是为大型语言模型实现的高效转发服务。其核心功能包括 用户请求速率控制、Token速率限制、智能预测缓存、日志管理和API密钥管理

是为大型语言模型实现的高效转发服务。其核心功能包括 用户请求速率控制、Token速率限制、智能预测缓存、日志管理和API密钥管理等，旨在提供高效、便捷的模型转发服务。 无论是代理本地语言模型还是云端语言模型，如 LocalAI 或 OpenAI，都可以由 OpenAI Forward 轻松实现。 得益于 uvicorn, aiohttp, 和 asyncio 等库支持，OpenAI-Forward 实现了出色的异步性能。 主要特性 全能转发：可转发几乎所有类型的请求 性能优先：出色的异步性能 缓存AI预测：对AI预测进行缓存，加速服务访问并节省费用 用户流量控制：自定义请求速率与Token速率 实时响应日志：提升LLMs可观察性 自定义秘钥：替代原始API密钥 多目标路由：转发多个服务地址至同一服务下的不同路由 黑白名单：可对指定IP进行黑白名单限制 自动重试：确保服务的稳定性，请求失败时将自动重试 快速部署：支持通过pip和docker在本地或云端进行快速部署

SQL-GPT 是一款强大的工具，它能够通过简单的文字描述，自动生成符合要求的 SQL 查询语句。无论你是在快速生成复杂查询还是

SQL-GPT 是一款强大的工具，它能够通过简单的文字描述，自动生成符合要求的 SQL 查询语句。无论你是在快速生成复杂查询还是与数据库进行交互，SQL_GPT 都能够显著提升你的效率和工作流程。 功能列表 自动生成 SQL 查询： 只需简单的文字描述，工具将自动生成符合要求的 SQL 查询语句。 错误修正建议： 在查询存在错误时，工具会提供智能的修正建议，快速解决问题。 数据库连接管理： 轻松配置和管理多个数据库连接，直接在工具内执行生成的 SQL 查询。 多数据库兼容： 工具兼容多种主流数据库系统，适用于不同项目的需求。 代理访问支持： 针对特定场景，可以通过系统代理来访问 GPT 服务。 多 API KEY 轮询：可设置多个备选 API KEY 来访问 GPT，提升稳定性。 SQL语句优化：通过GPT的能力根据数据库的结构进行SQL语句优化。 Java持久层SQL语句生成：结合SQL以及数据库结构信息来自动生成Java持久层语句，如：Mybatis。 多轮对话：通过多轮对话的方式来实现对生成SQL的不断优化。 对文件系统对话：通过引入向量数据库来完成对文件系统信息的整理，完整和文件系统的对话。 增加缓存操作来加速文件对话：通过引入多种的redis结构体来完成对向量数据库的访问加速。平均提高30%的查找速度、 数据自动可视化分析： 在通过数据库操作完数据之后，通过对数据进行分析来展示数据的基础信息。 | #工具

只用13天 OpenAI做出了能听、能说、能自主决策的机器人大模型

只用13天 OpenAI做出了能听、能说、能自主决策的机器人大模型 Figure，OpenAI 投资的机器人公司，上传了这段视频。在视频中，Figure 的人形机器人，可以完全与人类流畅对话，理解人类的意图，同时还能理解人的自然语言指令进行抓取和放置，并解释自己为什么这么做。而其背后，就是 OpenAI 为其配置的智能大脑。在过去一年的具身智能进展中，或许你曾经看过类似的机器人自主决策、拿取物品的展示，但在这段视频中，Figure 人形机器人的对话流畅度、展现出的智能感，接近人类操作速度的动作流畅性，绝对都是第一流的。Figure 还特意强调，整段视频没有任何加速，也没有任何剪辑，是一镜到底拍摄的。同时，机器人是在完全自主的情况下进行的行为，没有任何远程操纵似乎在暗暗讽刺前段时间爆火的展现了酷炫机械能力，但是没有太多智能程度的斯坦福炒菜机器人。比起机器人的智能表现，更可怖的是，这只是 OpenAI 小试牛刀的结果从 OpenAI 宣布与 Figure 共同合作推进人形机器人领域的前沿，到这个视频的发布，只有短短的十三天。此次 Figure 人形机器人背后的智能，来自端到端的大语言-视觉模型，这是具身智能领域目前非常前沿的领域。去年极客公园报道过Google在类似领域的进展。Google做出的端到端机器人控制模型，被一些行业内的人士，誉为机器人大模型的 GPT-3 时刻。而当时，Google的机器人模型，还只能根据对话来做一些抓取，并不能与人类对话，也不能向人类解释自己为什么会这么做。而Google自身，从 Everyday Robotics 开始，已经有了五年以上的机器人研究经验。而 Figure 本身，成立于 2022 年。从OpenAI 宣布介入与之合作，到今天它们共同推出一个能够自主对话和决策的机器人，只有 13 天。机器人智能的发展，显然正在加速。01. 端到端大模型驱动，机器人的速度已经接近人类速度Figure 的创始人 Brett Adcock 和 AI 团队的负责人 Corey Lynch 在 X 上解释了此次视频中机器人互动背后的原理。此次的突破，由 OpenAI 与 Figure 共同做出。OpenAI 提供负责提供视觉推理和语言理解，而 Figure 的神经网络提供快速、低水平、灵巧的机器人动作。机器人所做出的所有行为都是出于已经学习过，内化了的能力，而不是来自远程操作。研究人员将机器人摄像头中的图像输入，和机载麦克风捕获的语音中的文本转录到由 OpenAI 训练的，可以理解图像和文本的多模态模型（VLM）中，由该模型处理对话的整个历史记录，得出语言响应，然后通过文本到语音的方式将其回复给人类。同样的模型，也负责决定在机器人上运行哪些学习的闭环行为来完成给定的命令，将特定的神经网络权重加载到 GPU 上并执行策略。这也是为什么这个机器人，属于“端到端”的机器人控制。从语言输入开始，模型接管了一切处理，直接输出语言和行为结果，而不是中间输出一些结果，再加载其他程序处理这些结果。Figure 的机载摄像头以 10hz 的频率拍摄图像，然后神经网络以 200hz 输出 24 个自由度动作。Figure 的创始人提到，这代表机器人的速度已经有显著提高，开始接近人类的速度。Corey Lynch 的 XOpenAI 的模型的多模态能力，是机器人可以与世界交互的关键，我们能够从视频中展示中看到许多类似的瞬间，比如：描述一下它的周围环境。做出决定时使用常识推理。例如，“桌子上的盘子和杯子等餐具接下来很可能会进入晾衣架”。将“我饿了”等模棱两可的高级请求转化为一些适合上下文的行为，例如“递给对方一个苹果”。用简单的英语描述*为什么*它会执行特定的操作。例如，“这是我可以从桌子上为您提供的唯一可食用的物品”。而模型能力的强大，使其还能够拥有短期记忆，比如视频中展示的“你能把它们放在那里吗？”“它们”指的是什么？“那里”又在哪里？正确回答需要反思记忆的能力。而具体的双手动作，可以分成两步来理解：首先，互联网预训练模型对图像和文本进行常识推理，以得出高级计划。如视频中展示的：Figure 的人形机器人快速形成了两个计划：1）将杯子放在碗碟架上，2）将盘子放在碗碟架上。其次，大模型以 200hz 的频率生成的 24-DOF 动作（手腕姿势和手指关节角度），充当高速“设定点（setpoint）”，供更高速率的全身控制器跟踪。全身控制器确保安全、稳定的动力，如保持平衡。所有行为均由神经网络视觉运动 Transformer 策略驱动，将像素直接映射到动作。02.从 ChatGPT 到 Sora，再到机器人，OpenAI 想包揽“智能”这件事2021 年夏天，OpenAI 悄悄关闭了其机器人团队，当时，OpenAI 曾宣布无限期终止对机器人领域的探索，原因是缺乏训练机器人使用人工智能移动和推理所需的数据，导致研发受到阻碍。但显然，OpenAI 并没有放下对这个领域的关注。2023 年 3 月，正在一年前，极客公园报道了 OpenAI 投资了来自挪威的机器人制造商 1X Technologies。其副总裁正是我在文初提到的，认为具身智能将会突然到来的 Eric Jang。而无独有偶，1X Technologies 的技术方向，也是端到端的神经网络对于机器人的控制。而今年 3 月初，OpenAI 和其他投资人一起，参与了 Figure 的 B 轮融资，使其成立两年，就达到了 26 亿美金估值。也正是在这一轮融资之后，OpenAI 宣布了与 Figure 的合作。Figure 的创始人 Brett Adcock，是个“擅长组局”的连续创业者，整个职业生涯中创立过至少 7 家公司，其中一家以 27 亿美元的估值上市，一家被 1.1 亿美元的价格收购。创建公司后，他招募到了研究科学家 Jerry Pratt 担任首席技术官，前波士顿动力/苹果工程师 Michael Rose 担任机器人控制主管。此次进行分享的 AI 团队负责人 Corey Lynch，则原本是 Google Deepmind 的 AI 研究员。Figure 宣布自己在电机、固件、热量、电子产品、中间件操作系统、电池系统、执行器传感器、机械与结构方面，都招募了硬核的设计人才。公司的确进展很快。在与 OpenAI 合作之前，已经做出了不少成绩。2024 年 1 月，Figure 01（Figure 的第一款人形机器人） 学会了做咖啡，公司称，这背后引入了端到端神经网络，机器人学会自己纠正错误，训练时长为 10 小时。Figure 01 引入 AI 学会做咖啡2 月，公司对外展示 Figure 01 的最新进展，在视频里，这个机器人已经学会搬箱子，并运送到传送带上，但速度只有人类的 16.7%。甚至在商业化上，也已经迈出了第一步：Figure 宣布与宝马制造公司签署商业协议，将 AI 和机器人技术整合到汽车生产中，部署在宝马位于南卡罗来纳州斯巴达堡的制造工厂。而在今天的视频展示推文中，Figure 宣布其目标是训练一个世界模型，最终能够卖出十亿个级别的模型驱动的人形机器人。不过，尽管OpenAI与 Figure的合作进展顺畅，但看起来 OpenAI 并未把宝压在一家机器人公司。北京时间 3 月 13 日，来自Google研究团队、加州大学伯克利分校、斯坦福大学教授等一群研究者新成立的一家机器人 AI 公司 Physical Intelligence，被彭博社爆料也拿到了 OpenAI 的融资。毫无意外，该公司，也是研究未来能够成为通用机器人系统的人工智能。多头下注机器人领域，13 天合作做出领先的机器人大模型，OpenAI 在机器人领域意图为何，引人关注。智能人形机器人，未来不止看马斯克的了。 ... PC版： 手机版：

a16z近期公布了他们的开源 AI 资助计划第二期，主要关注两个领域：包括用于训练、托管和评估语言模型的工具以及围绕视觉人工智能

a16z近期公布了他们的开源 AI 资助计划第二期，主要关注两个领域：包括用于训练、托管和评估语言模型的工具以及围绕视觉人工智能构建的模型和社区。第二期有7 个项目： ：一个在任何云上运行LLMs、AI和批处理作业的框架，提供最大的成本节省、最高的GPU可用性和托管执行。 主要能力有：在任何云上启动作业和集群、排队并运行多个作业，自动管理、轻松访问对象存储、自动选择最便宜的云服务。 ：用于微调LLMs的工具，支持多种配置和架构。 工具支持：训练各种Huggingface模型，如llama、pythia等、支持全面微调、lora、qlora、relora和gptq多种训练方式、使用简单的yaml文件或CLI覆盖自定义配置等。还有很多其他特性。 ：开源模型、系统和评估平台。 开源了 LLM 用的数据集，还有一个 LLM 模型。最著名的还是通过 ELO 算法和机制评估 LLM 质量的项目，这种人工评分的机制比一些数据集的评价方法更加可以反应人类对于 LLM 质量的判断。 ：用于训练许多LLMs的开放网络爬取数据存储库。 这是一个从 2007 年就开始收集的互联网语聊数据库，他们会定期抓取，你可以免费下载所有数据用来训练模型。GPT-3 82%的训练语料来自这个项目。 ：开源多模态模型（语言和视觉）。 端到端训练的大型多模态模型，连接了一个视觉编码器和LLM，用于通用的视觉和语言理解。 现在最新的是LLaVA1.5 版本，只是对原始LLaVA进行简单修改，利用了所有公开数据，在单个8-A100节点上约1天内完成训练。 ：AI动画的平台和开源社区，是一种 AI 生成动画的方式。Deforum的 WebUI 插件和 Discord 社区都是他们在维护。 ：高影响力AI模型的开放实现。 Phil Wang，也以其在线昵称“lucidrains”而闻名，在AI和机器学习领域是一位杰出人物。以在PyTorch框架中实现各种有趣的AI模型和论文而闻名。他的工作包括Vision Transformer、DALL-E 2、Imagen和MusicLM等的实现。

GPTs大翻车后 OpenAI再宣布给开发者送钱

GPTs大翻车后 OpenAI再宣布给开发者送钱 此举的目标，是创建一个充满活力的生态系统，让开发者的创造力和影响力得到回报。今年 1 月 GPT Store 正式上线的同时，OpenAI 曾在博客中表示：今年第一季度我们将推出 GPT 创建者收入计划。作为第一步，美国的创建者将根据用户对其 GPT 的参与度获得报酬。我们会提供有关支付标准的详细信息。现在，真的来了……OpenAI，要让 GPT 货币化现在已经有开发者收到 OpenAI 的邀请了。比如 OctaneAI 的 CEO 就 po 出了自己收到的邀请邮件。邮件里表示，OpenAI 一直在探索让 GPT 货币化的方法。在这个过程中，生态系统会越来越有活力，用户能得到最有用的 GPT，开发者也能得到金钱上的回报。不过，这个计划仅限于在美国居住的开发者。对此，OctaneAI 的 CEO 兴奋地表示：‘OpenAI 这么做，会推动大量的创新和竞争。我爱死它了！’所以，谁会是那个第一个拿到 100 万美元的人呢？目前，OpenAI 尚未披露开发者参与测试的细节、收入分成的具体条款，以及之后的时间表。不过，此前的 GPT Store 一度“药丸”。今天的这个动作，是 OpenAI 在 GPTs 遭遇滑铁卢后，发起的新一轮尝试。网友：GPTs 不能只是个玩具对此，开发者们当然是啪啪鼓掌表示欢迎。有人表示，这个消息令人振奋，希望在不久后，这个项目就能向所有订阅者推出。有人非常认真地提出建议，希望 OpenAI 为大量使用其 API 构建应用的第三方，提供新的收入模式。比如构建一个系统，可以在其中验证应用程序，一旦获得批准，就会得到大量 API 的引流。而 OpenAI 可以提供Google(151.94, 0.24, 0.16%)风格的登录和 API 信用商店，然后再额外收取 API 信用销售的百分比。他指出，GPT 如今的问题在于，它们只是“有 1000 多个字符指令集和基本 RAG 系统的玩具”，然而 OpenAI 需要的是复杂得多的应用程序，从而改变世界。另外还有人提建议说，尽管现在 GPTs 的使用量很大，已经有 5000 多个实例了，但平台或服务并不容易通过搜索发现。这就表明，搜索功能识别或索引 OpenStorytelling Plus 的方式可能存在问题，除非用户确切知道自己想要查找的内容，否则很难找到它。所以，这是 OpenAI 必须改善的地方。当然，也有人对此表示疑虑 GPTs 性能并不稳定，它时不时就变懒了，结果会变得过于模糊，或是过于精确。因此，很多开发者在犹豫是否要投入更多的时间，因为到目前为止，很难给用户一个可预测的结果。当然，OpenAI 的官方 X 下，少不了的还是那个永恒的疑问 Ilya 到底去哪了？GPT Store 一度‘药丸’？曾经的 GPTs 一出，一度引起开发者圈的大地震。在 OpenAI 的首届开发者大会上，CEO Sam Altman 是这样介绍的：‘GPTs 融合了指令、丰富的知识和行动能力，并能够为用户提供更大的帮助。你几乎可以针对任何需求构建一个专属的 GPT。’这里的‘任何需求’，并非夸张。只需简单搜索，就能找到一些声称能生成迪士尼和漫威作品风格艺术的 GPTs，以及宣称能够规避 AI 内容检测工具，比如 Turnitin 和 Copyleaks。审核不严要在 GPT Store 上架自己的 GPTs，开发者需要通过验证并提交 GPTs 接受 OpenAI 的审核。OpenAI 的一位发言人解释说：我们结合自动系统、人工审核和用户举报，来识别和评估可能违反规定的 GPTs。一经发现，我们就会发出警告、限制分享，或者剥夺作者在 GPT Store 上架 / 获得收益的资格。创建 GPTs 并不需要什么编程技巧，开发者只用将需求输入 OpenAI 的 GPT 构建工具 GPT Builder，就可以创建出能够实现这些功能的 GPT。也许是因为门槛较低，GPT Store 的发展速度非常快 据 OpenAI 今年 1 月份的数据，平台上已经拥有约 300 万个 GPTs。但这种快速增长似乎以牺牲内容质量和违背 OpenAI 自身规定为代价。版权争议在 GPT Store 中，我们可以找到多个明显抄袭自热门电影、电视剧和视频游戏特许经营的 GPTs，而它们并未获得原版权所有者的授权或创造。例如，有一个 GPT 能够创作与皮克斯的《怪兽公司》风格相似的怪兽，另一个则提供了一系列设定在‘星球大战’宇宙中的文本冒险。根据数字千年版权法的‘安全港’条款，OpenAI 本身不会因为 GPT 创造者的版权侵犯行为而直接承担责任。这项条款保护了 OpenAI 以及其他托管侵权内容的平台（如 YouTube、Facebook），只要它们遵守法定要求，并在收到侵权通知时删除指定内容。然而，对于一个已经卷入知识产权诉讼的公司来说，这显然不是一个正面的形象。学术不端OpenAI 明确规定，禁止开发者创建会助长学术不端行为的 GPTs。尽管如此，GPT Store 里仍然充满了声称能规避 AI 内容检测器的 GPTs。比如，一度在写作类排行榜中位列第二的‘Humanizer Pro’，就声称自己能够‘人性化’地处理内容，来规避 AI 检测。与此同时，还可以保持文本的‘原义与质量’，并且保证得到‘100% 人类’的评分。有些 GPTs，则是一些网站为自己引流的入口。例如，Humanizer 提供的‘高级计划’，表面上是说要给用户‘使用“最先进的”算法’，但实际上是将文本通过第三方网站 GPTInf 的一个插件发送出去。而这个 GPTInf 的订阅费，可一点也不便宜 每月 12 美元（10，000 字 / 月）或每月 8 美元（年度计划）。不过，AI 内容检测器整体上并不可靠，而且这些工具也不都能达到预期的效果。对此，OpenAI 的发言人表示：我们的政策明确禁止任何促进学术不端的 GPTs，包括那些被设计来规避如剽窃检测器等学术诚信工具的 GPTs。同时，我们也注意到了一些被开发用于使文本更加‘人性化’的 GPTs。我们仍在学习和观察这些 GPTs 在真实世界中的应用效果，但我们理解，用户可能出于各种原因，希望他们用 AI 生成的内容的‘AI 味’不那么明显。越狱问题GPT Store 上也出现了一些试图绕过 OpenAI 模型限制的尝试 虽然这些尝试大多未能成功。其中，最常用到的技术 DAN（即‘立即做任何事’的）是一种被广泛使用的提示词工程，它能让模型不受平时规则的约束来响应指令。不过，这些 GPTs 并不会回应那些敏感的问题，比如‘如何制造炸弹’。唯一与标准版 ChatGPT 的区别可能就是 它们会倾向于使用更加粗俗的语言……对此，发言人表示：那些试图规避 OpenAI 安全措施的 GPT 是不被允许的。然而，那些试图以其他方式引导模型行为的 GPT，包括努力使 GPT 在不违使用政策的前提下变得更加开放，则是可以的。前途堪忧OpenAI 创建 GPT Store 的目的非常明确 苹果的 App Store 模式已经证明极为盈利，而 OpenAI 无疑是在尝试复制这一成功。GPTs 在 OpenAI 的平台上被开发和托管，并在此进行推广和评价。同时，从几周前开始，ChatGPT Plus 的用户已经能够直接通过 ChatGPT 界面调用这些工具。这些无不为订阅服务增加了吸引力。然而，如今的 GPT Store 不仅充斥着垃圾信息，而且由于提供的后台数据分析功能有限，以及体验较差，开发者们发现很难吸引新的用户。在这种情况下，即便 OpenAI 承诺，GPT 开发者将来能够根据用户使用量赚取收入，甚至可能推出针对单个 GPT 的订阅服务。一旦那些未经官方授权的、以漫威或《指环王》为主题的 GPT 开始赚钱时，你猜迪士尼或托尔金信托基金会，会怎么做？参考资料：https：// ... PC版： 手机版：

OpenAI钦点的Figure AI成立不到两年估值破26亿美元

OpenAI钦点的Figure AI成立不到两年估值破26亿美元 Figure AI成立于2022年，两年不到经过三轮投资，就几乎集齐了硅谷科技圈有头有脸的大人物。而且，你越是研究这家公司，越会发现，这公司跟OpenAI当年简直就是同一个配方啊。Figure自己的Altman+Ilya组合Figure AI正在研究的是通用人形机器人。这家公司的核心技术来自于他们的CTO，Jerry Pratt，杰瑞·普拉特。他从1998年就开始研究机器人，而且直至今天，他研究的方向从未改变，一直是双足机器人的平衡与接触（耦合）。比如2016年的时候，杰瑞发表论文《Walking on Partial Footholds Including Line Contacts with the Humanoid Robot Atlas》。这篇论文的核心观点是提出了一种让人形机器人在立足点受到限制的情况下行走的方法。这套算法的优势在于不需要事先了解立足点信息，同时还可以利用预期立足点的信息来提高迈步效果。在机器人迈出一步后，它会尝试围绕脚部边缘改变压力中心位置，以此方式探索新的接触表面。通过脚部在探索过程中绕接触边缘旋转的方式，以及实际达到的压力中心位置，推断出可利用的立足面积。然后，这个估计得到的接触区域被一个基于全身动量的控制算法所利用。为了在不完整的立足点上行走和保持平衡，算法将快速动态的迈步与利用上半身角动量恢复平衡相结合。那你看这篇论文的标题心里也应该明白，这套算法就是波士顿机器人那台火出圈了的Atlas所采用的核心算法。事实上，要不是有杰瑞的这套算法，也就没有Atlas那如脱兔地奔跑、空翻。如果按照日本的风格来，那杰瑞叫个双足机器人仙人一点也不为过。Atlas其实直到2021年，协作机器人（co-robot）这个概念火爆之前，双足机器人在机器人领域是一个非常“另类”的领域。因为机器人跟我们人类不一样，人类追求平衡，只能考虑脚，身体功能存在障碍的才会考虑手和膝盖。但是机器人不一样，双足的平衡感很难把控，那就不用双足，改用三足、四足、八足、轮子、履带，再不平衡干脆就给他拿螺丝钉按在地上。我们今天熟知的多轴机械臂就是这么来的。但是随着协作机器人越来越热门，作为人形机器人的前身，这些两足机器人的学者们已然成为了一座金矿。而曾经活跃于IEEE的杰瑞，在资本面前无疑是最炙手可热的。相较之下，Figure AI的CEO Brett Adcock 布雷特·阿德科克则没有什么学术成就，他是一个变现能力很强的商人。2018年的时候他和他的小伙伴Adam Goldstein创立了电动飞机公司Archer Aviation。2022年8月，联合航空向Archer Aviation支付了1000万美元订金，购买了100辆电动飞行出租车。而布雷特则通过这笔订单，直接将这家公司登陆纽约证券交易所。关注OpenAI的朋友们看到杰瑞和布雷特的组合是不是有些眼熟呢？我们把名字拿掉，说有这么个从前特别冷门，但是很适合当下环境的技术，加上一个拥有很强技术变现能力，且已经有过傲人战绩的商人，关键是这家公司的资方有微软。这不就是OpenAI？布雷特对应奥特曼，只不过杰瑞对应的不是苏茨克维，而是辛顿。Figure 01往胶囊咖啡机里加入胶囊咖啡大模型味儿最浓的机器人说完了人员配置，再说说产品。2024年1月5号的时候，Figure AI发布了一个视频，内容是他们利用生成式人工智能来训练Figure AI的机器人Figure 01来往胶囊咖啡机里添加胶囊咖啡。在视频中，开发者在旁边向Figure 01发出请求，他对Figure 01说：“你能帮我沏杯咖啡吗？”Figure 01打开咖啡机的盖子，将咖啡胶囊加进了咖啡机里。如果只是拿起咖啡胶囊这个动作再放进咖啡机里倒是还好，关键在于，如果Figure 01发现咖啡胶囊没有放对位置，他还会伸手将咖啡胶囊摆正。Figure 01发现错误后会手动更正在这则演示中，协作机器人独有的耦合能力被演绎的淋漓尽致。协作机器人与传统工业机器人不同，协作机器人无需安装在封闭的安全围栏内，而是能够在没有物理隔离的情况下就能实现和环境紧密合作。换句话说，协作机器人并不是为了干某一件事而开发出来的，但是开发出来的协作机器人可以轻松胜任某一件事。Figure 01的技术优点在于，它理解指令的方式是通过生成式人工智能，把自然语言转换成了token，再通过处理token，完成被安排的命令。根据这家公司的说法，他们已与OpenAI达成合作，共同开发用于人形机器人的生成式人工智能技术。不过Figure AI目前最头疼的事也来自于生成式人工智能。咱们刚才讲了，Figure 01理解指令的方式是指令所对应的token。然而根据现有的大语言模型来看，在长时间运行和多个任务切换过程中，没有任何方法可以保证生成式人工智能对token的输出是一致且稳定的。换句话说，如果让Figure 01一直重复同一个命令，即便这个动作它重复过无数次，它也一定会在某一次出错，“莎士比亚猴”理论便是如此。凑齐的不是融资，而是.....那现在，我们理解了这家公司的核心人员、业务，这时候我们再回过头来看Figure AI的投资，你会发现，“味儿不对了”。Figure AI成立于2022年，此次融资是这家公司的第三次融资。不过一个神奇的事情是，这家仅仅经过三轮融资的公司，它的投资者竟然足足有28个。而且这家公司的融资并不是完整的三轮，中间一轮是英特尔和大天空（Big Sky Partners）的追加投资。所以其实Figure AI只经历了两轮投资。经常投资的朋友了解，一般来说企业融资这个事，除非是有很多亲戚朋友，只有这种情况才会出现那种拖家带口的聚集大量个人投资者，否则前几轮很少会出现出现大量的投资者。前几轮的融资中，投资者数量一般较为有限，主要是因为高风险性、估值不确定性、信息不对称等因素造成的谨慎投资态度，以及初创企业本身的需求和现实条件制约。因为前几轮的融资额相对较小，符合这种投资规模的合格投资者群体本身就有限。而且凡是融资就需要处理大量投资者的尽职调查、法律文件和股权登记等工作，非常费时费力，对于早期创业者来说，过多浪费精力在这些事情上会严重影响公司发展。布雷特在这方面应该是轻车熟路，不可能会犯错误的。而且投资者多也就算了，文章开头也说过，Figure AI 的股东们不仅数量多，咖位还都大得可怕。这群大佬一声吼，地球也要抖三抖。这只说明一个事，就是这些巨额的资金注入，并不是“投资”，而是“订单”。机器人这个行业是非常特殊的，它是一个极其复杂的交叉学科。上游有金属、稀土、能源，中游有精密零件、光学零件、软件、芯片，下游有人形机器人最具代表性的物流、服务、探索。这些投资者，通过投资者的方式，给Figure AI 下订单。再通过订单触达机器人的上中下游。这是一个比AI领域需要更强的资源整合能力的产业，而今天 Figure 的布雷特看起来已经被大佬们钦定为下一个 Altman 式的人物。新的 OpenAI 式的故事又要来了。 ... PC版： 手机版：