جزئیات نشست بزرگ استارتاپ Figure؛ از طراحی ربات انساننمای Figure 04 تا دستیابی به نخستین نشانه‌های هوش عمومی

برت ادکاک (Brett Adcock)، مدیرعامل استارتاپ Figure، معتقد است که شرکتش شاید به‌تازگی توانسته باشد نخستین نشانه‌های درخشان از هوش عمومی را برای ربات‌ها به نمایش بگذارد. ادکاک در جریان یک جلسه داخلی با حضور تمام کارکنان که ویدیوی آن در ۲۲ اکتبر به‌صورت عمومی در شبکه اجتماعی X منتشر شد، به اعضای تیم خود گفت: «این برجستهترین و مهم‌ترین لحظه در تمام دوران فعالیت من در حوزه رباتیک بود. باور دارم که این دستاورد، نخستین گام و تولد هوش عمومی مصنوعی (AGI) به‌شمار می‌رود.»

ادکاک ویدیوی کامل این نشست یکساعته را به‌صورت عمومی منتشر کرد، با این حال رسانه‌های انگشتشماری به پیام‌ها و تصمیمات بسیار مهم مطرحشده در آن پرداخته‌اند. استارتاپ Figure یکی از پیشگامان آمریکایی در عرصه ربات‌های انساننما است؛ حوزهای که روزبهروز از نظر ژئوپلیتیکی اهمیت فزایندهای پیدا می‌کند. ازاینرو بازخوانی دستاوردها و رویکردهای استراتژیک این شرکت که در این جلسه مطرح شد، اهمیت ویژهای دارد.

استارتاپ Figure این هفته نشستی عمومی با حضور تمام کارکنان برگزار کرد و من تصمیم گرفتم ویدیوی آن را اینجا به‌صورت عمومی به اشتراک بگذارم.

با توجه به‌سرعت شگفتانگیز پیشرفت ما، نقشه راهمان طی سال گذشته کاملاً دگرگون شده و شمار اعضای تیم به دو برابر افزایش یافته است.

بسیار حیاتی است که همگی در مسیر پیش رو، روی مأموریت اصلی شرکت همگام و هماهنگ باشیم.

برت ادکاک، ۲۲ اکتبر ۲۰۲۶

فهرست جامع دستاوردها و اطلاعیه‌های بزرگ Figure

پیش از هر چیز، شایسته است نگاهی گذرا به تمام تصمیمات و دستاوردهای عمدهای بیندازیم که ادکاک در این جلسه اعلام کرد. تعداد این موارد قابلتوجه است و بسیاری از آنها پیامدهای بسیار عمیقی به‌همراه دارند؛ از افشای دیدگاه Figure در زمینه هوش مصنوعی فیزیکی و جزئیات ربات انساننمای نسل بعد گرفته تا حجم غولآسای داده‌های ورودی و جذب سرمایه جدیدی که تاکنون اعلام نشده بود و رقمی حداقل ۹ رقمی و شاید بالاتر دارد.

• ربات Figure 04، نسل بعدی ربات‌های انساننمای این شرکت، اکنون طراحی کامل خود را پشت سر گذاشته است و ادکاک آن را «معادل آیفون نسل اول در دنیای ربات‌های انساننما» توصیف می‌کند.
• دست رباتیک جدید Figure دارای عملگرهایی فراتر از کل بدنه یک ربات معمولی است و از قابلیت ردیابی نوک انگشتان با دقت میلیمتری بهره می‌برد.
• استارتاپ Figure به‌تازگی هزارمین واحد از ربات انساننمای Figure 03 را تولید کرده است.
• هزینه تمامشده ساخت ربات Figure 03 بیش از ۹۰ درصد کمتر از Figure 02 است؛ امری که نشان می‌دهد هزینه تولید ربات Figure 04 نیز بهمراتب اقتصادیتر خواهد بود.
• مدل «Baby AGI»: این مدل جدید که با بزرگ‌ترین مجموعه‌داده اختصاصی Figure و با بهکارگیری بیشترین تعداد پردازنده گرافیکی آموزش دیده، عملکردی چنان خارقالعاده داشته که ادکاک آن را جلوهای نزدیک به هوش عمومی دانسته است. هم‌چنین نسخه بزرگ‌تر و بهمراتب قدرتمندتری از این مدل ظرف چند هفته آینده آماده خواهد شد.
• قوانین مقیاسپذیری: شرکت Figure با مدل Helix 2.5 مدعی کشف و ثبت نخستین قوانین مقیاسپذیری در یاد‌گیری ربات‌های انساننما شده است؛ به این معنا که با تزریق داده‌های بیشتر، هوش مصنوعی فیزیکی ربات عملکرد بهمراتب بهتری پیدا می‌کند.
• پیش‌آموزش در برابر پس‌آموزش: ادکاک تأکید کرد که مرحله پس‌آموزش برنده این میدان نخواهد بود، بلکه این پیش‌آموزش است که پیروزی نهایی را رقم می‌زند. منظور او این است که مدل‌های پایه هوش مصنوعی فیزیکی عمومی که ربات از ابتدا همراه با آنها عرضه می‌شود، اهمیتی بهمراتب بیشتر از آموزش‌های موردی برای کارهای خاص دارند.
• پلتفرم Index، استارتاپ متصل به Figure برای ثبت ویدیوی اولشخص از فعالیت روزمره انسان‌ها بر بستر اقتصاد گیگ، اکنون به ۳۷٫۵ میلیون ویدیو، ۱٫۲۶ میلیون بارگیری اپلیکیشن و کاربرانی در ۱۱۲ کشور دست یافته است. در حال حاضر ۲۱۰ هزار کاربر هفتگی در هر ثانیه معادل ۸۱ دقیقه داده آموزشی در این پلتفرم آپلود می‌کنند.
• هزینه هفتگی Figure برای جمعآوری داده به ۸٫۱ میلیون دلار رسیده است و این شرکت در ۱۲ ماه آینده، مبلغی بیش از کل سرمایه جذبشده توسط اغلب شرکت‌های فعال در زمینه رباتیک را صرف داده خواهد کرد.
• توان پردازشی Figure ظرف حدود ۱٫۵ هفته آینده به دو برابر افزایش خواهد یافت.
• موجودی نقدینگی: شرکت Figure بیش از ۲ میلیارد دلار نقدینگی در ترازنامه خود دارد که حاکی از جذب سرمایه‌هایی فراتر از ارقام رسمی اعلامشده است. طبق داده‌های کرانچبیس مجموع سرمایه جذبشده این شرکت ۱٫۹ میلیارد دلار ثبت شده است، در حالی که در پایگاه داده HumanoidMegaHub با احتساب دور احتمالی جذب یک میلیارد دلاری به رهبری انویدیا، این رقم تا ۲٫۹ میلیارد دلار برآورد می‌شود.
• استقرار در محیط کاربری: ربات‌های Figure هم‌اکنون در سه ایالت آمریکا بهکارگیری شده‌اند که از جمله آنها میتوان به استقرار آنی و بدون آموزش اختصاصی (Zero-shot) در تأسیسات یک مشتری جدید اشاره کرد.
• قابلیت‌های مهارتی: این استارتاپ امسال توانایی بالا رفتن از نردبان را برای یکی از مشتریان عملیاتی کرده و ماه آینده نسخه جدیدی از سامانه کنترل حرکتی خود را عرضه خواهد کرد.
• تعداد اعضای تیم Figure به دو برابر افزایش یافته است.

نگاهی عمیق‌تر به مفهوم «Baby AGI»

به گفته این شرکت، حجم داده‌های تولیدشده درون Figure اکنون از مجموع خروجی تمام ۵۱ تولیدکننده داده‌های فیزیکی که این استارتاپ آنها را رصد می‌کند بیشتر شده است. توصیف بزرگی و ابعاد این دستاورد بهراستی شوکهکننده است. این سیل عظیم داده‌ها تأثیر مستقیمی بر مدل‌های پایه رباتیک Figure گذاشته است؛ تا جایی که ادکاک ادعا می‌کند با مشاهده این پیشرفت‌ها، احساس کرده که به تماشای نخستین جرقه‌های هوش عمومی نشسته است.

هوش عمومی مصنوعی (AGI) اصطلاحی است که پژوهشگران حوزه هوش مصنوعی برای توصیف سیستم‌هایی با توانایی‌های شناختی دست‌کم در سطح انسان به کار می‌برند.

بیتردید این ادعایی بسیار بزرگ است و خود ادکاک نیز به این موضوع واقف است. با این حال، آنچه شاید این ادعا را از یک بزرگنمایی صرف متمایز می‌کند، زیرساخت بیسابقه جمعآوری داده در Figure است؛ ماشینی غولآسا که طبق اعلام شرکت، هر هفته بیش از تمام داده‌های جمعآوریشده در کل تاریخ صنعت رباتیک، اطلاعات حرکتی انسان‌ها را گردآوری می‌کند. فرضیه بنیادین Figure بر پایه این سرمایه عظیم بنا شده است: در حوزه رباتیک، پیش‌آموزش برنده است و شرکت‌هایی که روی پس‌آموزش حساب باز کرده‌اند، بازی را واگذار خواهند کرد.

درستی یا نادرستی این فرضیه، سرنوشت برندگان نبرد ربات‌های انساننما، اتوماسیون و کل قلمرو هوش مصنوعی فیزیکی را تعیین خواهد کرد. شرکت‌هایی هم‌چون Sima شرطبندی متفاوتی دارند؛ آنها معتقدند مدل‌های پایه پیشتاز مانند Astra از سوی OpenAI یا Mythos از Anthropic از همان ابتدا بخش عمده چالش‌های هوش مصنوعی فیزیکی را حل خواهند کرد، مستقیماً به موفقیت رباتیک بدون آموزش اولیه دست خواهند یافت و پس‌آموزش صرفاً برای کارهای تخصصی و معین ارزش خواهد داشت.

جزئیات بیشتر درباره ربات انساننمای نسل جدید Figure 04

ادکاک درباره نسل چهارم ربات‌های انساننمای این شرکت اعلام کرد: «ما به مرحله تثبیت کامل طراحی رسیده ایم و ارسال قطعات را آغاز کردهایم.»

او این ربات را بزرگ‌ترین جهش نسلی در تاریخ استارتاپ Figure می‌داند و تأکید دارد که سایر شرکت‌های سازنده ربات‌های انساننما دقیقاً در مسیری مخالف آنها گام برمیدارند. مقایسه او بسیار جسورانه است: «معتقدم این مدل، همان آیفون ۱ در دنیای ربات‌های انساننما است.»

استارتاپ Figure هنوز مشخصات فنی دقیق یا تصاویر رسمی این محصول جدید را منتشر نکرده است.

بخشی که ادکاک بیش از هر چیز بر آن تمرکز کرد، دست مکانیکی این ربات بود که اکنون به چهارمین نسخه تکاملی خود رسیده است. او این دست را سیستمی توصیف می‌کند که «پیچیدگی آن از کل یک ربات بیشتر است، عملگرهایی فراتر از یک ربات کامل دارد» و می‌تواند نوک انگشتان و نقاط تماس انسان را با دقت میلیمتری ردیابی کند.

به گفته ادکاک، نسل چهارم این دست همان نمونه‌ای است که راهی بازار تجاری خواهد شد.

این پیشرفت، Figure را وارد رقابتی تنگاتنگ پیرامون «درجات آزادی حرکتی» می‌کند. شرکت 1X مدعی است دست ربات NEO از ۲۲ درجه آزادی مکانیکی بهره می‌برد و در نسخه‌های بعدی این عدد به ۲۵ خواهد رسید. دست جدید ربات Optimus تسلا نیز بنا بر گزارش‌ها دارای ۲۲ درجه آزادی حرکت است که در آن عملگرها به بخش ساعد منتقل شده‌اند.

تسلا و شرکت 1X هر دو انگشتان ربات‌های خود را با سازوکار تاندونی هدایت می‌کنند؛ موضوعی که از زاویه دید Figure بسیار جالب است، چراکه ادکاک استفاده از سازوکار تاندونی در دست ربات Figure 01 را یکی از بدترین تصمیمات تاریخ این شرکت می‌داند. سیستم‌های تاندونی امکان ساخت دست‌های سبکتری را فراهم می‌آورند، زیرا موتورها در ساعد قرار می‌گیرند؛ دقیقاً به همین دلیل است که ربات انساننمای AIR متعلق به استارتاپ سوئیسی Embodied AI نیز از دست‌های تاندونی بهره می‌برد. با این حال، این طراحی پیچیدگی مکانیکی بالاتری دارد و در درازمدت با مشکلات متعدد تعمیر و نگهداری مواجه می‌شود. محرک‌های مستقیم در درون مچ و انگشتان، حرکاتی قابلپیشبینیتر و قابل اطمینانتر با مشکلات مکانیکی کمتر ارائه می‌دهند، هرچند جا دادن آنها در اندازهای مشابه دست انسان چالش مهندسی بسیار بزرگی است.

استارتاپ Figure هنوز تعداد دقیق درجات آزادی یا شمار عملگرهای دست Figure 04 را اعلام نکرده است، ازاینرو مقایسه مستقیم امکانپذیر نیست؛ اما کاملاً پیداست که این شرکت فلسفه طراحی متفاوتی را در مقایسه با دو رقیب اصلی آمریکایی خود دنبال می‌کند.

چرا تمرکز روی دست‌ها تا این اندازه حیاتی است؟

نخست به این دلیل که بدنه ربات اساساً بستری برای انتقال دست‌ها به محل انجام کار است؛ تمام کارهای مفید را دست‌ها انجام می‌دهند و هرچه دست‌ها توانمندتر باشند، ربات قادر به انجام وظایف پیچیده‌تری خواهد بود. دلیل دوم به موضعگیری قاطع Figure در مهم‌ترین مناظره رباتیک برمیگردد: آیا ربات‌ها باید با داده‌های حاصل از سخت‌افزارهای رباتیک اختصاصی آموزش ببینند یا اینکه مستقیماً از انسان‌ها بیاموزند؟ یاد‌گیری مستقیم از انسان‌ها مستلزم آن است که حرکات دست ربات بهاندازه کافی مشابه انسان باشد تا انتقال الگوهای حرکتی از ویدیوهای انسانی به ربات میسر شود.

جزئیات بیشتر درباره پلتفرم جمعآوری داده Index

پلتفرم Index که در ماه اوت راهاندازی شد، به افراد در سراسر جهان دستمزد می‌دهد تا از کارهای روزمره و فعالیت‌های خود فیلمبرداری کنند. اما چرا Figure برای تأمین داده‌های خود دست به خلق یک پلتفرم مبتنی بر اقتصاد گیگ زد؟

ادکاک در پاسخ می‌گوید: «ما تلاش کردیم داده‌ها را از بازار بخریم، اما این روش جواب نداد.»

اکنون این شرکت اعلام می‌کند که در هر ثانیه، ۸۱ دقیقه ویدیوی انسانی را وارد پایگاه داده‌های آموزشی خود می‌کند.

این رقم معادل ۴٬۸۶۰ ساعت ویدیو در هر ساعت یا حدود ۸۱۶ هزار ساعت ویدیو در هفته است. زمانی که Figure در اواخر اوت پلتفرم Index را معرفی کرد، نرخ ورود داده معادل ۳۰ دقیقه در هر ثانیه بود؛ بنابراین سرعت دریافت داده‌ها ظرف دو ماه ۲٫۷ برابر شده است. تعداد بارگیری اپلیکیشن نیز از ۲۶۴ هزار به ۱٫۲۶ میلیون نسخه رسیده و شمار ویدیوها از ۱۶ میلیون به ۳۷٫۵ میلیون عدد افزایش یافته است. در هفته منتهی به این جلسه، بیش از ۲۱۰ هزار کاربر دست‌کم یک ویدیو آپلود کرده بودند.

تمام این اعداد و ارقام خیرهکننده و کمنظیر هستند.

استارتاپ Maxinsights که ماه گذشته در مرحله اولیه ۳۰ میلیون دلار سرمایه جذب کرد، اعلام کرده با بهکارگیری بیش از ۵ هزار نیروی کار در شش کشور، در مجموع ۲ میلیون ساعت ویدیو ثبت کرده است. استارتاپ Figure همین حجم از ویدیو را تنها ظرف دو هفته و نیم گردآوری می‌کند. هم‌چنین شرکت Generalist AI مدل GEN-1 خود را با اتکا به نیم میلیون ساعت داده از دنیای واقعی آموزش داد و استارتاپ Nature Will نیز مدل دست ۵۰ میلیارد پارامتری Natura-1 را با بیش از یک میلیون ساعت ویدیوی اولشخص آموزش داده است.

با سرعت فعلی، استارتاپ Figure هر یک میلیون ساعت داده را ظرف حدود ۹ روز ثبت و ذخیره می‌کند.

یوگوانگ یوآن (Yuguang Yuan)، مدیرعامل Maxinsights، پیشتر خاطرنشان کرده بود که ربات‌ها برای دستیابی به انطباقپذیری جامع و انسانگونه، احتمالاً به بیش از ۱۰ میلیون ساعت داده متنوع نیاز دارند. با سرعت خیرهکننده کنونی، استارتاپ Figure ظرف حدود ۱۲ هفته به این مرز خواهد رسید. این شتاب چنان شگفتآور است که جای تأمل بسیار دارد: با نرخ فعلی، Figure ظرف تنها ۱۲ هفته به این حجم از داده دست پیدا می‌کند.

این مقیاس بیتردید فراتر از استانداردهای متعارف بازار است. به همین جهت، ادعای ادکاک مبنی بر اینکه سرعت گردآوری داده در Figure از تمام بازیگران دیگر بازار فراتر رفته، کاملاً منطقی و باورپذیر به نظر می‌رسد. او اعلام کرد که Figure حدود ۵۰ استارتاپ فعال در این حوزه را زیر نظر دارد، اما «هر هفته حجم داده‌هایی که تولید می‌کنیم بیش از کل مقداری است که در تمام بازار بتوان خریداری کرد.»

البته نباید چند نکته و چالش کلیدی را از یاد برد. رقمی که Figure اعلام می‌کند نرخ دریافت خام داده است، نه داده‌های پاک‌سازی و آمادهاستفاده؛ ضمن اینکه یک ساعت ویدیوی ضبطشده با گوشی هوشمند معادل یک ساعت داده رباتیک نیست. ویدیوهای خام انسانی فاقد اطلاعاتی مانند نیرو، گشتاور و حس لامسه هستند و چهبسا ۱۰ هزار ساعت داده پالایششده از طریق کنترل از راه دور (Teleoperation)، ارزشی بهمراتب بیشتر از یک میلیون ساعت ویدیوی تصادفی داشته باشد. تیم زیرساخت Figure تمام این داده‌ها را پاک‌سازی و برچسبگذاری می‌کند، اما اینکه چه مقدار از آنها در خروجی این فرایند باقی می‌ماند، رازی است که تنها اعضای داخلی شرکت از آن باخبرند.

گردآوری چنین اقیانوسی از داده‌ها به هیچ وجه کمهزینه نیست.

ادکاک در این خصوص گفت: «ما هفته گذشته حدود ۸٫۱ میلیون دلار برای داده هزینه کردیم.» این رقم با سرعت کنونی معادل ۴۲۱ میلیون دلار در سال است و همچنان روندی صعودی دارد. با فرض اینکه بیشتر این مبلغ صرف پرداخت به کاربران شود، این رقم معادل پرداخت حدود ۱۰ دلار به ازای هر ساعت ویدیو است؛ در حالی که برآوردهای صنعتی نشان می‌دهند نرخ معمول برای ویدیوهای اولشخص بین ۲ تا ۵ دلار است. به نظر می‌رسد Figure برای دستیابی سریع‌تر به حجم و تنوع بالا، پاداش بیشتری به کاربران پرداخت می‌کند.

ادکاک تصریح کرد: «هزینه‌ای که ما طی ۱۲ ماه آینده صرف داده خواهیم کرد، از کل سرمایه جذبشده توسط اغلب شرکت‌های رباتیک فراتر خواهد رفت.»

این ادعا کاملاً قرین به واقعیت است. کل سرمایه مرحله اولیه استارتاپ Maxinsights کمتر از هزینه چهار هفته Figure برای جمعآوری داده است. دور سرمایه‌گذاری ۶۰ میلیون دلاری سری B استارتاپ Mecka با همراهی سکویا نیز تقریباً معادل هفت هفته از هزینه‌های کنونی Figure است. بهجز چند نام پرآوازه مانند Skild AI که در ماه ژانویه ۱٫۴ میلیارد دلار سرمایه جذب کرد، اغلب استارتاپهای رباتیک و هوش مصنوعی فیزیکی توان پرداخت ۴۰۰ میلیون دلار در سال صرفاً برای تأمین داده را ندارند؛ چه رسد به تأمین هزینه‌های پردازشی سنگین برای آموزش مدل‌ها بر پایه این داده‌ها.

این دقیقاً همان خندق دفاعی قدرتمندی است که ادکاک با سرعتی سرسامآور در حال ایجاد آن است؛ بودجه عظیم داده و توان پردازشی که تقریباً هیچ رقیبی توان برابری با آن را ندارد.

دلیل اصلی تمایل او به چنین هزینه‌های سنگینی، اثبات قوانین مقیاسپذیری است.

در سال ۲۰۲۰، پژوهشگران اثبات کردند که مدل‌های زبانی بزرگ با افزایش توان پردازشی، داده و پارامترها به‌صورت کاملاً پیشبینیشده ارتقا می‌یابند. ادکاک اعلام کرد که Figure با انتشار مدل Helix 2.5 نخستین قوانین مقیاسپذیری را برای یاد‌گیری ربات‌های انساننما به ثبت رسانده است؛ مدلی که نرخ موفقیت ربات‌ها را در انجام کارهای روزمره در ۳۰ خانه کاملاً جدید تا ۶ برابر افزایش داد. داده‌های پیش‌آموزش بیشتر به معنای کاهش خطای مدل در مسیری تقریباً خطی و کسب نمرات بهتر در ارزیابی‌های رباتیک بود.

ادکاک البته اشاره کرد امیدوار بود این نمودار خطی نباشد و حالتی خمیده به خود بگیرد؛ زیرا در آن صورت، تأثیر داده‌های بیشتر در طول زمان اقتصادیتر میشد، هرچند شواهد فعلی حاکی از یک ارتباط کاملاً خطی است.

البته Figure نخستین شرکتی نیست که به قوانین مقیاسپذیری در رباتیک اشاره می‌کند. یک سال پیش شرکت Generalist AI قوانین مقیاسپذیری برای مدل GEN-0 را با بهره‌گیری از ۲۷۰ هزار ساعت داده تعاملی منتشر کرد. شرکت‌های Dyna Robotics و انویدیا نیز نتایجی ارائه داده‌اند که نشان می‌دهد عملکرد ربات‌ها با افزایش ویدیوهای انسانی به‌صورت قابلپیشبینی بهتر می‌شود. به وضوح سمتوسوی کل این صنعت هماهنگ است و ادکاک به این جمعبندی رسیده که Figure باید شبیه دستگاه‌های خودکار عمل کند: سرمایه را وارد کن و ربات‌های هوشمندتر تحویل بگیر.

این نگرش منطق نهفته در پس توافق بزرگ پردازشی Figure با شرکت Nscale است که در ماه سپتامبر مطرح شده بود؛ تعهدی اولیه به ارزش ۳٫۵ میلیارد دلار با هدف افزایش تا ۶ میلیارد دلار که از سال ۲۰۲۷ بر بستر پلتفرم Vera Rubin انویدیا در تگزاس غربی به اجرا درخواهد آمد. ادکاک هم‌چنین اعلام کرد که توان پردازشی فعلی این استارتاپ ظرف حدود ۱۰ روز آینده دو برابر خواهد شد و Figure در نهایت به کلاسترهای محاسباتی بزرگ‌تری نسبت به آنچه امروزه برای آموزش مدل‌های زبانی بزرگ استفاده می‌شود نیاز خواهد داشت.

پیش‌آموزش در برابر پس‌آموزش

این قوانین مقیاسپذیری، پشتوانه متناقضترین و ساختارشکنانهترین دیدگاه ادکاک در این گردهمایی است.

او تصریح کرد: «پس‌آموزش پیروز این میدان نخواهد بود؛ برنده نهایی پیش‌آموزش است.»

این ایده دقیقاً برخلاف نظراتی است که سایر مدیران عامل شرکت‌های رباتیک ابراز می‌کنند. اشیش کاپور (Ashish Kapoor)، مدیرعامل General Robotics، سه لایه هوش را برای ربات‌ها متصور است: مدل‌های پیشتاز شرکت‌هایی هم‌چون OpenAI در لایه زیرین، مدل‌های پایه رباتیک در لایه میانی و پس‌آموزش برای کارهای خاص در رأس هرم. کاپور در این زمینه تأکید دارد: «با وجود تزریق میلیاردها دلار به لایه دوم، دلایل محکمی دارم که لایه اول و دوم در نهایت در یکدیگر ادغام خواهند شد.» در چنین ساختاری، ارزش واقعی به لایه پس‌آموزش منتقل می‌شود؛ یعنی بخشی که یک ربات را برای مأموریتی ویژه در شرکتی مشخص کارآمد می‌سازد.

وانگ شینگشینگ (Wang Xingxing)، بنیانگذار شرکت Unitree، نیز اخیراً اعلام کرد که مدل‌های پیشرفته مانند GPT-6 را روی ربات‌ها آزمایش کرده و به نتایج فوقالعادهای رسیده است. استارتاپ Standard Bots نیز مدل کسبوکار خود را بر پایه پس‌آموزش در خطوط تولید کارخانجات پیریزی کرده است.

البته ادکاک پس‌آموزش را به این دلیل که Figure در آن ضعیف است رد نمی‌کند. او تأکید دارد Figure احتمالاً بهترین شرکت جهان در حوزه پس‌آموزش است و می‌تواند هر کاری را که دادهاش موجود باشد به ربات آموزش دهد. نکته اصلی او این است که پس‌آموزش قابلیت مقیاسپذیری ندارد. اگر برای هر خانه، انبار یا کارخانه جدید نیاز به آموزش‌های اختصاصی مجزا باشد، هرگز به یک ربات چندمنظوره واقعی نخواهید رسید، بلکه صرفاً یک کسبوکار مشاورهای بسیار پرهزینه ایجاد کردهاید.

رد کردن این استدلال دشوار است. در آیندة نزدیک، مدل‌های پایه هوش مصنوعی فیزیکی هنوز به بلوغ کامل نرسیده‌اند و پس‌آموزش تفاوتی چشمگیر رقم می‌زند؛ اما در آیندة بلندمدت که شاید همان دوران تولد هوش عمومی رباتیک باشد، مدل‌های پایه به اندازهای قدرتمند می‌شوند که یک ربات انساننما بهمحض ورود به کارگاه ساختمانی، بدون هیچ پیشزمینه قبلی شروع به بستن الوارها و چیدن دیوارها می‌کند.

این دقیقاً همان چیزی است که Figure در پی آن است: رباتی که وارد مکانی کاملاً ناشناخته شود و بلافاصله کار خود را با موفقیت انجام دهد.

ادکاک می‌گوید این مسیر از همکنون آغاز شده است؛ بهگون‌های که یکی از ربات‌های Figure اخیراً در تأسیسات یک مشتری جدید با نورپردازی و تسمه نقاله کاملاً متفاوت قرار گرفت و کار محوله را بدون آموزش قبلی با موفقیت به پایان رساند. هدف نهایی دقیقاً همین است: مدلی واحد با قابلیت تعمیمپذیری به تمام محیط‌ها، ساختهشده بر بستری از عظیمترین دادگان پیش‌آموزش در جهان.

نقدینگی تازه و جذب سرمایه‌های اعلامنشده؟

تأمین مخارج سرسامآور هوش مصنوعی فیزیکی، جدای از هزینه ساخت خود ربات‌ها، نیازمند نقدینگی عظیمی است؛ و شواهد حاکی از آن است که Figure بیش از آنچه رسماً گزارش کرده، سرمایه جذب کرده است.

ادکاک در این نشست تأکید کرد: «ما امروز بیش از ۲ میلیارد دلار نقدینگی در ترازنامه مالی خود داریم.»

مجموع سرمایه‌های افشاشده Figure حدود ۱٫۹ میلیارد دلار است که شامل دور سری C با رقم بیش از یک میلیارد دلار با ارزش‌گذاری ۳۹ میلیارد دلاری در سپتامبر ۲۰۲۵ می‌شود. این شرکت از آن زمان تاکنون بیش از هزار ربات Figure 03 ساخته، کارخانه BotQ را راهاندازی کرده، تیم خود را دو برابر ساخته و هزینه هفتگی دادههایش را به مرز ۱۰ میلیون دلار رسانده است. در اختیار داشتن بیش از ۲ میلیارد دلار نقدینگی، آن هم با در نظر گرفتن این هزینه‌های سنگین، نشان می‌دهد مبالغ هنگفت تازهای وارد خزانه شرکت شده است. ادکاک درباره میزان این سرمایه و هویت سرمایه‌گذاران سخنی نگفت و تنها اشاره کرد که جزئیات مربوطه «در زمان مناسب» اعلام خواهد شد.

نشریه The Information در اوایل اکتبر گزارش داده بود که انویدیا در حال مذاکره برای سرمایه‌گذاری یک میلیارد دلاری دیگر در Figure با ارزش‌گذاری اولیه حدود ۳۸ میلیارد دلار است؛ گزارشی که به‌عنوان منبع برآوردهای تحلیلی در پایگاه HumanoidMegaHub نیز مورد استفاده قرار گرفت.

تبدیل سرمایه نقدی به هوش

تمام این مسیرها ما را بار دیگر به مفهوم هوش عمومی اولیه (Baby AGI) بازمیگرداند.

به گفته ادکاک، ماه گذشته Figure مدل جدیدی را بر روی بزرگ‌ترین دادگان پیش‌آموزش و با بیشترین تعداد پردازنده گرافیکی آموزش داد و سپس آن را در خان‌های تاریک و آزمایشی در محوطه شرکت که کارکنان آن را «جعبه سیاه» (Black Box) مینامند، آزمایش کرد. کارکنان تنها کلیپی کوتاه از این دستاورد را تماشا کردند و Figure هنوز جزئیات آن را برای عموم فاش نکرده است. ادکاک می‌گوید مدلی بهمراتب بزرگ‌تر در حال آموزش است و ظرف چند هفته آینده آماده خواهد شد؛ مدل‌هایی که Figure ظرف شش ماه آینده آموزش می‌دهد، تحولی بهراستی شگفتانگیز خواهند بود.

آیا این دستاورد بهراستی نخستین جلوه از هوش عمومی مصنوعی است؟ مسلماً هنوز نمیتوان با قطعیت به این پرسش پاسخ داد، چراکه مفهوم AGI امروزه بیش از حد در ادبیات بازاریابی هوش مصنوعی دستمایه قرار می‌گیرد. تا زمانی که Figure قابلیت‌های این مدل را به‌صورت عمومی در انجام امور پیچیده و محیط‌های ناشناخته به نمایش نگذارد، قضاوت قطعی غیرممکن خواهد بود.

اما استراتژی نهفته در پس این ماجرا شفاف و قابلاندازهگیری است: داده‌هایی بیشتر از همه، توان محاسباتی فراتر از دیگران و باور عمیق به اینکه مقیاس بر تخصصگرایی غلبه می‌کند. اگر قوانین مقیاسپذیری همانگونه که در دنیای زبان عمل کردند در قلمرو رباتیک نیز صادق باشند، مهار این شتاب برای هر رقیبی بسیار دشوار خواهد بود.

و اگر این قوانین در رباتیک صادق نباشند چه رخ خواهد داد؟

در آن صورت، این آزمون به یکی از پرهزینهترین درس‌های تاریخ فناوری برای آموختن یک واقعیت تلخ بدل خواهد شد.