文 | 具身商业前哨

一场机器人输了的比赛，反而把Figure AI推到了人形机器人话题的中心。

日前，Figure AI搞了一场10小时的“人机分拣包裹大战”。最后，人类实习生一共分拣了12,924个包裹，而机器人完成了12,732个。人类虽然赢了，但差距只有192个。

Figure AI这场人机比赛真正有意思的地方，不是机器人差点赢了人类，而是它把机器人放到了一个可以被量化考核的真实场景里。

它不再只是舞台上供人猎奇的演员，而开始像一个真正的工人一样，被计算效率、被比较节奏、被观察失误、被质疑可靠性。

今天的人形机器人行业，正在进入一个微妙的瓶颈期。

特斯拉Optimus V3量产多次跳票，且由于要防范抄袭，官方曝光也变得越来越吝啬；波士顿动力虽然定期放出震撼的demo，但大众似乎已经不对它的规模化量产抱有太多想象。

而在国内，虽然这两年人形机器人的发布频率极高，也不乏机器人进入工厂、商店的案例，但同质化问题已经相当明显。“轮式底盘+夹爪”的人形机器人，几乎成了最主流的过渡方案。各种发布会上的视频demo很难再刺痛大众的神经。大家都在变强，但也开始变得越来越像。

在这样的背景下，Figure AI的突围引发了行业和公众的集体好奇。因为它很少把自己包装成一家传统意义上的机器人硬件公司。

Figure AI一开始讲的就不是“我们造了一台机器”，而是“AI需要一个身体”。这个定位本身就极其聪明——如果你讲机器人硬件，外界会拿你和所有本体厂商比拼减速器和自由度；但如果你讲Physical AI，你争夺的就不再只是工业设备市场，而是AI从屏幕走向物理世界之后的“终极入口”。

如果说特斯拉重新定义了电动汽车，那么Figure AI正在尝试重新定义人形机器人。

01：Figure AI 的故事，从一开始就带着 “硅谷流速”

2022 年 Figure AI成立，这家公司从一开始就带着极其强烈的硅谷硬科技创业气质：融资快、节奏快、叙事强、创始人亲自下场。

要拆解Figure AI的特别之处，必须先深入了解其创始人布雷特·阿德科克。

他不是典型的机器人科学家。此前，他创办过在线招聘平台 Vettery，后来又联合创办了电动垂直起降飞行器公司Archer Aviation。不同领域的成功经历，让他成为一个具备跨赛道操盘能力的连续创业者。

在某些方面，阿德科克甚至比马斯克表现得更加激进。在Figure AI刚成立的前4个月里，由于尚未引入外部融资，他个人每个月自掏腰包燃烧100万美元，迅速组建了一支40人的精英团队，用极度高压的节奏把公司推上正轨。

2024年2月，Figure AI与OpenAI联合开发人形机器人的听、说、看以及自主决策能力。但就在大约一年后，阿德科克敏锐地察觉到通用大模型在适配物理机器人时存在天然瓶颈，且核心的机器人AI必须像硬件一样实现全栈自研，无法外包。

为了追求纯“端到端”的垂直整合，Figure AI选择毫不犹豫地终止了与OpenAI的合作，全面转向自研。

这背后，是阿德科克所推崇的「11分努力」企业文化。它源自一个经典的英文表达 "Turn it up to 11"（把音量调到11挡）。在欧美文化中，普通的计量上限通常是10分，而「11分」则意味着打破常规的极限、付出超越极限的疯狂投入。

这种不给自己留退路的“闪电战”打法，直接决定了 Figure AI骨子里的“超高流速”（Turbo Velocity）。阿德科克曾公开表示：“我们极度崇尚快节奏，管理层非常扁平。在公司里，每个人都必须参与CAD设计或写代码。我们没有高管专属的独立办公室，我就坐在工程团队旁边的地板上。”

在成立不到4年的时间里，Figure已经完成了惊人的代际迭代：Figure 01证明这家公司能造出一台合格的人形机器人；Figure 02证明机器人可以在宝马的工厂里干活；Figure 03则试图把机器人从单一工业工具推向更通用的“AI劳动力”。

这种高频迭代速度，直接引爆了资本市场。伴随着BotQ超级工厂的亮相，Figure AI完成超过10亿美元的C轮融资，投后估值一举飙升至390亿美元，成为全球估值最高的人形机器人创业公司之一。

阿德科克常说：“犹豫是动量的敌人（Hesitation is the enemy of momentum）。”这就是 Figure AI 快速成长的指挥棒。

02：Helix：一个全新的机器人大脑与物理直觉的诞生

在Figure AI宣布结束与OpenAI的合作、全面转向全栈自研之后，Helix就是他们交出来的核心成绩单。

从最初的Helix 01到升级后的Helix 02，这个系统不仅让机器人具备了一定的自主能力，也让人形机器人的竞争重点，第一次非常清晰地从“身体能力”转向“机器人大脑”。

传统的机器人大模型（VLM）虽然聪明，能理解复杂的逻辑，但是“算得慢”，根本无法用来给快速运动的机器人保持平衡；而传统的工业机器人算法倒是“反应快”，但它们是个环境适应上的“笨蛋”，换个箱子或者杯子就直接死机。

所以，Helix的思路是用一套分层架构去模拟人类完成动作时的不同反应：System 2负责较慢的任务理解和语义推理，System 1负责更快的视觉到动作映射，System 0则在更底层处理平衡、接触和全身协调。

这种架构最直观的好处，是让机器人实现了对未知物体的“零样本泛化”。

在传统机器人路线里，面对新物体和新环境，系统往往需要依赖预设模型、规则工程或针对性调参，泛化能力极其有限。

而Helix将视觉特征、大语言模型的语义常识与运动控制融为了一体。机器人不再需要为每一个具体物体重写规则或重新调参，而是可以借助视觉、语言和动作模型的结合，去处理大量此前没有专门训练过的物品。

就在人机分拣包裹比赛前，Helix 02还展示了单个网络权重同时控制多个机器人的协同能力。两台机器人依靠本地模型对环境的实时理解，通过点头、眼神对视等类似人类的默契，就能协作完成整理卧室等长链条的复杂任务。

毫不夸张地说，Helix让Figure AI的机器人从一台“需要人类写好脚本、按部就班执行程序”的机器，变成了一个“能听懂人话、看懂世界、自己看着办”的智能体。

在最新测试中，Figure 03的指尖触觉传感器已经能检测低至3克的压力，相当于感知一枚回形针落在手指上的重量。配合Helix 02的触觉、掌心相机和全身控制能力，Figure又展示了取出单颗药丸、拧开瓶盖、精准推注5ml注射器等高难度微操。

所以，Figure的分拣包裹、双机器人整理床铺，并不只是两个更好看的视频。它们背后真正想证明的是：机器人不再只是单个孤立动作的执行器，而是一个可以理解任务、规划动作、协同执行的闭环智能体。

到这里，Figure AI所说的“AI 需要一个身体”，才不再只是一句口号，而开始变成一种可以被观看、被比较、被验证的产品能力。

03：中国公司能从Figure AI学到什么？

为什么Figure AI值得中国机器人公司集体研究？因为它已经给整个行业提供了一个全新的生存与进化范本。

如果普通创业公司照着特斯拉的剧本去演，很容易只学到了皮毛——学着让机器人产爆米花、拍炫酷的demo视频，口里喊着“未来改变世界”，却在缺乏造血能力的供应链和量产泥潭里自我消耗。

相比之下，Figure AI才是更具普适价值的“创业公司样本”。

它没有特斯拉那样的超级帝国资源，所以必须用另一种方式建立优势：尽早把自己放进 Physical AI 的叙事里。

如果一家机器人公司长期只讲硬件，它的天花板会变得非常清晰。但如果它把自己定义为一家“让AI进入物理世界”的公司，逻辑就变了。它卖的不再只是一台机器人，而是未来进入真实世界的入口。

这也是 Figure AI 把 Helix 推到台前的原因。

在人机分拣比赛、双机器人整理卧室这些案例里，Figure AI 真正想展示的，并不是机器人又学会了几个新动作，而是“机器人大脑”到底能做什么：它能理解任务，能处理环境变化，能协调动作，也能在更长链条的任务中持续执行。

在这个过程中，阿德科克的作用变得非常关键。

他不断把 Figure AI的进展解释给外界听：为什么要自研Helix，为什么要进入宝马工厂，为什么要做分拣比赛，为什么要把机器人推向家庭场景，为什么 Figure AI不只是又一家机器人本体公司。

说到底，他不是单纯在替公司做宣传，而是在不断帮外界理解 Figure AI 的位置：它要争的不是某个机器人参数榜的第一名，而是“AI 如何进入物理世界”这件事的解释权。

当然，Figure AI 也绝非一个完美的模范。它的商业化营收仍处于早期，许多惊艳的展示依然是在相对受控的特定环境里完成的。

日前，阿德科克在社交平台上透露，下一代旗舰 Figure 04已经完成了关键设计评审并锁定设计，即将进入零部件交付阶段，并称其为“公司历史上最大的一次代际跃迁”。

这句话当然还需要时间验证。人形机器人行业真正要穿越的，不只是技术周期，还有信任周期。

Figure AI 已经提供了一个重要样本：在机器人真正大规模商业化之前，一家公司如何用机器人大脑、真实场景、创始人叙事和连续进展，把一个高不确定性的长期工程，变成一个市场愿意持续下注的产业故事。

这才是 Figure AI 最值得中国机器人公司研究的地方。它不是特斯拉的学徒，而是另一种机器人公司的雏形。