Figure 03 在 BMW 工廠分揀零件、BotQ 工廠每 60 分鐘下線一臺Figure AI 10 億美元 C 輪講了一個什么故事2026 年 8 月下旬Figure AI 宣布完成超 10 億美元 C 輪融資投后估值 390 億美元。這條新聞單看數字就是一個典型硅谷獨角獸故事但拆開 C 輪披露的細節后會發現這次融資真正有意思的不是估值跳漲而是這家公司在干什么用 BotQ 工廠每 60 分鐘下線一臺的速度量產 Figure 03把成品機器人發到 BMW 斯帕坦堡Spartanburg工廠去做物流分揀實戰同時用 Index 全球眾包數據計劃從 108 個國家、1600 萬條真實任務視頻里持續喂數據給 Helix 引擎。把人形機器人從 PPT 搬到工廠車間是 2024 年以來整個具身智能賽道一直喊的口號。Figure AI 在 2026 年中第一次把這三件事——量產、商用實戰、數據閉環——同時跑通了而且是用一個完整的 10 億美元級融資節奏在推。一、先把 C 輪披露的關鍵數字擺出來Figure AI 這輪融資的幾組數據先做一個表格化梳理維度數據含義融資金額超 10 億美元Series C單輪進入「人形機器人獨角獸」一線梯隊投后估值390 億美元相比 2024 年 B 輪估值約 26 億美元漲約 15 倍領投方Parkway Venture Capital硅谷老牌風投曾投 SpaceX、xAI重要跟投Brookfield Asset Management、NVIDIA、Macquarie Capital跨界豪華陣容資管 GPU 投行戰略跟投Intel Capital、Align Ventures、Tamarack Global老股東繼續加持產業方LG Technology Ventures、Salesforce、T-Mobile Ventures、Qualcomm Ventures制造業、CRM、電信、芯片四方共同押注這筆投資人組合有幾個信號值得單獨拎出來第一NVIDIA 同時出現在投資人和 GPU 供應商兩個角色里。Figure 訓練 Helix 模型所需的 GPU 集群本質上從 NVIDIA 采購而 NVIDIA 也愿意以股權方式綁定這家高速成長的人形機器人公司。第二Salesforce、T-Mobile、LG、Qualcomm 同時入場意味著 Figure AI 不再只是「機器人公司」而是潛在的「跨行業具身智能平臺」——未來這些產業方都可能在自家工廠、零售場景、客服場景里部署 Figure 機器人。第三Parkway Venture Capital 領投。這家機構曾投 SpaceX、xAI 等前沿硬件/AI 公司投 Figure 是一脈相承的「賭下一代物理 AI 操作系統」思路。二、Figure 03 在 BMW 工廠干什么把這輪融資本身看完之后重點要回到 Figure AI 實際在做什么——把 Figure 03 發到 BMW 斯帕坦堡工廠做物流分揀實戰是這次 C 輪披露的所有技術細節里最有商業價值的一條。BMW 斯帕坦堡工廠是寶馬全球最大的生產基地年產約 45 萬輛 X3、X5、X7 等 SUV 車型。這家工廠 2026 年初開始測試 Figure 03主要場景是物流分揀——把零件從倉庫搬到生產線、把成品從裝配線下線到入庫區、把包裝件按訂單分揀到出貨區。這類工作的特點是高重復性、對體力要求高、但又需要一定的視覺判斷識別不同形狀零件、避讓移動障礙物。Figure 03 在這個場景下做了幾件事任務類型Figure 03 的實際表現零件分揀按 SKU 識別 抓取準確率超過 99%跨工位搬運單次搬運重量 ≤10 kg路徑規劃穩定多機協作多臺 Figure 03 共享同一張地圖避讓邏輯實時生效異常處理遇到未識別物體時停下來請求人工介入不強行繼續連續運行單次充電支持 5 小時連續作業把這條生產線放到全球人形機器人產業里看Figure 03 在 BMW 的實戰是 2026 年上半年人形機器人「商用部署」里覆蓋工種最廣、連續運行時間最長的一次。比起 Tesla Optimus 仍在 Tesla 自家工廠做有限測試、Apptronik 仍在和 Mercedes-Benz 做 POCFigure 03 已經在 BMW 這種「世界級汽車工廠」里扛起了真實產線工作量。三、BotQ 工廠每 60 分鐘下線一臺如果說 BMW 工廠是 Figure AI 的「應用現場」那 BotQ 工廠就是它的「量產基地」。這家公司從 2025 年開始自建機器人生產線 BotQ2026 年把產能爬到了「每 60 分鐘下線一臺 Figure 03」的節奏。每 60 分鐘下線一臺意味著什么換算成不同的時間維度時間單位Figure 03 下線數量1 天24 臺1 季度90 天2160 臺1 年365 天8760 臺一年接近 9000 臺人形機器人的產能這是人形機器人賽道在 2026 年給出的最大量產規模答案。相比之下Tesla Optimus 公開的量產目標是年產百萬臺但目前仍處于小批量試產階段Agility Robotics 的 Digit 年產能約為數百臺1X Technologies 的 Neo 仍以預訂為主沒有公布實際下線量。Figure AI 用 BotQ 把量產節奏卡到了「每 60 分鐘一臺」背后靠的是幾個工程能力第一關鍵部件的供應鏈垂直整合。Figure 03 的減速器、力矩傳感器、關節模組大量自研避免被卡脖子。這點和 Tesla 做 Optimus 的思路一致但 Figure 起步更早供應鏈鎖定更深。第二模塊化設計 標準化產線。Figure 03 的身體被拆分成軀干、雙臂、雙腿、頭部四大模塊每個模塊單獨裝配、單獨測試、最后總裝。模塊化設計讓產線可以并行作業減少瓶頸工位。第三AI 介入質量檢測。BotQ 工廠在每個裝配工位部署了視覺檢測系統用 Figure 自研的視覺模型做零部件缺陷識別把人工質檢時間壓縮到秒級。四、Helix 引擎 Index 數據閉環有了量產能力、有了商用現場最后一塊拼圖是數據——具身智能最稀缺的資源。Figure AI 這輪披露里同時講了兩件事第一是 Helix 引擎。這是 Figure AI 自研的具身基礎模型Embodied Foundation Model統一了感知、推理、控制三大模塊。Helix 不是單一模型而是一套模型組合視覺編碼器 語言規劃器 動作生成器三個模塊協同輸出機器人動作。Figure 03 在 BMW 工廠的所有動作都由 Helix 實時生成。第二是 Index 全球眾包數據計劃。Figure 通過手機 App 在 108 個國家采集真實人類在家庭、辦公、零售、工業場景下的視頻數據 多模態傳感器輸入已采集超過 1600 萬條真實任務視頻。這些數據喂給 Helix 做持續訓練讓模型在「未見過的環境」也能合理行動。把這兩件事合起來看Figure AI 已經構建了一個完整的「數據 → 模型 → 量產 → 實戰 → 反饋數據」的飛輪這條飛輪有三重護城河護城河具體表現數據規模1600 萬條多模態視頻覆蓋 108 國遠超同行量產速度每 60 分鐘一臺可以快速把數據閉環部署到更多場景實戰反饋BMW 工廠的真實工位持續產生新數據反哺模型迭代飛輪一旦跑起來規模優勢會自我強化。這是 Figure AI 在這一波人形機器人競賽中最難被復制的結構性優勢。五、和同行的對比誰在掉隊把 Figure AI 的位置放在全球人形機器人賽道里橫向對比公司量產節奏商業部署數據規模模型能力Figure AI每 60 分鐘一臺BMW Spartanburg 工廠實戰1600 萬條視頻、108 國Helix 統一引擎Tesla Optimus小批量試產Tesla 自家工廠有限測試自有 Tesla 車隊數據端到端神經網絡Apptronik數百臺/年Mercedes-Benz POCApollo 機器人實操數據任務級 AIAgility Robotics數百臺/年Amazon GXO 倉儲Amazon 倉儲數據Digit 專用模型1X Technologies預訂為主家庭場景早期用戶有限家庭視頻Neo 端到端Boston Dynamics限量生產研究 部分商用實驗室 客戶Atlas 模型迭代中宇樹 Unitree中等批量教育、研究、零售開源 自采H1/G1 模型把 Figure AI 和 Tesla Optimus 單獨對比一下最有指標意義兩家都在做通用人形機器人、都背靠超大公司Figure 獨立但有 NVIDIA 加持Tesla 自身是超級巨頭、都在量產上下注。但 Figure 的差異化體現在商業部署選了 BMW 這種「非自家」客戶避開了「數據閉環只覆蓋自家場景」的局限量產節奏更激進已經對外披露了 BotQ 的產能爬坡曲線。六、錢花在哪兒C 輪用途拆解Figure AI 公開了 C 輪資金的三個核心用途第一Figure 03 量產爬坡。把 BotQ 工廠的產線從「每 60 分鐘一臺」進一步壓到「每 30 分鐘一臺」目標 2027 年達到年產 2 萬臺以上的產能。這需要新建產線、擴大零部件供應鏈、增加工人。第二GPU 算力建設。Helix 模型訓練需要大規模 GPU 集群Figure 計劃自建或租用更多數據中心配備英偉達最新的 Blackwell 系列 GPU。這塊資本開支在 10 億美元級別。第三Index 數據計劃擴張。從 108 國、1600 萬條視頻擴展到 150 國以上、5000 萬條視頻。同時把數據采集工具從手機 App 升級到更多形態AR 眼鏡、車載攝像頭、可穿戴設備。用途預算占比估算戰略意義量產爬坡40%把 Figure 03 從「演示品」變成「商品」GPU 算力建設35%Helix 訓練能力直接影響模型迭代速度數據計劃擴張20%數據飛輪是長期護城河研發與人員5%工程師團隊擴張七、給從業者的實際建議角色短期行動1–3 個月中期觀察3–12 個月制造業 IT/OT 負責人評估自家工廠哪些工位可以引入人形機器人試點關注 Figure 03 在 BMW 的工種拓展節奏投資人重新審視人形機器人賽道估值錨點——從「PPT 估值」轉為「量產 部署 數據」綜合估值跟蹤 Figure 2027 年的二級市場 IPO 可能性機器人創業團隊不要再做「通用機器人」從 Figure 模式學「垂直工種 數據閉環」評估與 Figure/Tesla/Apptronik 做產業合作的可能性芯片/傳感器供應商把人形機器人賽道作為 2027 年的新增客戶來源跟蹤 Figure 自研關節模組的供應鏈開放策略大模型研究者把具身智能作為下一個研究主戰場關注 Helix 模型的技術論文與開源進展最關鍵的一條建議不要把 Figure AI 當成一家「機器人公司」看。它是一家「數據公司 模型公司 量產公司 商業部署公司」的四合一復合體。任何一個維度掉隊都會被競爭對手從其他維度超過。這是 Figure 這輪 390 億美元估值背后的真實邏輯。八、寫在最后把 Figure AI 這輪融資的所有細節壓縮成一句話就是一家成立 4 年的公司把一臺人形機器人做到了 BMW 工廠實戰 BotQ 工廠每 60 分鐘下線一臺 Index 108 國 1600 萬條數據 Helix 引擎統一驅動然后用 10 億美元 C 輪、390 億美元估值把這個飛輪加速到一個讓所有同行都難以追趕的節奏。這件事的人形機器人產業意義比任何發布會都更清楚當所有人都在喊「通用機器人要來了」時Figure AI 已經把它從 PPT 搬到了 BMW 的產線上。量產、實戰、數據、模型四件齊備這不再是愿景而是事實。2027 年是 Figure AI 真正決定性的節點。如果能在那一年把 BotQ 產能頂到年產 2 萬臺、把 Helix 模型迭代到 GPT 級別的具身能力、把 Index 數據推到 5000 萬條以上人形機器人賽道將真正進入「商用時代」。在那之前Figure 還在證明自己的路上但跑得已經足夠遠。 Figure 03 在 BMW 工廠分揀零件、BotQ 工廠每 60 分鐘下線一臺：Figure AI 10 億美元 C 輪講了一個什么故事
Figure 03 在 BMW 工廠分揀零件、BotQ 工廠每 60 分鐘下線一臺Figure AI 10 億美元 C 輪講了一個什么故事2026 年 8 月下旬Figure AI 宣布完成超 10 億美元 C 輪融資投后估值 390 億美元。這條新聞單看數字就是一個典型硅谷獨角獸故事但拆開 C 輪披露的細節后會發現這次融資真正有意思的不是估值跳漲而是這家公司在干什么用 BotQ 工廠每 60 分鐘下線一臺的速度量產 Figure 03把成品機器人發到 BMW 斯帕坦堡Spartanburg工廠去做物流分揀實戰同時用 Index 全球眾包數據計劃從 108 個國家、1600 萬條真實任務視頻里持續喂數據給 Helix 引擎。把人形機器人從 PPT 搬到工廠車間是 2024 年以來整個具身智能賽道一直喊的口號。Figure AI 在 2026 年中第一次把這三件事——量產、商用實戰、數據閉環——同時跑通了而且是用一個完整的 10 億美元級融資節奏在推。一、先把 C 輪披露的關鍵數字擺出來Figure AI 這輪融資的幾組數據先做一個表格化梳理維度數據含義融資金額超 10 億美元Series C單輪進入「人形機器人獨角獸」一線梯隊投后估值390 億美元相比 2024 年 B 輪估值約 26 億美元漲約 15 倍領投方Parkway Venture Capital硅谷老牌風投曾投 SpaceX、xAI重要跟投Brookfield Asset Management、NVIDIA、Macquarie Capital跨界豪華陣容資管 GPU 投行戰略跟投Intel Capital、Align Ventures、Tamarack Global老股東繼續加持產業方LG Technology Ventures、Salesforce、T-Mobile Ventures、Qualcomm Ventures制造業、CRM、電信、芯片四方共同押注這筆投資人組合有幾個信號值得單獨拎出來第一NVIDIA 同時出現在投資人和 GPU 供應商兩個角色里。Figure 訓練 Helix 模型所需的 GPU 集群本質上從 NVIDIA 采購而 NVIDIA 也愿意以股權方式綁定這家高速成長的人形機器人公司。第二Salesforce、T-Mobile、LG、Qualcomm 同時入場意味著 Figure AI 不再只是「機器人公司」而是潛在的「跨行業具身智能平臺」——未來這些產業方都可能在自家工廠、零售場景、客服場景里部署 Figure 機器人。第三Parkway Venture Capital 領投。這家機構曾投 SpaceX、xAI 等前沿硬件/AI 公司投 Figure 是一脈相承的「賭下一代物理 AI 操作系統」思路。二、Figure 03 在 BMW 工廠干什么把這輪融資本身看完之后重點要回到 Figure AI 實際在做什么——把 Figure 03 發到 BMW 斯帕坦堡工廠做物流分揀實戰是這次 C 輪披露的所有技術細節里最有商業價值的一條。BMW 斯帕坦堡工廠是寶馬全球最大的生產基地年產約 45 萬輛 X3、X5、X7 等 SUV 車型。這家工廠 2026 年初開始測試 Figure 03主要場景是物流分揀——把零件從倉庫搬到生產線、把成品從裝配線下線到入庫區、把包裝件按訂單分揀到出貨區。這類工作的特點是高重復性、對體力要求高、但又需要一定的視覺判斷識別不同形狀零件、避讓移動障礙物。Figure 03 在這個場景下做了幾件事任務類型Figure 03 的實際表現零件分揀按 SKU 識別 抓取準確率超過 99%跨工位搬運單次搬運重量 ≤10 kg路徑規劃穩定多機協作多臺 Figure 03 共享同一張地圖避讓邏輯實時生效異常處理遇到未識別物體時停下來請求人工介入不強行繼續連續運行單次充電支持 5 小時連續作業把這條生產線放到全球人形機器人產業里看Figure 03 在 BMW 的實戰是 2026 年上半年人形機器人「商用部署」里覆蓋工種最廣、連續運行時間最長的一次。比起 Tesla Optimus 仍在 Tesla 自家工廠做有限測試、Apptronik 仍在和 Mercedes-Benz 做 POCFigure 03 已經在 BMW 這種「世界級汽車工廠」里扛起了真實產線工作量。三、BotQ 工廠每 60 分鐘下線一臺如果說 BMW 工廠是 Figure AI 的「應用現場」那 BotQ 工廠就是它的「量產基地」。這家公司從 2025 年開始自建機器人生產線 BotQ2026 年把產能爬到了「每 60 分鐘下線一臺 Figure 03」的節奏。每 60 分鐘下線一臺意味著什么換算成不同的時間維度時間單位Figure 03 下線數量1 天24 臺1 季度90 天2160 臺1 年365 天8760 臺一年接近 9000 臺人形機器人的產能這是人形機器人賽道在 2026 年給出的最大量產規模答案。相比之下Tesla Optimus 公開的量產目標是年產百萬臺但目前仍處于小批量試產階段Agility Robotics 的 Digit 年產能約為數百臺1X Technologies 的 Neo 仍以預訂為主沒有公布實際下線量。Figure AI 用 BotQ 把量產節奏卡到了「每 60 分鐘一臺」背后靠的是幾個工程能力第一關鍵部件的供應鏈垂直整合。Figure 03 的減速器、力矩傳感器、關節模組大量自研避免被卡脖子。這點和 Tesla 做 Optimus 的思路一致但 Figure 起步更早供應鏈鎖定更深。第二模塊化設計 標準化產線。Figure 03 的身體被拆分成軀干、雙臂、雙腿、頭部四大模塊每個模塊單獨裝配、單獨測試、最后總裝。模塊化設計讓產線可以并行作業減少瓶頸工位。第三AI 介入質量檢測。BotQ 工廠在每個裝配工位部署了視覺檢測系統用 Figure 自研的視覺模型做零部件缺陷識別把人工質檢時間壓縮到秒級。四、Helix 引擎 Index 數據閉環有了量產能力、有了商用現場最后一塊拼圖是數據——具身智能最稀缺的資源。Figure AI 這輪披露里同時講了兩件事第一是 Helix 引擎。這是 Figure AI 自研的具身基礎模型Embodied Foundation Model統一了感知、推理、控制三大模塊。Helix 不是單一模型而是一套模型組合視覺編碼器 語言規劃器 動作生成器三個模塊協同輸出機器人動作。Figure 03 在 BMW 工廠的所有動作都由 Helix 實時生成。第二是 Index 全球眾包數據計劃。Figure 通過手機 App 在 108 個國家采集真實人類在家庭、辦公、零售、工業場景下的視頻數據 多模態傳感器輸入已采集超過 1600 萬條真實任務視頻。這些數據喂給 Helix 做持續訓練讓模型在「未見過的環境」也能合理行動。把這兩件事合起來看Figure AI 已經構建了一個完整的「數據 → 模型 → 量產 → 實戰 → 反饋數據」的飛輪這條飛輪有三重護城河護城河具體表現數據規模1600 萬條多模態視頻覆蓋 108 國遠超同行量產速度每 60 分鐘一臺可以快速把數據閉環部署到更多場景實戰反饋BMW 工廠的真實工位持續產生新數據反哺模型迭代飛輪一旦跑起來規模優勢會自我強化。這是 Figure AI 在這一波人形機器人競賽中最難被復制的結構性優勢。五、和同行的對比誰在掉隊把 Figure AI 的位置放在全球人形機器人賽道里橫向對比公司量產節奏商業部署數據規模模型能力Figure AI每 60 分鐘一臺BMW Spartanburg 工廠實戰1600 萬條視頻、108 國Helix 統一引擎Tesla Optimus小批量試產Tesla 自家工廠有限測試自有 Tesla 車隊數據端到端神經網絡Apptronik數百臺/年Mercedes-Benz POCApollo 機器人實操數據任務級 AIAgility Robotics數百臺/年Amazon GXO 倉儲Amazon 倉儲數據Digit 專用模型1X Technologies預訂為主家庭場景早期用戶有限家庭視頻Neo 端到端Boston Dynamics限量生產研究 部分商用實驗室 客戶Atlas 模型迭代中宇樹 Unitree中等批量教育、研究、零售開源 自采H1/G1 模型把 Figure AI 和 Tesla Optimus 單獨對比一下最有指標意義兩家都在做通用人形機器人、都背靠超大公司Figure 獨立但有 NVIDIA 加持Tesla 自身是超級巨頭、都在量產上下注。但 Figure 的差異化體現在商業部署選了 BMW 這種「非自家」客戶避開了「數據閉環只覆蓋自家場景」的局限量產節奏更激進已經對外披露了 BotQ 的產能爬坡曲線。六、錢花在哪兒C 輪用途拆解Figure AI 公開了 C 輪資金的三個核心用途第一Figure 03 量產爬坡。把 BotQ 工廠的產線從「每 60 分鐘一臺」進一步壓到「每 30 分鐘一臺」目標 2027 年達到年產 2 萬臺以上的產能。這需要新建產線、擴大零部件供應鏈、增加工人。第二GPU 算力建設。Helix 模型訓練需要大規模 GPU 集群Figure 計劃自建或租用更多數據中心配備英偉達最新的 Blackwell 系列 GPU。這塊資本開支在 10 億美元級別。第三Index 數據計劃擴張。從 108 國、1600 萬條視頻擴展到 150 國以上、5000 萬條視頻。同時把數據采集工具從手機 App 升級到更多形態AR 眼鏡、車載攝像頭、可穿戴設備。用途預算占比估算戰略意義量產爬坡40%把 Figure 03 從「演示品」變成「商品」GPU 算力建設35%Helix 訓練能力直接影響模型迭代速度數據計劃擴張20%數據飛輪是長期護城河研發與人員5%工程師團隊擴張七、給從業者的實際建議角色短期行動1–3 個月中期觀察3–12 個月制造業 IT/OT 負責人評估自家工廠哪些工位可以引入人形機器人試點關注 Figure 03 在 BMW 的工種拓展節奏投資人重新審視人形機器人賽道估值錨點——從「PPT 估值」轉為「量產 部署 數據」綜合估值跟蹤 Figure 2027 年的二級市場 IPO 可能性機器人創業團隊不要再做「通用機器人」從 Figure 模式學「垂直工種 數據閉環」評估與 Figure/Tesla/Apptronik 做產業合作的可能性芯片/傳感器供應商把人形機器人賽道作為 2027 年的新增客戶來源跟蹤 Figure 自研關節模組的供應鏈開放策略大模型研究者把具身智能作為下一個研究主戰場關注 Helix 模型的技術論文與開源進展最關鍵的一條建議不要把 Figure AI 當成一家「機器人公司」看。它是一家「數據公司 模型公司 量產公司 商業部署公司」的四合一復合體。任何一個維度掉隊都會被競爭對手從其他維度超過。這是 Figure 這輪 390 億美元估值背后的真實邏輯。八、寫在最后把 Figure AI 這輪融資的所有細節壓縮成一句話就是一家成立 4 年的公司把一臺人形機器人做到了 BMW 工廠實戰 BotQ 工廠每 60 分鐘下線一臺 Index 108 國 1600 萬條數據 Helix 引擎統一驅動然后用 10 億美元 C 輪、390 億美元估值把這個飛輪加速到一個讓所有同行都難以追趕的節奏。這件事的人形機器人產業意義比任何發布會都更清楚當所有人都在喊「通用機器人要來了」時Figure AI 已經把它從 PPT 搬到了 BMW 的產線上。量產、實戰、數據、模型四件齊備這不再是愿景而是事實。2027 年是 Figure AI 真正決定性的節點。如果能在那一年把 BotQ 產能頂到年產 2 萬臺、把 Helix 模型迭代到 GPT 級別的具身能力、把 Index 數據推到 5000 萬條以上人形機器人賽道將真正進入「商用時代」。在那之前Figure 還在證明自己的路上但跑得已經足夠遠。