的取舍
在高速发展的创业生涯中，Sam Altman分享了其个人生活的“三桶理论”（Three Buckets）：工作、家庭和其他社交活动。五年前，面对育儿与创业的双重压力，他做出了艰难抉择：放弃“其他”社交桶。
“I can't do all three... I basically stopped the third bucket. I don’t like I don’t like do anything anymore over here.”
他将精力集中于确保工作和家庭达到“A+”水平，而彻底剔除了朋友聚会、高尔夫旅行、婚礼等非核心社交活动。这种极端的优先级排序虽然牺牲了部分个人生活乐趣，但旨在维持在高强度创业环境下的心理平衡与家庭稳定。这一案例揭示了顶级创业者在追求极致事业成就时，所必须付出的个人生活代价与时间机会成本。
拒绝社交干扰：以家庭和工作为绝对优先的时间管理哲学
这位身价390亿美元的创始人展现了极致的时间边界感。当大学室友从湾区专程回来想见面喝咖啡时，他直接拒绝了对方“我可以迁就你时间”的提议。他的核心逻辑是：每一分钟远离工作或与伴侣相处，都是对家庭和工作投入的剥夺。由于精力分配存在严格的上限，他无法在有限的时间内同时满足社交需求。这种极端的专注力不仅体现在拒绝无效社交上，更渗透到了他的日常数字工具使用中。尽管外界调侃他不使用Slack，但实际上他依然使用该平台进行高强度沟通。
他的手机主屏幕充斥着大量的文本通知，主要是Slack消息和短信。他坦言白天无法处理这些堆积的信息，而是采用“心跳机制”来筛选优先级：只有当对方在Slack上给他发一个带有链接的“心跳”信号时，他才认为这是紧急事项并立即查看。这种过滤机制确保了他只在真正重要的时刻介入工作，从而保护了其余时间的专注力。
全栈AI驱动的工作流：从待办事项到工程追踪的统一化
在工具选择上，这位创始人已经完成了从传统文档向全栈AI助手Hark的迁移。过去，他的周计划和待办事项依赖于一个名为“Replanning”的Google文档，通常每周日更新一次。现在，Hark接管了他所有的任务管理、工程进展追踪以及招聘流程记录。无论是邮件中的信息还是Slack里的对话，所有的工作流节点都整合在Hark中。
“我用Hark处理所有的AI相关事务，端到端地运行。甚至像工程项目的追踪、招聘等所有事情，我都通过它来记录。”
这种统一化的数字工作流极大地减少了上下文切换的成本。他不再需要在多个应用间跳转，而是通过一个核心AI接口来管理生活的方方面面。这种高度集成的策略反映了他对效率的极致追求：用AI替代重复性的信息整理工作，让人脑专注于决策而非记忆。尽管他依然使用笔记本电脑进行深度工作，但手机作为通知入口和快速交互终端的角色被保留并优化。
前沿预防医学：用数据对抗健康风险的激进策略
在健康管理方面，他采取了极为激进的预防性医疗和数据驱动监控策略。由于创业压力导致缺乏时间进行规律运动，他通过高频次的医学检测来弥补潜在的健康风险。他获得了访问特殊医疗服务的权限，执行包括季度血液测试、全身扫描以及心脏CT在内的全面检查。
他特别强调了这些检测的高性价比和早期预警价值。例如，心脏CT扫描仅需约100美元即可进行，这使他能够早期发现并预防心脏病发作。同样，全身MRI有助于癌症的早期检测，而大量的血液工作可以发现许多可以提前干预的身体异常。他列举了大约 dozen（十几种）这样的检测手段，认为这些数据的详尽程度令人难以置信。尽管他承认自己饮食控制得当（“我不能整天坐着吃，我得去工作”），但他坦承由于时间分配问题，运动依然是他未能充分满足的需求。这种通过金钱换取数据和早期干预机会的策略，是他应对高强度创业生活的一种妥协与平衡。
穿越“触底”时刻：从Veter到Archer的心理韧性重建
回顾过去15年的创业历程，他经历了多次“触底”（Rock Bottom）。以2012年至2017年为例，他在Veter项目早期几乎每年都在资金链断裂的边缘挣扎。2015年，他仅筹集到50万美元的可转换票据，个人甚至背负了5万至10万美元的贷款，且未领取薪水。当时他在纽约市生活拮据，财务状况极度恶化。
面对这种绝境，他发展出了一套“日度生存法”。他的内心独白是：“这很痛苦，但你必须一天天地熬过去。”他不再看周五或下周的目标，而是建立一份“待办清单”（Punch List），只关注如何度过当天。这种策略借鉴了他在训练超马拉松时的经验：将49英里的漫长赛程拆解为无数个200码或半英里的小目标。每到达一个小节点，就重新评估是否放弃，从而在心理上维持前进的动力。
“唯一的出路就是穿过它。你需要建立一份清单，然后一天天地度过。”
这种韧性在他创立Archer（电动垂直起降飞行器公司）时再次得到考验。尽管Veter以1.1亿美元售出，但他选择进入硬件制造领域，却遭到投资界的普遍质疑和嘲笑。面对“你疯了吗？去做软件吧”的噪音，他依靠的是基于深入研究的信念（Conviction）。他认为自己已经做了大量工作并深入了解行业，因此即使 odds（概率）对95%的创业者不利，他依然选择坚持。这种从“日度生存”到“信念驱动”的心理转变，是他能够穿越多次创业低谷的核心方法论。
早期创业的惨烈淘汰率与个人财务困境
回顾Figure AI创立初期的SoHo办公室经历，创业生态的残酷性远超想象。当时现场有约50家公司参与竞争或展示，但五年后回顾这一历程，绝大多数参与者彻底失败。除了Figure AI创始人及其另一位合伙人外，其他47家公司全部归零。这种“所有人都会死”的现象在科技行业已持续20年，尽管外界通过TechCrunch或X平台看到大量融资新闻和光鲜故事，但时间会过滤掉所有泡沫，只留下残酷的现实。为了维持Figure AI的运营，创始人不得不采取极端的财务策略：将个人房产抵押并投入Archer公司，同时利用股票解锁期的资金反向资助Figure AI。在股价从10美元暴跌至2美元的“下落中的刀”期间，他不得不进行二次抵押贷款以维持公司运转。这种高风险的个人财务绑定反映了早期初创企业在资金链断裂边缘的生存状态，也印证了创业是一场关于概率和运气的残酷游戏。
能源危机与AI的指数级爆发
在探讨未来三十年世界格局时，受访者指出人类面临的核心挑战并非能源消耗量过大，而是发电能力的不足。他认为这是一个长期的结构性趋势，需要通过太阳能、风能或核聚变等下一代能源技术来解决。与此同时，人工智能将在未来10到20年内主导几乎所有领域。他形象地比喻道：“AI将吞噬整个互联网”，其规模将是互联网的百倍，既深刻影响数字世界，也将重塑物理现实。尽管目前该领域仍处于“迷雾期”，缺乏明确的赢家，但他坚信需要极具远见的企业家来推动这一变革。
硬件产品的现状与早期突破
在AI硬件设备方面，受访者坦言目前市场上尚未出现让他感到“惊艳”的突破性产品。尽管他试用了所有可用的AI设备，但大多数体验平平。然而，小型化、垂直领域的工具依然能带来显著的效率提升。他特别提到了Whisper Flow这款应用，认为它在过去六个月里实质性地改变了他沟通的方式。这反映出当前AI硬件的发展阶段：虽然尚未出现像智能手机那样的通用爆款，但在特定场景下的早期胜利已经显现。他认为，未来一到两年内，随着技术的成熟和应用的深化，市场格局将更加清晰。
创业者的极致专注与榜样力量
受访者高度推崇那些对技艺充满绝对热情的创业者。他引用迈克尔·乔丹的纪录片为例，强调那种“成为世界第一”的纯粹驱动力。在科技界，他视史蒂夫·乔布斯为产品导向型创始人的典范，尽管未曾谋面，但听闻其非凡的运营能力。此外，他也高度评价英伟达CEO黄仁勋（Jensen Huang），认为其过去30年来对手下组织的独特管理方式令人印象深刻。这些榜样共同的特点是深度热爱自己的事业，并具备极强的执行力。这种对工艺的极致追求，是初创企业在激烈竞争中脱颖而出的关键素质。
Jeff Bezos的“生死时刻”建议与Figure的进化
亚马逊创始人Jeff Bezos曾给受访者带来关键性的战略警示。Bezos指出，Figure目前正处于一个决定生死的转折点。他直言：“未来一两年内，你们要么找到方法实现大规模突破并让产品真正运转起来，要么就失败。”这一建议强调了从技术验证到规模化落地的紧迫性。回顾过去四年，Figure的进步令人惊叹：四年前团队仅有五名工程师，展示的是一个具备膝盖和脚踝背屈功能的机械膝；而今天，AI已能在机器人身上进行板载推理并控制所有关节实现自主行动。这种从单一部件到全系统智能的飞跃，验证了Bezos所言“游戏时间”的重要性——下一步是在更高规模上实现这一技术的稳定运行。