人形機器人這個賽道，恐怕是AI領域現在最熱門的議題之一了。Figure AI也是人形機器人公司中，除了特斯拉之外，一個非常好的觀察樣本，當然，我們不能說「最」。
先介紹一下這家公司。Figure AI成立於2022年，已獲得超過7.5億美元融資，投資者包括微軟、英偉達
、英特爾資本、OpenAI以及傑夫·貝佐斯等。有不少刷屏的人形機器人Demo演示，都是由這家公司貢獻的。如果說特斯拉的柯博文更多表現了運動能力，X1喜歡表現家庭人機互動，Figure AI則經常展示機器人的認知能力。
2025年7月6日，在Around the Prompt播客節目中，Figure AI創始人兼CEO Brett Adcock接受了Logan Kilpatrick和Nolan Fortman的深度訪談。這位39歲的連續創業者，作為Figure AI的掌舵人，以在硬體科技領域的突破性工作而聞名，他曾創立在線招聘平台Vettery（2018年被Adecco集團以1.1億美元收購）、電動飛行汽車公司Archer Aviation。
Brett Adcock還在2024年被《時代》雜誌評選為"AI領域最具影響力的100人"，Brett Adcock的願景是創造能夠執行類人任務的通用人形機器人。
這次訪談的核心議題圍繞人形機器人作為AGI最終部署載體的技術路徑、從軟體轉向硬體創業的挑戰、機器人在家庭和工作場所的應用前景，以及超級智能時代人類社會的未來圖景展開。
當前人形機器人市場應該說有完全相反的兩種說法，一種觀點認為人形機器人「華而不實」，沒必要把機器人做成人形；但是更多人認為這個市場這個正處於爆發式增長的臨界點，有數據預測，這個市場的規模預計將從2023年的22億美元增長到2032年的770億美元，複合年增長率高達48.36%。馬斯克曾經在2025年5月的沙特-美國投資論壇中說，未來將會有「數百億」個人形機器人投入使用，甚至提到到2040年將至少達到100億台級別。
在熟練勞動力短缺日益嚴重的背景下，Brett Adcock也提出了一個大膽的預測："最終，體力勞動將成為可選項。你可以選擇親自去做，也可以讓你的Figure機器人來完成"。
一、機器人技術的指數級增長軌跡
訪談一開始，主持人就機器人技術的指數級發展詢問了Adcock的觀點，特別是Figure AI在這一浪潮中的前沿地位。Adcock認為，當前的機器人技術發展有兩個關鍵突破，這些突破是五到十年前無法想像的。
"我認為現在與五到十年前相比，有兩個真正不同的地方，"Adcock解釋道。"第一個是我們已經能夠構建出真正有能力的硬體。"他強調，以人形機器人為例，機器人的"身體"部分已經變得極其可靠。如果你走進Figure AI的工廠，會看到機器人無處不在。"我想現在大概有一個機器人在我身後走來走去，"他在訪談中提到，"這些機器人的硬體可靠性已經變得非常好。"
這種可靠性的提升在商業環境和工廠設施中都有體現。Adcock指出，即使你在他們的工廠里待上一整天，也很難看到任何硬體故障。"我們很少看到這樣的事件，它們正變得越來越罕見。"
他進一步解釋了硬體突破的重要性："即使你擁有世界上最好的AI，如果硬體平庸，你也無法完成任務。必須是真正有能力的硬體。"Adcock將當前的機電系統比作火箭和渦輪風扇等複雜機械系統，強調機器人硬體的複雜性極高，但他們已經能夠構建出極其可靠的系統。
為了說明這一進步的重要性，Adcock對比了十年前的情況："十年前世界上最好的機器人可能是波士頓動力的Atlas，那是一個液壓系統，只能運行大約20分鐘，到處漏油，每個液壓閥門的壓力大約是2000到3000磅每平方英寸，在人類旁邊工作極其危險。"而現在，"我們有了電動系統，我會說它們是安全的、可靠的，正朝著這個趨勢發展。"
第二個關鍵突破是神經網路在機器人領域的成功應用。"機器人實際上是一個神經網路問題，直到最近幾年，我們才真正看到神經網路在機器人上表現良好。"Adcock解釋說，他們現在有神經網路在機器人上運行，指揮著手部位置、頭部、軀幹等整個動作空間，"效果非常好。"
他舉例說明了這一突破的實際應用："你可以看到我們大約一周前發布的更新，一個機器人連續60分鐘進行物流工作，那是一個單一的S1 Helix神經網路在機器人上運行，看起來就像人類會做的事情一樣，幾乎在某種程度上模仿了人類的特徵，我們正在接近人類的速度和性能。"
這兩個突破的結合——可靠的硬體和有效的神經網路——為機器人技術的指數級增長奠定了基礎。Adcock總結道："這是你真正需要讓機器人工作的兩個重要輸入。"
二、直接瞄準人形機器人的戰略選擇
對於Figure AI的戰略選擇問題，特別是為什麼選擇直接開發人形機器人，而不是從更簡單的專用機器人開始？這個問題的背景是主持人提到了自己使用的Madic家用吸塵機器人的體驗，雖然功能有限，但在特定任務上表現出色。
Adcock的回答揭示了他對人形機器人的深刻思考："我們從第一天就直接選擇了人形機器人。"他解釋說，在德拉瓦州註冊公司的第一天，他就寫了一份總體規劃，一份基本的願景文檔，現在還在公司網站上。"對我來說，這是終極的元問題——試圖解決人形機器人，所以你必須直接面對它。"
這種直接的方法背後有深刻的戰略考量。Adcock認為，雖然有其他選擇，比如給機器人裝上輪子和其他類型的末端執行器，如爪子等，"但這基本上是一個局部最優解——它會成為一個重大問題，如果你從第一天開始就沒有設計正確的系統，試圖到達你真正需要去的地方。這基本上會成為企業的巨大拐杖。"
三年前，Adcock的論點是直接開發人形機器人是可能的，所以他們從公司成立的第一天就開始構建和設計人形機器人。"我們基本上從公司成立的第一天就開始設計人形機器人。"
這種選擇的背後是對未來技術發展的洞察。Adcock在訪談中多次強調，"現在的環境看起來人形機器人將成為AGI的終極部署載體。"他認為，如果你想在物理世界中完成任務，"你很難把它放在吸塵器或其他任何東西上——你真正需要的是在高維度機器人上搭載AI，能夠進行工作。"
這種戰略選擇的結果是，Figure AI能夠看到機器人技術和AI的融合，"我會說有很多資本湧入這個領域，因為這些趨勢。"更重要的是，"機器人正在工作，我們看到機器人開始做真正有用的工作。"
Adcock強調了實際工作能力的重要性："我們可以讓機器人運行一整天，在很多情況下我們讓機器人幾乎全天運行，它們在執行有用的工作。所以你開始看到這實際上會發生的跡象，我們正處在正確的十年，這也很有幫助。"
三、從軟體到硬體創業的挑戰轉換
主持人接著詢問了從軟體轉向硬體創業的挑戰，以及硬體產品在用戶採用方面的困難。這個問題分為兩個部分：一般性挑戰和採用方面的挑戰。
Adcock對硬體創業的挑戰有著深刻的理解："硬體在極限情況下看起來很像軟體，但時間尺度要長10倍、100倍。"他解釋說，同樣的科學方法和假設驗證過程在硬體中需要更長的時間。"在某些情況下，這需要一年時間才能完成在軟體中可能幾天或幾周就能完成的事情。"
硬體創業的具體挑戰包括："你有很長的時間線，你有很昂貴的東西，你現在必須實際購買硬體而不是只是編寫軟體。"此外，"硬體很難推出。一旦你做了，就很難讓東西真正工作，因為你必須製造更多的東西，而不是數字化地無限擴展軟體。"
Adcock用了一個生動的比喻來描述硬體創業的困難："這就像軟體創業者的死亡競技場。這就像類固醇上的軟體創業。真的相當困難。"
然而，Adcock也指出了硬體創業的獨特回報："但我認為這真的很有意義。我在軟體時代從來沒有真正感到過回報，在軟體中我無法感受和觸摸到它。當我們展示產品時，你必須登錄某個瀏覽器才能看到它。"相比之下，"在物理世界中構建東西有一些特別的地方，我們在物理世界中花費了太多時間。"
關於用戶接受硬體產品的挑戰，Adcock也很坦率："讓用戶接受硬體產品比軟體難得多。軟體用戶可以免費試用，不滿意就卸載，幾乎零成本。硬體不行，用戶得花真金白銀買回家，學會怎麼用，壞了還得修。"他用了個很形象的比喻："就像軟體創業，但把所有困難都調到最高檔。"
不過，Adcock也提到了硬體創業的一個意外優勢："我總是對確保我設計正確的東西並朝著正確的方向前進感到內部焦慮。在某些方面，軟體你真的不太知道。"而在硬體領域，"如果我們有這樣的信念，比如我們應該讓飛機飛行而不是駕駛，那肯定會有效，我們可以為人們節省時間。"
他強調了物理學規律的確定性："工程相對簡單，需要在白紙上完成，但這是物理學，有（物理）規則。"這種確定性使得硬體創業在某些方面比軟體創業壓力更小："以某種方式，這對我來說是作為企業家構建硬體的最輕鬆的幾年，因為我們有物理學規則手冊。"
四、市場採用策略和雙重焦點
Adcock在訪談中解釋了Figure AI的雙重戰略焦點："在Figure，我們有兩個焦點。我們專注於將機器人投放到家庭中，這是一個非常非結構化、高變異性的環境。所以家庭真的很難。然後我們專注於勞動力市場，讓機器人去做物流、製造、醫療保健、建築工作。"
Adcock指出了一個悖論："家庭比勞動力市場難得多。你會認為如果你攻克了家庭，那是一個比勞動力市場大1000倍的市場，因為工程難度如此巨大，但實際上是相反的。"他解釋說，"勞動力市場是GDP的一半，變異性要低得多。"
這種差異的關鍵在於變異性對工程挑戰的影響："工程挑戰與變異性成正比。較低的變異性會更容易集成自主系統，這在大多數勞動力情況下都存在，而不是在家庭中。"
此外，經濟模型也支持這種優先級："在勞動力市場中，你可能可以收取比家庭高一個數量級的費用。家庭中你必須建造一個機器人並每月收取幾百美元，而在勞動力市場中，你有巨大的賺錢能力。"
Adcock進一步解釋了他們的方法："現實是我們正在嘗試構建一個通用機器人，所以我們希望能夠簽約客戶，並且理論上能夠在他們的設施內做人類能做的大多數事情，只要機器人具有運動範圍、有效載荷和速度。"
他分享了一個具體的案例來說明這種方法："我們簽約了我們最近的物流公司。有趣的是，這不是我們看著它說'哦，我們喜歡機器人在包裹上會很棒，讓我們追求包裹'。我們說我們想要一個能夠真正擴展的地方，我們認為物流是一個不錯的行業。"
在實際操作中，他們發現了一個完美的學習案例："我們發現小包裹物流是運營的一大部分，他們在僱傭勞動力方面遇到了很大困難。"當他們分析這個問題時，發現"每個包裹都不同，它們是聚乙烯袋，所以當你抓取它們時它們會移動，堆疊每次都不同。這根本不可能用編程方式解決，這必須是學習的。"
五、機器人學習能力的快速突破
基於物流工作的發現，Adcock詳細介紹了Figure AI在機器人學習方面的突破性進展。這個討論展示了神經網路在機器人應用中的驚人能力。
"我們全力投入學習，立即看到了效果，"Adcock說，"這真的很有幫助。現在你看到我們發布的一些東西，它確實變得越來越好。"
他提供了一個具體的進展時間線："剛剛發布的影片顯示我們每四秒處理一個包裹。周五我看到我們每三秒半處理一個包裹。昨天我坐在那裡觀察時，我們沒有實際計時，但我發誓那東西快得多，而且它在處理不同類型的包裹方面表現得更好。"
更令人印象深刻的是機器人展現出的智能行為："它在做真正聰明的事情，比如移動一個包裹以便推動另一個包裹，然後處理條形碼，之後翻轉包裹——幾乎像是機器人經過的真正深思熟慮的思維鏈推理。"
這種快速學習能力的基礎是相對少量的訓練數據。Adcock透露了一個令人震驚的數據點："我們最新發布的版本有大約60小時的額外數據，在那之前它根本不知道如何做物流工作。我們投入了60小時的數據，它就完成了我們展示的所有工作。"
他強調了這個數據量的意義："從宏觀角度來看，這根本不算什麼。如果我們能夠開始收集數億或數十億小時的類人數據，我認為我們能夠將這些擴展到幾乎十億單位的規模。"
這種學習能力的潛力讓Adcock對機器人的未來充滿信心："你可以將它們擴展到世界的每個角落。這就是我們正在努力做的。"
關於工作場所和家庭應用的時間線，Adcock提供了具體的預測："我們的觀點是，我們將在勞動力市場中引導這個過程，然後家庭即將到來——家庭距離能夠真正讓機器人進入並能夠為人類自主地做真正有用的工作還有個位數年。"
他解釋了優先級的選擇："我們也在儘可能努力地推進這個軌道，只是它非常非結構化，我們進入的每個家庭都不同，所以這是一個更難的問題。"
六、AI工具對硬體開發的影響
對於AI工具對硬體開發的影響，特別是軟體開發中看到的10倍生產力提升是否能夠轉化到硬體工程中的問題。
Adcock從學習的角度回答了這個問題："我們需要能夠大批量投放機器人，它們需要持續學習並不斷改進。"他確認他們已經在實際看到這種效果："我們看到機器人在它們正在做的事情上變得更好，更多的數據、更多的訓練等等。我們也看到機器人在現實世界中做事情時就在改進。"
這種持續改進的模式是Adcock認為最重要的能力："這些是你真正想要的：你想要將一群物理代理投放到世界上，你希望它們通過與世界的互動變得更聰明，了解如何完成這些用例、任務和行為。"
他預測這種能力將在未來一到兩年內實現："我認為這正在發生，我認為在未來一兩年內，我們將看到向世界投放一群機器人，機器人正在做的用例實際上每天都在改進，機器人幾乎將這些模型軌跡作為一種方式反饋到整個艦隊的預訓練中。"
這種集體學習能力構成了Figure AI的核心競爭護城河："這基本上是終極護城河——你希望向市場投放一群機器人，它們通過規模製造變得更便宜，同時變得更聰明，並與艦隊的其他成員集體分享。"
Adcock強調了這種技術的獨特性："你實際上擁有一個系統，它走向世界，與世界互動，隨著時間的推移變得更聰明、更便宜。除了AI大語言模型，我不知道我們是否見過這樣的技術。"
這種能力的發展最終將受到製造能力的限制："然後最終你會受到生產的瓶頸，如何讓足夠的機器人出門。"為了解決這個問題，Figure AI建立了新的製造設施："我們有一個新設施，我們內部稱為Baku，這是我們Figure 3的製造設施。我們現在正在積極製造Figure 3機器人。"
關於大規模製造的挑戰，Adcock坦承："我確信我們將製造很多機器人。關於我們是否能夠以每年超過手機的規模製造它們，這還有待觀察。這是一個非常困難的問題。我認為解決這個問題是可能的，但這是學習之後的下一個挑戰。"
七、下一代產品開發和人機交互
主持人詢問了Figure AI機器人下一代產品的發展方向，特別是除了讓機器人在現實世界中學習之外，還需要什麼硬體功能。
Adcock概述了幾個關鍵的產品開發方向："有一些產品開發的事情我們在內部做，這些將需要啟用這些東西。例如，Figure 3是我們第一個設計為高速率製造的生產機器人。它比Figure 2便宜90%。"
成本控制是實現大規模部署的關鍵："我們需要能夠讓大量便宜的機器人走向世界。"除了成本，還有其他幾個重要方向："我們正在設計的另外幾個領域，比如整體安全性將極其重要，特別是當我們進入家庭時。"
在設計路線圖上，Adcock強調了人類相似性的重要性："我認為我們的設計路線圖與隨著時間的推移在操作和運動方面更像人類高度相關。"這可以通過機器人的速度、有效載荷和所需的運動範圍來判斷："我們正在朝著基本上隨著時間的推移在我們的路線圖中做更多類人的物理工作的趨勢線發展。"
下一步的重點是大規模集成："下一步是如何在相當規模上集成大量人形機器人到世界中，在沒有人類幫助的情況下每天能夠工作。"
Adcock將這個階段比作Waymo的發展歷程："就像我們看到Waymo在過去幾年中所做的，他們能夠部署一群汽車，並能夠顯示它真正端到端地工作，並隨著時間的推移降低人類干預率。我們需要為我們經歷那個時期。"
他強調了當前階段的重要性："這就是我們作為企業所處的階段——如何在未來幾年內將大量機器人投放到世界上，讓它們推理自己在做什麼，你不希望任何人類干預率，基本上希望極低或零人類干預率，整天工作。"
最終目標是規模化："然後下一步就是你必須擴展它，你必須擴展學習，你必須擴展製造到非常高的水平。"
對於產品功能的問題，Adcock總結道："也許回答你的問題，我們現在處於這個階段，我們將把更多的東西投放到物理世界中。這將幫助數據收集，將幫助機器人可靠性，將幫助我們更好地將機器人集成到世界中，這也是一個困難的事情。"
八、人類對機器人的心理反應和設計哲學
訪談的一個有趣轉折點是關於人類對機器人的心理反應。主持人注意到，在訪談過程中，Brett身後不時有Figure機器人走過，這讓他思考人類對機器人的適應過程。
主持人分享了一個生動的例子："每次我們開車經過Door Dash使用的那些小型機器人時，我和我的女朋友都會說'天哪，這個小機器人太可愛了，它看起來像是在努力找路，看起來迷路了'。"他觀察到人形機器人的反應似乎有所不同："我的總體感覺是，對人形機器人的反應略有不同，它看起來像人類，有點不祥。"
Adcock對這個話題有強烈的觀點，他首先描繪了一個未來場景："將來會有一個時候，當你出去跑腿或外出時，你會看到更多的人形機器人，你會看到和人類一樣多的人形機器人，我覺得這會像科幻電影一樣。我覺得這會像50年的未來被拉到今天，感覺會很瘋狂。"
他描述了在Figure AI工廠的體驗："這將會發生。如果你來這裡，你會看到很多機器人，感覺很棒。我們真的很喜歡它。我們有機器人整天在設施里走動，其中一些在和人們交談，問他們是否需要水或咖啡。有些只是在周圍走動，基本上在巡邏，這很棒。"
這種體驗的積極影響是顯而易見的："我們喜歡看到機器人。它有助於提高多巴胺，我們這裡也有很多人來面試等等，看到這些東西真的很棒。"
然而，Adcock對機器人設計哲學有明確的立場。他強烈反對將機器人設計得過於"可愛"或非威脅性："我有一個非常強烈的觀點，機器人需要表現出高度的能力、高度的智能和精密，因為它確實如此。"
他解釋了這種設計哲學的原因："你將通過a)做正確的事情和b)在機器人執行的實際用例中表現出色來建立人類對該機器人在安全和隱私方面的信任。"
Adcock特別批評了一些公司採用的設計方法："我認為當你在真正有能力的機器人上放置巨大的谷歌眼睛等裝飾時，這是一個巨大的傷害，它們真的很快，在很多情況下，它們可以做人類能做的大多數事情。在上面放谷歌眼睛幾乎是試圖愚弄其他人，說你是這個珍貴的小東西。"
他認為這種設計方法是錯誤的："我認為從設計角度來看，這真的很愚蠢。所以我們就像，有一些機器人組織在機器人上放眼睛等等，在螢幕上，在現實中這只是愚蠢的。這些是真正精密的機器，它們應該相應地設計。"
九、家庭應用的安全性和隱私考慮
討論的一部分關鍵內容是關於機器人在家庭環境中的應用，特別是安全性和隱私問題。主持人詢問了用戶如何控制家庭機器人，以及如何確保隱私和安全。
Adcock對用戶界面有明確的願景："我的觀點是，機器人在家庭中和世界任何地方的整個開箱體驗和默認UI都需要通過語音來完成。"他解釋了為什麼傳統的設備控制方式不適合："當我們在機器人旁邊時，我們在電腦上打開終端並發送命令或按按鈕，這太奇怪了。延遲很糟糕，帶寬很低，只是需要太多時間。"
相比之下，"你將希望直接與機器人交談，如果你不在它身邊，你就發簡訊給它。我們每個機器人內部都有一個eSIM卡，帶有手機號碼。你將希望通過自然語言與機器人溝通。"
技術基礎支持這種交互方式："我們的機器人Helix神經網路是語言條件的，所以你將希望通過語言調節一切，這將是家庭中人形機器人的自然默認層。"實際應用中，"如果你不希望它做某事，你就直接告訴它並提示它。"
關於隱私和網路安全，Adcock承認這是一個複雜的挑戰："關於隱私和網路安全，這是一個非常重要的話題，我們花了很多時間研究。我們實際上剛剛在大約四個月前在Figure建立了整個隱私和網路安全部門。"
他們組建了專門的團隊："我們有一個來自Snapchat和Google的小團隊，他們之前在這些問題上工作過，包括企業網路安全和產品方面。"
Adcock強調了這個問題的複雜性："我們必須在這些領域做好30件事，不是說'好的，你只要做這件事就可以了'，不是那樣的。這將是非常困難的。"
他還提到了地緣政治因素："我們收到很多關於中國機器人的問題。我認為中國機器人在美國或歐洲的家庭和商業勞動力中部署會遇到很大困難。我認為目前這是一個相當棘手的問題。"
因此，"我認為你需要與你互動的公司建立真正的品牌信任。它比電腦和手機更複雜，所以隱私和網路安全在這裡甚至更重要。"
最終，Adcock總結道："這是一個非常複雜的問題。我不想給人留下我們今年就能解決所有問題的印象，但我們正在非常努力地解決它。這是一個重要的事情。"
十、超級智能時代的社會影響和人類未來
訪談的最後部分探討了更深層次的哲學問題：在人形機器人和超級智能時代，人類社會將如何發展。
Adcock首先描述了當前的現實："未來有點要到了，但是現在還不像未來。"他表達了自己的願景："我確實認為一個人形機器人在外面為人類做各種事情，我們可以乘坐飛行汽車去世界各地。我認為那是我們都想要的未來。"
這種未來願景驅動著他的工作："這推動我幫助開展我現在的公司和項目，我覺得這些東西對於激動人心的未來很重要。"
關於數字超級智能的發展，Adcock提出了一個重要觀點："我們正在接近數字超級智能，感覺很近，那個超級智能今天生活在伺服器里，生活在盒子裡。"
他開發人形機器人的核心動機也與此有關："我們很快就會有超級智能AI了，但它們現在只能生活在伺服器里。問題是，這些超級智能需要在現實世界做很多事情——搬東西、修理設備、做家務。如果我們不給它們造個'身體'，它們就只能指揮人類去做這些體力活。"
人形機器人是解決這個問題的關鍵："人形機器人是完美的部署載體。它可以做人類能做的大多數事情，它需要這種智能在語義上真正穿越這個混亂環境中的物理世界。"
關於實現時間線，Adcock提供了具體的預測："你將首先看到人形機器人在少數地方建造和部署，整天工作。如果你有幸能夠看到這些東西，你會進來說'哦，我的天哪，感覺現在正在工作'。"
他將這個發展比作自動駕駛汽車的推廣："我認為這可能是我們都對Waymo的感受，但我假設美國大部分地區沒有乘坐過Waymo。"
漸進式發展的重要性在於學習和改進："我們需要學習如何集成，可靠性如何工作，維護如何工作，大規模人機交互如何工作，規模化學習如何工作。"
他設定了具體的目標："我們的下一個重大推動是在未來四年內推出10萬個機器人。這是我們正在努力做的。"這個目標的實現依賴於他們新的製造設施："這就是我們開放的製造設施Baku能夠做的。"
Adcock對未來充滿信心："如果我們能夠達到這些數字，我們認為我們正在向世界投放數百萬個機器人的軌道上。"
最後，他強調了驗證的重要性："最大的障礙是走進某個地方看到它工作。這是整個問題中最難的部分——讓它在一段時間內進去自主工作。"
最後我再用三個QA做這個訪談做一個總結：
Q: 四年內10萬台機器人的目標現實嗎？
A: 從技術角度看是可能的，但挑戰主要在製造和成本控制。Figure 3比Figure 2便宜90%，說明他們在成本優化上確實有突破。加上他們的新製造設施"Baku"，硬體基礎是具備的。關鍵是能否在保證質量的前提下實現規模化生產，這需要解決供應鏈、質量控制、維護服務等一系列問題。
Q: 人形機器人真的是AGI的最佳載體嗎？
A: 這個判斷很有道理。人類社會的基礎設施都是為雙足直立行走設計的，人形機器人確實是與現有環境兼容性最好的方案。雖然專用機器人在特定場景下效率更高，但通用性是無法比擬的。而且，隨著AI能力的提升，通用性的價值會越來越突出。
Q: 如何看待中國機器人公司的競爭？
A: Adcock提到的地緣因素確實存在，但技術競爭才是關鍵。中國在製造成本和產業鏈方面有優勢，但在AI算法、晶片、作業系統等核心技術上仍有差距。不過，這個差距正在快速縮小。最終的競爭還是看誰能更快地實現技術突破和商業化落地。
