Figure AI 交付 350 台类人机器人，Figure 03 成功攀爬梯子，公司估值达 390 亿美元

Figure AI发布了一段新的实验室视频，展示了其Figure 03人形机器人无需遥控操作或预先编程的步骤，即可自主攀爬工业梯子。该公司还证实，4月份的生产规模已从每天1台提升至每小时约1台，并表示迄今为止已交付超过350台。

该公司强调，此次梯子演示体现了集成的运动操控能力，将视觉伺服、手部抓取和动态腿部平衡整合在一个连续的循环中。Figure 补充道，这一能力尚处于实验室里程碑阶段，尚未投入工厂部署。其 C 轮融资使公司后融资估值接近 390 亿美元。

Figure AI 总部位于加利福尼亚州桑尼维尔，致力于开发用于工业和物流任务的通用类人机器人。其 Helix 02 系统架构运行着用于平衡和行走的高速控制堆栈，同时应用一个运行速度较慢的“系统 2”模块，以大约 1 赫兹的频率进行更高层次的语义理解。 该公司致力于解决仓库和制造工厂内重复性的拣选、放置、检测和物料搬运工作。

最新视频展示了人形机器人理论核心所要求的自主水平。攀爬梯子需要协调的脚部落点、柔顺的抓握、身体姿势控制，以及对梯级和距离的持续感知。 Figure强调，此次动作未采用遥操作或预设脚本序列。相反，机器人是基于视觉和本体感觉进行实时调整的。这一点至关重要，因为工业现场环境动态且杂乱，无法快速适应的机器人将无法提供有效的工作时间。

实验室中的爬梯实验表明，在“移动与操作一体化”领域取得了实质性进展

类人机器人工程师长期以来一直致力于实现“移动与操作一体化”，即在移动的同时进行操作。静止站立时保持平衡并拾取物体是一回事；而在双手忙于操作时仍能保持稳定，则是更大的挑战，

每迈出一步，接触点都会发生变化。梯子夹将所有这些动作整合为一项单一任务——许多人类对此不以为意，但对双足行走者而言却绝不容许丝毫差错。如图03所示，双手紧抓每根横档，双脚寻找稳固的立足点，而躯干则在四肢移动时补偿重心转移。

用通俗的比喻来解释会更容易理解。想象一下，你端着一杯咖啡爬上陡峭的阁楼梯，眼睛紧盯着每一级踏板，双手根据扶手宽度调整抓握，双脚则寻找合适的角度以防滑倒。如果杯子倾斜了，你的双手只需轻轻一调整就能纠正。 如果某个踏板位置稍有偏差，你的脚会不假思索地调整。将这些微调转化为代码和控制回路，正是区分仅能执行预先排练动作的机器人与能在工厂混乱环境中生存下来的机器人的关键所在。

怀疑论者会指出，实验室里的梯子与真实工作现场中那湿漉漉、油腻腻或凹陷的梯子截然不同。受控的光照、干净的梯级以及狭窄的环境变量范围，并不能等同于现场可靠性。这种批评是合理的。然而，发展方向是明确的。 这种核心协调机制似乎是以闭环方式运行的，有望推广至脚手架、踏脚凳或卡车梯。真正的考验在于能否在数百个循环中保持一致性，以及在不摔倒的情况下应对脚滑的情况。

生产节奏表明已超越展示型原型机的阶段

Figure公司表示，4月份的产量从每天约1台提升至每小时1台。即使这一速度反映的是生产线峰值速度而非全天平均值，其传递的核心信息也毋庸置疑。 该公司正从手工制作的演示样机转向小批量生产。已交付的350多台设备，使Figure拥有足够的机器同时进行可靠性测试、客户试点和内部迭代。

从小批量生产到真正的批量生产还有很长的路要走。要实现每小时一台的最终组装速度，取决于稳定持续的

执行器、齿轮组、电池组、线束、外壳和计算模块。 为保障利润率，良率必须保持在较高水平，返工率则需保持在较低水平。必须建立完善的后勤服务体系，以便在短时间内采购备件并更换子组件。然而，目前只有极少数类人机器人企业能够提供实际的出货量数据。这使得Figure在短期内具备了差异化优势，尤其对希望亲手体验硬件并查看运行时间统计数据的投资者和潜在企业买家而言。

资本密集度与估值反映出广阔的发展前景和巨大的市场预期

近390亿美元的投后估值使Figure跻身私营机器人企业前列。该公司此前已获得战略和财务投资者的支持，这些投资者将类人机器人视为一种可渗透到多个市场的横向平台。由于该领域的最终前景极具吸引力，资本正大量涌入这一领域。 如果类人机器人能够安全、可靠地执行低技能重复性任务并持续数小时，那么将有大量工作可被取代。能够插上软管、搬运托盘、扫描标签和抓取工具的“双手”，可以填补高成本地区的劳动力缺口。

这一估值同时也为执行能力设定了门槛。市场对该公司的隐含预期极高，要求其不仅在实验室，更要加速在商业场所部署。投资者将期待看到一条可信的发展路径，即在可预测的时间范围内实现每年数千台的出货量以及正的毛利率。 这意味着必须严格控制物料清单成本、签订可随规模扩展的供应商合同，并构建一套能将每项新任务部署转化为数据与模型优化循环的软件架构。若缺乏这一循环，单位经济效益将因“人机协同”远程操作及持续调试服务而流失。

软件栈是区分工业自动化中“实务”与“理论”的关键

图中显示，Helix 02 采用快速控制层实现实时反应，以及一个处理语义理解的较慢“系统 2”模块，其处理速度约为 1 赫兹。这种分离反映了具身人工智能中常见的方法

研究。高频循环负责维持机器人的平衡并监测接触力。低频认知则告诉机器人它正在观察什么，以及完成某项任务需要执行哪些动作序列。目前尚未解决的问题是感知与动作之间的交接。如果语义理解每秒更新一次，那么计划必须能够抵御这些时间间隔内的运动漂移和传感器噪声。

竞争对手们正在探索类似的基于模型的控制与神经策略相结合的方法。最终胜出的团队很可能会将工厂车间视为一个“活”数据集。 每次任务尝试都会反馈到有监督更新中，从而减少误差。安全事件会触发策略约束，阻止高风险动作。视觉模型会针对货架标签和工具形状等工厂特有的线索进行微调。实验室里的梯子只是一个基准测试。真正的关键在于默默无闻地构建、版本控制和验证模型，确保这些模型在边缘案例不断积累时不会出现退化。

供应链的规模化是人形机器人的成败关键

类人机器人的物料清单（BOM）涉及多个高度集中的市场。执行器需要高强度磁铁和精密齿轮传动系统。磁铁依赖于稀土材料，而这些材料主要从中国采购。齿轮和轴承的质量则取决于特种钢材和工艺控制。 电池所需的电芯在供应上需与电动汽车和固定式储能设备竞争。深度摄像头和激光雷达等传感器来自全球各地，若具备先进功能，则容易受到出口审查。计算板通常依赖英伟达（Nvidia）的GPU和高带宽内存，而在市场火热周期中，这些资源的分配往往十分紧张。

为了稳定实现每小时生产一台的目标，Figure必须构建分层供应商网络，对关键部件实行双重采购，并制定明确的地域风险对冲策略。交货周期长的组件需要签订锁定合同，并由供应商提供资金支持产能扩张。Figure 03各型号间的子系统标准化至关重要，因为产品碎片化会成倍增加库存管理复杂度。

在条件允许的情况下，公司会希望将复杂性向上游转移，交由供应商负责，确保模块在交付前已完成测试。这有助于缩短最终生产线周期并降低错误率。但问题在于，上游合作伙伴通常会要求更大的采购量承诺以及比大多数初创企业所能提供的更深入的可见度，这会带来资金压力和预测风险。

随着竞争对手将硬件和演示产品推向市场，竞争态势日益白热化

人形机器人领域竞争激烈，资金雄厚的同行比比皆是。特斯拉展示了Optimus的进展，并直接对接了汽车制造厂的应用场景。波士顿动力推出了新款电动Atlas，在硬件领域拥有长期建立的信誉，但必须从展示性的敏捷性转向重复性任务的执行。Agility Robotics与物流合作伙伴开展了试点项目，并开发了一款专为仓库工作量身定制、前景可观的双足机器人。 Apptronik、Sanctuary AI和Unitree在成本、灵巧度与速度之间寻求不同的权衡。中国企业可借助快速的迭代周期和灵活的本地供应商，尽管向美国市场的出口路径可能充满挑战。

Figure公司宣称的规模优势使其在与客户的谈判中占据主动。买家希望看到一份不依赖于每个站点单独工程设计的路线图。首批能提供三家参考客户且运行时间超过可信阈值的公司将脱颖而出。不过，早期采用者仍会将订单分散给两到三家供应商，以避免供应商锁定。 随着客户在类似工作流程中测试不同机器人，共享试点站点甚至可能成为常态。在这种环境下，连接器标准、末端执行器模块化以及车队调度软件等细微之处都可能成为决定性因素。

企业级集成将决定机器人能否物有所值

单凭一台类人机器人本身并不算是一款产品。它只是设施网络中的一个节点。要创造价值，它必须与仓库管理软件、工人安全系统以及质量保证工作流程进行集成。这需要API、基于角色的访问控制以及

可靠的遥测功能。车队管理系统必须合理安排充电、电池更换班次和路线规划，以确保机器人不会在没有载荷的情况下长距离行走。当摄像头和麦克风安装在穿梭于敏感区域的移动平台上时，数据隐私与安全责任将随之加重。

许多类人机器人公司计划通过“机器人即服务”（RaaS）合同提供机器人。这种模式将资本支出转化为运营支出，并使激励机制与设备运行时间和吞吐量保持一致。它还迫使供应商拥有服务层，包括现场技术人员、备件和升级计划。在早期阶段，如果可靠性尚未成熟，服务成本可能超过订阅收入。 Figure 早期形成的规模优势在此可发挥作用，因为更大的安装基数能分摊服务团队和备件仓库的成本。该公司需要公布并达到具有挑战性的平均故障间隔时间（MTBF）和平均修复时间（MTTR）指标，以证明其具备企业级应用的成熟度。

免责声明：本分析仅供参考，不构成投资、法律或采购建议。RobotAIGeek 不对特定供应商进行背书，也不保证早期技术的性能。