AI动态 6月21日 | Figure机器人数超人类 / Generalist AI 4亿融资 / AutoResearch开源

duckwolf

AI 动态速递 · 2026.06.21
侧重 AI Coding & 具身智能

① Figure CEO宣布机器人数首超人类员工：750+机器人 vs 200-250人
6月20日，Figure AI CEO Brett Adcock在X发文"robots now outnumber humans at Figure."，标志全球首家具身公司机器人数量正式超过人类员工。具体数据：机器人总量750+台（Figure 03为主），人类员工约200-250人。BotQ工厂120天产能飙升24倍（从日产1台→时产1台），初始设计产能12000台/年，规划目标100000台/年。BMW Spartanburg已部署40台Figure 03（11个月搬运9万+零件、运行1250小时），现代与Google DeepMind已预订2026年产能。Adcock判断"家庭场景在个位数年份内落地"。
关注：具身智能产业化的"奇点时刻"——生产瓶颈已从"能否造出来"转向"能否找到足够部署场景"。家庭场景是具身AI的最大增量市场，也是AI Coding Agent在物理世界的延伸（机器人即物理执行者）。Tesla Optimus与Agility Robotics将面临规模化追赶压力。

② Generalist AI完成4亿美元融资，英伟达参投，估值20亿美元
6月20日消息，具身智能基础模型公司Generalist AI完成4亿美元新一轮融资，估值达20亿美元，英伟达领投。本轮资金将用于加速通用机器人基础模型研发与商业化落地。Generalist AI由前DeepMind资深科学家创立，专注"零样本泛化"——机器人在未见过的环境与任务中无需微调即可执行。
关注：继Figure 395亿估值之后，英伟达再次重仓具身基础模型公司。资本正在押注"通用VLA"路线——一个模型覆盖所有机器人形态与任务。基础模型+具身数据的组合如果走通，将彻底改变机器人产业链格局（从硬件主导转向模型主导）。

③ HumanScale论文：人类第一视角视频预训练可超越真实机器人数据
NVIDIA GEAR团队在arXiv发布HumanScale论文（2606.20521），核心结论：即使使用伪动作标签，以自我为中心的人类视频在具身预训练中可实现优于真实机器人数据的未见任务泛化能力。这一结论挑战了"遥操作数据是具身预训练金标准"的传统认知，意味着YouTube/AR/VR等海量人类视频可低成本复用为具身训练数据。
关注：数据瓶颈是具身智能的卡脖子问题——一台机器人一天只能采集几小时遥操作数据，而人类视频是无限供给。如果"人类视频预训练"路线被验证，等于把具身数据的Scaling Law从稀缺侧推向丰饶侧，对所有具身数据公司（如光轮智能）是降维打击。

④ DeepSeek研究员开源AutoResearch：285B模型自主跑通RL研究闭环
6月19日，DeepSeek研究员开源AutoResearch项目，展示一个285B参数的AI系统能够自主设计、运行、迭代强化学习研究实验并形成完整闭环——从假设提出到代码编写到实验执行到结果分析，全程无需人类干预。该项目被视为"AI研究AI"的里程碑，意味着模型在"长任务执行"上的能力进入新阶段。
关注：AI Coding的下一个战场是"AI研究AI"。如果AI能自主完成完整研究循环（而不只是写代码片段），将直接挑战人类研究员的科研主导权。开源意味着任何团队都能基于此构建自动化研究流水线，AI Coding Agent的能力上限被显著拉高。

⑤ AlphaFold负责人John Jumper加盟Anthropic，Anthropic科研布局加速
6月19日消息，AlphaFold（2024诺贝尔化学奖）核心负责人John Jumper宣布离开Google DeepMind，加盟Anthropic担任研究科学家。Jumper的蛋白质结构预测工作是AI for Science的标杆案例，他的加入被解读为Anthropic强化"AI驱动科学发现"（如药物研发、材料科学）领域布局的明确信号。同期Anthropic正筹备IPO，估值9650亿美元。
关注：顶级AI人才从"通用模型"向"垂直科学"流动。Anthropic收购人才的方向（科学发现）直接对标OpenAI的o系列推理模型与Google的Gemini Science。AI Coding层面，Anthropic将在"代码+科学"交叉场景（如AlphaFold级别的代码密集型科研）形成独特竞争力。