Figure AI沒有特斯拉的超級資源，卻用高速迭代、真實場景和機器人大腦，跑出了另一種機器人創業公司范本。

作者丨溫特斯

編輯丨鐘清遠

一場機器人輸了的比賽，反而把Figure AI推到了人形機器人話題的中心。

日前，Figure AI搞了一場10小時的“人機分揀包裹大戰”。最后，人類實習生一共分揀了12,924個包裹，而機器人完成了12,732個。人類雖然贏了，但差距只有192個。

Figure AI這場人機比賽真正有意思的地方，不是機器人差點贏了人類，而是它把機器人放到了一個可以被量化考核的真實場景里。

它不再只是舞臺上供人獵奇的演員，而開始像一個真正的工人一樣，被計算效率、被比較節奏、被觀察失誤、被質疑可靠性。

今天的人形機器人行業，正在進入一個微妙的瓶頸期。

特斯拉Optimus V3量產多次跳票，且由于要防范抄襲，官方曝光也變得越來越吝嗇；波士頓動力雖然定期放出震撼的demo，但大眾似乎已經不對它的規模化量產抱有太多想象。

而在國內，雖然這兩年人形機器人的發布頻率極高，也不乏機器人進入工廠、商店的案例，但同質化問題已經相當明顯。“輪式底盤+夾爪”的人形機器人，幾乎成了最主流的過渡方案。各種發布會上的視頻demo很難再刺痛大眾的神經。大家都在變強，但也開始變得越來越像。

在這樣的背景下，Figure AI的突圍引發了行業和公眾的集體好奇。因為它很少把自己包裝成一家傳統意義上的機器人硬件公司。

Figure AI一開始講的就不是“我們造了一臺機器”，而是“AI需要一個身體”。這個定位本身就極其聰明——如果你講機器人硬件，外界會拿你和所有本體廠商比拼減速器和自由度；但如果你講Physical AI，你爭奪的就不再只是工業設備市場，而是AI從屏幕走向物理世界之后的“終極入口”。

如果說特斯拉重新定義了電動汽車，那么Figure AI正在嘗試重新定義人形機器人。

01

Figure AI 的故事，從一開始就帶著 “硅谷流速”

2022 年 Figure AI成立，這家公司從一開始就帶著極其強烈的硅谷硬科技創業氣質：融資快、節奏快、敘事強、創始人親自下場。

要拆解Figure AI的特別之處，必須先深入了解其創始人布雷特·阿德科克。

他不是典型的機器人科學家。此前，他創辦過在線招聘平臺 Vettery，后來又聯合創辦了電動垂直起降飛行器公司Archer Aviation。不同領域的成功經歷，讓他成為一個具備跨賽道操盤能力的連續創業者。

在某些方面，阿德科克甚至比馬斯克表現得更加激進。在Figure AI剛成立的前4個月里，由于尚未引入外部融資，他個人每個月自掏腰包燃燒100萬美元，迅速組建了一支40人的精英團隊，用極度高壓的節奏把公司推上正軌。

2024年2月，Figure AI與OpenAI聯合開發人形機器人的聽、說、看以及自主決策能力。但就在大約一年后，阿德科克敏銳地察覺到通用大模型在適配物理機器人時存在天然瓶頸，且核心的機器人AI必須像硬件一樣實現全棧自研，無法外包。

為了追求純“端到端”的垂直整合，Figure AI選擇毫不猶豫地終止了與OpenAI的合作，全面轉向自研。

這背后，是阿德科克所推崇的「11分努力」企業文化。它源自一個經典的英文表達 "Turn it up to 11"（把音量調到11擋）。在歐美文化中，普通的計量上限通常是10分，而「11分」則意味著打破常規的極限、付出超越極限的瘋狂投入。

這種不給自己留退路的“閃電戰”打法，直接決定了 Figure AI骨子里的“超高流速”（Turbo Velocity）。阿德科克曾公開表示：“我們極度崇尚快節奏，管理層非常扁平。在公司里，每個人都必須參與CAD設計或寫代碼。我們沒有高管專屬的獨立辦公室，我就坐在工程團隊旁邊的地板上。”

在成立不到4年的時間里，Figure已經完成了驚人的代際迭代：Figure 01證明這家公司能造出一臺合格的人形機器人；Figure 02證明機器人可以在寶馬的工廠里干活；Figure 03則試圖把機器人從單一工業工具推向更通用的“AI勞動力”。

這種高頻迭代速度，直接引爆了資本市場。伴隨著BotQ超級工廠的亮相，Figure AI完成超過10億美元的C輪融資，投后估值一舉飆升至390億美元，成為全球估值最高的人形機器人創業公司之一。

阿德科克常說：“猶豫是動量的敵人（Hesitation is the enemy of momentum）。”這就是 Figure AI 快速成長的指揮棒。

02

Helix：一個全新的機器人大腦與物理直覺的誕生

在Figure AI宣布結束與OpenAI的合作、全面轉向全棧自研之后，Helix就是他們交出來的核心成績單。

從最初的Helix 01到升級后的Helix 02，這個系統不僅讓機器人具備了一定的自主能力，也讓人形機器人的競爭重點，第一次非常清晰地從“身體能力”轉向“機器人大腦”。

傳統的機器人大模型（VLM）雖然聰明，能理解復雜的邏輯，但是“算得慢”，根本無法用來給快速運動的機器人保持平衡；而傳統的工業機器人算法倒是“反應快”，但它們是個環境適應上的“笨蛋”，換個箱子或者杯子就直接死機。

所以，Helix的思路是用一套分層架構去模擬人類完成動作時的不同反應：System 2負責較慢的任務理解和語義推理，System 1負責更快的視覺到動作映射，System 0則在更底層處理平衡、接觸和全身協調。

這種架構最直觀的好處，是讓機器人實現了對未知物體的“零樣本泛化”。

在傳統機器人路線里，面對新物體和新環境，系統往往需要依賴預設模型、規則工程或針對性調參，泛化能力極其有限。

而Helix將視覺特征、大語言模型的語義常識與運動控制融為了一體。機器人不再需要為每一個具體物體重寫規則或重新調參，而是可以借助視覺、語言和動作模型的結合，去處理大量此前沒有專門訓練過的物品。

就在人機分揀包裹比賽前，Helix 02還展示了單個網絡權重同時控制多個機器人的協同能力。兩臺機器人依靠本地模型對環境的實時理解，通過點頭、眼神對視等類似人類的默契，就能協作完成整理臥室等長鏈條的復雜任務。

毫不夸張地說，Helix讓Figure AI的機器人從一臺“需要人類寫好腳本、按部就班執行程序”的機器，變成了一個“能聽懂人話、看懂世界、自己看著辦”的智能體。

在最新測試中，Figure 03的指尖觸覺傳感器已經能檢測低至3克的壓力，相當于感知一枚回形針落在手指上的重量。配合Helix 02的觸覺、掌心相機和全身控制能力，Figure又展示了取出單顆藥丸、擰開瓶蓋、精準推注5ml注射器等高難度微操。

所以，Figure的分揀包裹、雙機器人整理床鋪，并不只是兩個更好看的視頻。它們背后真正想證明的是：機器人不再只是單個孤立動作的執行器，而是一個可以理解任務、規劃動作、協同執行的閉環智能體。

到這里，Figure AI所說的“AI 需要一個身體”，才不再只是一句口號，而開始變成一種可以被觀看、被比較、被驗證的產品能力。

03

中國公司能從Figure AI學到什么？

為什么Figure AI值得中國機器人公司集體研究？因為它已經給整個行業提供了一個全新的生存與進化范本。

如果普通創業公司照著特斯拉的劇本去演，很容易只學到了皮毛——學著讓機器人產爆米花、拍炫酷的demo視頻，口里喊著“未來改變世界”，卻在缺乏造血能力的供應鏈和量產泥潭里自我消耗。

相比之下，Figure AI才是更具普適價值的“創業公司樣本”。

它沒有特斯拉那樣的超級帝國資源，所以必須用另一種方式建立優勢：盡早把自己放進 Physical AI 的敘事里。

如果一家機器人公司長期只講硬件，它的天花板會變得非常清晰。但如果它把自己定義為一家“讓AI進入物理世界”的公司，邏輯就變了。它賣的不再只是一臺機器人，而是未來進入真實世界的入口。

這也是 Figure AI 把 Helix 推到臺前的原因。

在人機分揀比賽、雙機器人整理臥室這些案例里，Figure AI 真正想展示的，并不是機器人又學會了幾個新動作，而是“機器人大腦”到底能做什么：它能理解任務，能處理環境變化，能協調動作，也能在更長鏈條的任務中持續執行。

在這個過程中，阿德科克的作用變得非常關鍵。

他不斷把 Figure AI的進展解釋給外界聽：為什么要自研Helix，為什么要進入寶馬工廠，為什么要做分揀比賽，為什么要把機器人推向家庭場景，為什么 Figure AI不只是又一家機器人本體公司。

說到底，他不是單純在替公司做宣傳，而是在不斷幫外界理解 Figure AI 的位置：它要爭的不是某個機器人參數榜的第一名，而是“AI 如何進入物理世界”這件事的解釋權。

當然，Figure AI 也絕非一個完美的模范。它的商業化營收仍處于早期，許多驚艷的展示依然是在相對受控的特定環境里完成的。

日前，阿德科克在社交平臺上透露，下一代旗艦 Figure 04已經完成了關鍵設計評審并鎖定設計，即將進入零部件交付階段，并稱其為“公司歷史上最大的一次代際躍遷”。

這句話當然還需要時間驗證。人形機器人行業真正要穿越的，不只是技術周期，還有信任周期。

Figure AI 已經提供了一個重要樣本：在機器人真正大規模商業化之前，一家公司如何用機器人大腦、真實場景、創始人敘事和連續進展，把一個高不確定性的長期工程，變成一個市場愿意持續下注的產業故事。

這才是 Figure AI 最值得中國機器人公司研究的地方。它不是特斯拉的學徒，而是另一種機器人公司的雛形。