点击下方卡片，关注“具身智能之心”公众号
2025 年初，人形机器人行业发生了一件很有意思的事。
一家成立不到三年的机器人公司，决定放弃和 OpenAI 的合作。
当时，大多数机器人公司都在努力接入大模型，希望借助 AI 巨头的能力解决机器人的智能问题。但这家公司却选择了一条相反的路：它认为，机器人的“大脑”必须掌握在自己手里。
这家公司就是 Figure。
后来，这个选择被资本市场“重新定价”。
2024 年初，Figure 估值约 26 亿美元；到 2025 年 9 月完成 C 轮融资后（一级市场），公司投后估值达到 390 亿美元，不到两年增长超过十倍。
很多人好奇，这家 2022 年才成立的公司，是怎么快速成长起来的？
答案不是它造出了一台机器人，而是它押中了人形机器人正在发生的一次行业转向。
过去几十年，机器人竞争的核心是“身体”：更强的电机、更稳定的关节、更复杂的动作控制。但机器人始终面临一个瓶颈——它们可以执行动作，却很难真正理解环境。
具身概念的出现，改变了这套游戏规则。
未来的人形机器人，竞争的不只是能不能走、能不能抓，而是谁拥有更强的智能、更丰富的数据，以及让能力不断提升的闭环。
Figure 押注的，正是这场从”机器人“到”机器人智能“的转向。
近一年，figure推出了全身VLA系列方案，让机器人进入宝马工厂，并通过 Project Go-Big 探索数据飞轮。
从当下的视角来看，退出 OpenAI ，并不是一次冒险，而是 Figure 对未来机器人竞争方向的一次下注。
这篇文章，我们就从这个判断出发，复盘 Figure 是如何一步步成长为近 400 亿美元人形机器人独角兽的。
01
Figure 押中了「从运动到智能」这个转折点
同样是做人形，Figure 和很多公司从一开始的定位就不一样——它更像一家「用机器人做载体的 AI 公司」，而不是一家「顺便装了点 AI 的机器人公司」。
创始人 Brett Adcock 此前做过招聘平台 Vettery、飞行汽车公司 Archer Aviation，团队从波士顿动力、特斯拉、苹果挖了一圈人——既懂硬件，也懂 AI。
这个班底本身就说明它想两头都要。
近一年最能说明「押中转折」的动作，是 2025 年初 Figure 和 OpenAI 分手。
此前两家有合作，但 Figure 宣布退出，理由是内部在机器人 AI 上有了突破，「AI 模型完全自研」。
这一步的含义比表面大：它认定「大脑」是这场竞争的胜负手，所以哪怕合作方是 OpenAI，也要把这块核心攥在自己手里。
从这一刻起，Figure 的叙事重心，就从「造一个好身体」明确挪到了「造一个好大脑」。
资本也在为这一判断下注。
2025年9月，Figure完成超过10亿美元C轮融资，投后估值达到390亿美元，相比2024年2月约26亿美元估值，一年半增长约15倍。本轮融资由Parkway Venture Capital领投，投资者覆盖NVIDIA、Intel Capital、LG Technology Ventures、Qualcomm Ventures、Salesforce、T-Mobile Ventures、Brookfield、Macquarie等公司。
这个投资名单本身也折射出Figure押注的并非单一机器人硬件，而是一条围绕算力、芯片、制造和应用场景展开的Physical AI产业链。
Figure 值得关注，不是因为某一项硬件指标最高,而是因为它比多数同行更早地把公司重心押到了「智能」这一侧。它赌的是——运动能力这两年会被 AI 快速补齐，而谁先解决「智能」，谁才拿得到下半场。
02
技术版图：身体 、大脑和数据，一条链喂养
理解 Figure 的技术布局，别按产品清单去看，要按它自己那套「身体、大脑、数据」的三段逻辑去看——三者不是并列，而是一条互相喂养的链。
身体：Figure 机器人平台，
越来越像「为 AI 服务的载体」
Figure 的本体这一年走完了 01 → 02 → 03。看它的演进，能看出一条很清楚的意图变化:
Figure 01(2023)：第一台机器人，先解决「能站、能走、能抓」的基本盘;
Figure 02(2024)：进了宝马工厂做试点，开始验证「能不能在真实产线上干活」;
Figure 03(近一年的重点)：把传感和手部系统整个重做——相机据官方两倍帧率、四分之一延迟、每颗视野宽 60%，指尖传感器能感知小到 3 克的力(大约一个纸夹压在指尖的分量)，全身控制为「连续自主」优化。
注意 03 这一代的设计意图：更宽的视野、更低的延迟、更灵敏的力觉，最终都指向同一件事——让身体成为一个更好的「感知输入」和「数据采集器」，去喂上面的大脑。 而且它一开始就冲着大规模制造和进入真实工厂 / 家庭设计(消费级购买最早也要 2026 年底)。身体在 Figure 这里，越来越不是终产品，而是智能的载体。
大脑：Helix01/02，
从「分模块控制」走向「一个网络端到端」
Figure 自研的大脑叫 Helix，2025 年 2 月首次公开，定位「通用人形控制的 VLA模型」。
它的技术路线和传统机器人「感知—规划—控制分成几个模块拼起来」不同，走的是单一神经网络、端到端的路子,并采用双系统架构：一个快系统(System 1)实时把感知变成连续动作，一个慢系统(System 2)理解语言、对较长任务做语义推理。
一个管「反应」，一个管「想」。
近半年它升级到 Helix 02，主打「全身自主」，官方拆成三层：S0 是学出来的全身运动控制，S1 把所有传感器连到所有执行器，S2 负责较长任务的语义推理。三层叠起来，机器人能在房间尺度上连续自主行动,把「走路」和「操作」揉到一起，而不是走一段、停下、再操作。
最能体现「从运动到智能」这一步的,是 感知驱动的控制：Figure 03 靠机身立体相机，不用为每个场景单独编程，就能自己上下楼梯、走斜坡、踩不平的地面。这正是 Figure 想要的东西——机器人理解环境后临场决定，而不是照着示教脚本走。
顺带说一个技术路线上的观察：Figure 的研究,主要通过自家技术博客和 demo 对外，而不是像 NVIDIA(GR00T)、Physical Intelligence(π 系列)那样发论文、开源模型。 它把 AI 攥得很紧、也很封闭。这既符合它「大脑不外包」的判断，也意味着外界很难独立复现和验证它的成绩——看它的数据时，得记住这一点。
数据：Project Go-Big，
冲着「第一视角真实数据」去的
大脑再好，也得有数据喂。
而这恰恰是整个具身领域公认的瓶颈：真机数据太贵、太少，网上又几乎没有机器人第一视角的现成视频——网上视频绝大多数是第三人称，可机器人要的是它自己第一人称看到的。
Figure 近一年最重的一子，是 Project Go-Big，官方定位「互联网规模的人形预训练 + 直接的 human-to-robot 迁移」，目标是建全世界最大的人形预训练数据集。
它的技术赌注是：人形机器人的身体结构、视角和运动学都和人接近。所以从人类视频直接迁移知识，理论上比其他形态更顺。
做法上，它和资管巨头 Brookfield(博枫) 合作——对方手握约 1 万亿美元资产、10 万多套住宅、5 亿平方英尺写字楼、1.6 亿平方英尺物流空间。Figure 在这些真实住宅里被动采集人做日常事情的第一视角视频，用纯人类视频训 Helix。
据 Figure 披露，完全不用任何机器人示范，机器人就学会了把人的导航策略迁移成自己的控制：一句「去冰箱那儿」，它能在杂乱的真实空间里自己走过去，官方称是人形领域的第一次。
把身体、大脑、数据连起来，一条闭环就成形了。
身体采集(第一视角 + 真机数据)→ 数据汇入 Project Go-Big → 训练 大脑 Helix → 更强的大脑装回身体、部署到更多场景 → 产生新数据 → 回到训练。
这条闭环，是 Figure 技术版图真正的野心。它不是在造一款更强的机器人，而是在搭一个「用身体采数据、用数据喂大脑、再用大脑反哺身体」的自我强化系统。
谁把这个飞轮先转起来，谁的智能就越跑越快。
03
商业战略上，为什么 Figure 先进工厂?
有了身体、大脑、数据，得进真实世界才能转起来。
Figure 商业化的第一站，选的是工厂，标杆客户是宝马（这一点很多国内公司绕开了）。
时间线很紧凑：Figure 02 在宝马斯帕坦堡工厂跑了约 11 个月试点，据宝马披露辅助生产了超过 3 万辆 X3；到 Figure 03 这代，斯帕坦堡已部署 40 台，计划 2026、2027 年分阶段扩到更多工位；宝马德国的慕尼黑、雷根斯堡、莱比锡工厂也在试点，还成立了「生产用物理 AI 能力中心」。
物流是第二个方向——据报道 Figure 已进入仓储场景(有报道指向亚马逊仓库、UPS 等物流客户)。
配套的是自建产线 BotQ：2026 年 2 月还是每月约 60 台，4 月升到 240 台，5 月做到一小时一台——比 120 天前的「一天一台」快了 24 倍；初始设计年产能 1.2 万台，并给出通往每年 10 万台的路径。
为什么先进工厂？
他们有三层原因，顺着讲：
1) 工业场景最容易先跑通：环境结构化、任务重复、付费能力强,对机器人的「智能」要求相对可控，是最现实的第一站；
2) 工厂是最好的训练场：机器人在真实产线上每干一次活，都在产生带反馈的真机数据，回流 Helix——进工厂赚的不只是钱，还有数据；
3) 它撑得起「从工业到家庭」的路径：工业 → 物流 → 家庭，是 Figure 商业化的推进次序。工业先变现、先收数据，物流其次，家庭最难但天花板最高——这也是它为什么要用 Go-Big 提前拿住 10 万套住宅数据。
这里必须要说下：宝马的 40 台、物流的合作、家用的开放，目前都还在试点或早期。
「辅助生产 3 万辆车」是 pilot 期的辅助，不等于独立顶岗；「一小时一台」说的是产线组装节拍，不等于 10 万台已交付、更不等于都在真实场景稳定干活。据 Counterpoint，2026 年全球商用人形约 5 万台(2025 年底约 1.6 万)，规模还很小。从 pilot 到规模化商用，人形从来没走短过。
04
生态战略上，Figure 需要巨头
一家再想「自己扛」的公司，也扛不下全部。
Figure 的合作版图，按功能归类，逻辑就清楚了:
算力——NVIDIA：既是 C 轮投资人，也是训练算力的主要供给方。造大脑离不开海量算力，这块 Figure 选择用最强的，而不是自己重造。
真实场景与数据——宝马、Brookfield：提供的是花钱也难买的东西。宝马给的是工厂，博枫给的是住宅——这两块是 Figure 数据闭环的源头。
AI——OpenAI(已分手)：早期借力，但近半年转向全自研。这恰恰反证了它的取舍。
Figure 需要巨头，是因为算力、场景这些东西可以借力，而且借最强的更划算。
但它把大脑牢牢攥在自己手里，绝不外包。合作是为闭环服务的，核心资产不假手于人——这个取舍，很能说明它想成为一家什么样的公司。
放到路线上对比，Figure 的选择也更清楚：Physical Intelligence 走「跨本体基础模型」，做一个能驱动所有人机器人的通用大脑，自己不下场大规模造身体、圈数据；Tesla Optimus 虽有自家工厂，但据报道到 2026 年底才计划把产线上的 Optimus 增至数千台、2027 年才对外销售，截至 2026 年 4 月尚无公开外部客户。
三家里，Figure 是把「自研大脑 + 自建工厂 + 独家数据」这条重路，走得最靠前的一个。
05
写在最后
把这一年多连起来，Figure 的成长路径其实是一条很清醒的线：
2022 成立、押注人形 → 2024 进宝马工厂验证「能不能干活」→ 2025 分手 OpenAI、自研 Helix，C 轮估值冲到 390 亿美元 → 2026 上半年，Helix 02 全身自主、Project Go-Big 圈数据、BotQ 做到一小时一台。
一条主线贯穿始终：它在沿着「身体 → 大脑 → 数据」的顺序，把一家「机器人公司」，一步步改造成一家「机器人智能公司」。 身体是为了承载智能、采集数据，工厂是为了变现和训练，巨头是为了补齐算力与场景，而最核心的大脑，始终自己攥着。
当然，判断要留余地：390 亿美元是一级市场对未来的定价；它封闭、不发论文不开源，外界难独立验证；从 Go-Big 那个「走到冰箱前」到真正的灵巧操作、从工厂 pilot 到无人干预的规模化商用，还隔着最难的几段路——别把 demo 当 deployment。
