想象这样一个场景

你下班回家，推开门。

客厅里散落着孩子的玩具，沙发垫歪歪扭扭，茶几上杯盘狼藉。但你没有叹气，因为你家的”新成员”已经开始干活了——它弯下腰，捡起一只毛绒熊，放回收纳篮；然后转身，把沙发垫拍平、摆正；最后端起茶几上的咖啡杯，稳稳地放进了洗碗机。

全程没有人给它写一行代码。你甚至没有跟它说”去打扫”。它自己看到了，自己理解了，然后自己做了。

这不是科幻电影。这是2026年3月，Figure AI的第三代人形机器人Figure 03在一个普通家庭客厅里真实完成的演示。

如果你还没听过Figure AI这个名字，那么请记住它——因为它很可能是第一个真正走进你家的机器人公司。

一、不需要编程的机器人，凭什么能干活？

过去我们对机器人的印象，大多停留在工厂流水线上那些固定路线、重复动作的机械臂。它们很精确，但也很”死板”——每一个动作都需要工程师预先编程，换一个零件、换一条产线，就得重新调试。

Figure AI做的事情，是从根本上颠覆了这个逻辑。

它开发了一套名叫Helix的AI系统。Helix不是传统的机器人控制程序，而是一个视觉-语言-动作模型（Vision-Language-Action Model，简称VLA）。

什么意思？用大白话说：

  • 视觉（Vision）：它有”眼睛”，能看懂周围环境——这是一张桌子，那是一只鞋，地上那个是玩具。
  • 语言（Language）：它有”耳朵”和”大脑”，能听懂你说的话，更关键的是，能理解你的意图——“帮我收拾一下客厅”不是一个精确的指令，但它能自己拆解成：捡玩具、擦桌子、整理沙发。
  • 动作（Action）：它有”手脚”，能把理解转化为实际行动——而且不是僵硬的机械动作，而是接近人类的、流畅自然的运动。

这三者被整合在一个统一的神经网络里，实时运行，端到端控制。 它不需要一个模块”看”，然后把数据传给另一个模块”想”，再传给第三个模块”动”。它就像人的大脑一样，看、想、做是同时发生的。

这意味着：你不需要教它怎么做每一件事。你只需要告诉它”做什么”，甚至不用说——它自己就会判断该做什么。

二、”听指令”变成”懂任务”

传统机器人听的是指令——“向左移动30厘米，夹爪闭合，抬起15厘米”。这种指令精确、死板，换一个环境就不灵了。

Figure的机器人听的是任务——“把这些衣服叠好”。

这个区别，是天壤之别。

因为”叠衣服”这件事，对人来说很简单，但对机器来说极其复杂：每件衣服的形状不同、材质不同、摆放方式不同。一件T恤展开是一种叠法，揉成一团是另一种叠法。你不可能为每一种情况都预先编程。

Helix的解决方案是：让机器人像人一样学习。

具体怎么学？Helix的架构分为两个核心系统：

系统S2——“慢思考”

这是一个大型预训练模型，负责处理视觉信息和理解语言。它就像人类大脑中负责分析和推理的”理性脑”。它看到一堆散乱的衣服，理解”叠好”的意思，然后制定一个大致的行动计划。

系统S1——“快行动”

这是一个高速决策模块，负责把S2的”思考”翻译成实时的肌肉动作。它就像运动员的”肌肉记忆”——在毫秒级别内决定每一个关节的角度和力度。

两个系统协同工作，让机器人既能”深思熟虑”，又能”敏捷行动”。

2025年8月，Helix系统驱动的Figure机器人首次演示了自主叠衣服。2025年9月，它又学会了装洗碗机。到了2026年3月，升级后的Helix 02系统已经让Figure 03能够以接近人类的速度，在完全陌生的家庭环境里独立完成一系列家务。

请注意，这些能力是自己学出来的，不是工程师一个动作一个动作编出来的。

三、能力是怎么”学”出来的？

这可能是Figure AI最令人着迷的部分。

Figure的机器人不是靠工程师写规则来学习的。它的学习方式更接近人类小孩学走路的过程：通过大量的观察和尝试，自己总结出规律。

具体来说，Helix模型的训练依赖三个关键数据来源：

1. 海量的真实世界数据

Figure的机器人在工厂、仓库和家庭环境中不断运行，每一次操作——无论成功还是失败——都会被记录下来，成为训练数据。它们就像一群不知疲倦的”实习生”，24小时不停地积累经验。

2. 模拟环境中的虚拟训练

在真实世界中摔坏一个机器人代价太高，所以Figure还会在数字模拟环境中进行大规模训练。机器人在虚拟世界里可以失败无数次，而不需要付出任何物理代价。

3. “看一遍就会”的少样本学习

这是Helix最惊艳的能力之一：它可以通过观察少量的人类示范，就学会执行一个全新的任务。 不需要几万次重复训练，看几遍，就能举一反三。

更令人震撼的是，Helix使用同一套神经网络权重来学习各种不同的行为。叠衣服和装洗碗机，对它来说不是两个完全不同的技能，而是同一个”理解世界、操纵物体”能力的不同表现。

这就像一个人学会了骑自行车之后，学摩托车会更快——因为底层的平衡感和协调能力是通用的。

这种”一个大脑搞定所有任务”的方法，在AI领域被称为通用主义（Generalist）路线。它与传统的”每个任务训练一个专用模型”的路线截然不同，也是Figure AI押注最深的技术方向。

四、从工厂到家庭：Figure的商业版图

Figure AI的野心不止于技术演示。它已经在真实的商业场景中证明了自己。

BMW产线：30000辆车的”工友”

2024年12月，Figure向第一个商业客户——宝马（BMW）交付了机器人。到2025年6月，Figure 02在BMW的X3生产线上完成了一个里程碑：连续工作20小时不间断。

到2025年11月，Figure 02已经参与生产了30000辆汽车。

它不是在实验室里做演示，而是在真实的工厂、真实的产线、和真实的工人一起干活。

UPS合作：物流分拣

Figure同时还与物流巨头UPS建立了合作关系，探索机器人在包裹分拣和搬运场景中的应用。

家庭场景：终极目标

但Brett Adcock（Figure AI的创始人兼CEO）说得很清楚：工厂和仓库只是起点，家庭才是终局。

他在2025年中公开表示：到2026年底，Figure的机器人将具备在完全陌生的家庭环境中执行长周期复杂任务的能力。

2026年2月的一段内部视频更是引爆了社交媒体：Figure 03机器人在Figure公司自己的办公设施中全天候24小时自主运行，没有任何人类监督。

五、Brett Adcock：连续创业者的机器人梦

Figure AI的背后，站着一位非典型的硅谷创始人——Brett Adcock。

1986年出生于伊利诺伊州小镇Moweaqua的Adcock，16岁就开始做互联网生意。2008年从佛罗里达大学毕业后，他走上了一条典型的”连续创业者”之路：

时间 公司 领域 结果
2013年 Vettery（后更名Hired） AI招聘平台 2018年被Adecco集团以1亿美元收购
2018年 Archer Aviation 电动垂直起降飞行器（eVTOL） 2021年在纽交所上市
2022年 Figure AI 人形机器人 估值390亿美元
2023年 Cover AI安防公司 运营中
2025年 Hark 下一代AI硬件 运营中

从招聘到飞行汽车再到人形机器人，Adcock的创业轨迹看似跳跃，但有一条清晰的主线：用技术替代人类不愿意做或做不好的重复性劳动。

他创立Figure AI的直接动因是看到了一个简单但深刻的事实：全球劳动力正在萎缩，而需要体力劳动的岗位还有大量空缺。 与其指望用更多的人来填这些坑，不如造出能和人一样干活的机器人。

“我不是要造一个工具。我要造的是一个新物种。” ——Brett Adcock

六、资本的疯狂下注

Figure AI的融资历程，本身就是一部硅谷AI狂潮的缩影。

  • 2024年2月，B轮融资： 筹集6.75亿美元，估值26亿美元。投资方阵容堪称梦幻——微软、OpenAI、英伟达、亚马逊，以及杰夫·贝索斯个人出资。
  • 2025年9月，C轮融资： 再融超过10亿美元，估值暴涨至390亿美元。领投方为Parkway Venture Capital，跟投阵容包括英伟达、博枫资产管理、英特尔资本、LG、高通、Salesforce、T-Mobile等。

不到两年，估值翻了15倍。 截至2026年2月，Figure AI总融资额达到17.5亿美元。

为什么资本如此疯狂？

因为Figure证明了一件事：人形机器人不再是PPT和概念视频，它已经能在真实产线上干活、赚钱了。 有BMW的30000辆车作为背书，投资人看到的不再是一个”未来的畅想”，而是一个”正在发生的商业现实”。

七、群雄逐鹿：人形机器人赛道的四大玩家

Figure AI并不孤独。在人形机器人这条赛道上，巨头们早已跑步入场。

特斯拉 Optimus

马斯克的Optimus（擎天柱）机器人，依托特斯拉在电池、电机和自动驾驶AI方面的深厚积累，走的是垂直整合+大规模量产的路线。马斯克的目标很直接：造出人人买得起的机器人，最终让Optimus成为特斯拉最赚钱的业务。

波士顿动力 Atlas

波士顿动力是机器人界的”老牌贵族”。其Atlas机器人以极致的运动能力著称——后空翻、跑酷、搬箱子，动态平衡能力令人叹为观止。但它长期以来缺乏商业化落地，更多是”技术展示型”选手。

Agility Robotics Digit

Agility的Digit机器人走的是仓储物流路线，设计更偏功能性而非拟人化。它已经与亚马逊等客户合作，在仓库中执行搬运任务。

Figure AI——通用主义者

而Figure AI的独特之处在于：它从一开始就瞄准了”通用”二字。 不是只会搬箱子，不是只会在工厂干活，而是一个从工厂到仓库到家庭通吃的通用型人形机器人。Helix系统的”一个大脑、万能双手”哲学，让它在技术路线上与竞争对手形成了鲜明区分。

公司 代表产品 核心路线 关键词
特斯拉 Optimus 垂直整合、大规模量产 成本、规模、生态
波士顿动力 Atlas 极致运动能力 技术标杆、动态平衡
Agility Digit 仓储物流专用 功能性、垂直场景
Figure AI Figure 03 通用人形机器人 学习、通用、家庭

八、BotQ：批量制造机器人的”超级工厂”

技术再强，如果造不出足够多的机器人，一切都是空谈。

Figure AI深谙这一点。他们正在建设名为BotQ的制造设施——一座专门用来批量生产人形机器人的”超级工厂”。

初期目标：年产12000台机器人。

四年内的目标：年产100000台。

这个产能规划，透露了Figure的终极野心：他们不是在做一个小众的研究项目，而是在建设一个面向全球的机器人产业。

结语：当机器人不再需要”被编程”

Figure AI的故事，本质上是关于一个根本性转变的故事：

机器人从”被编程”变成了”自己学”。

过去，每一个机器人动作的背后，都是工程师辛辛苦苦写出来的代码。每换一个场景，就要重新编程。这让机器人永远被困在工厂里那些高度标准化的环境中。

而Figure AI用Helix系统打破了这个枷锁。当一个机器人能自己看、自己想、自己学、自己做的时候，它就不再需要一个标准化的世界了。它能适应这个凌乱的、不可预测的、属于人类的真实世界。

这意味着什么？

意味着你家里不需要为了机器人而重新装修。意味着你不需要把袜子摆成特定角度它才能捡起来。意味着它能像一个新搬来的室友一样，在你家里摸索几天，然后就知道垃圾桶在哪、碗该放哪、你喜欢把遥控器放在沙发左边还是右边。

Brett Adcock说他要造的不是工具，是一个”新物种”。

听起来狂妄。但当你看到一个没有被预先编程的机器人，在一个它从未见过的客厅里，默默收拾好了一切——你会觉得，也许他说的并不完全是吹牛。

这个时代最令人兴奋的变革之一，正在以每年15倍估值增长的速度，加速到来。

文中观点仅代表作者个人思考，如有错误欢迎指正。