夜雨聆风一、公司概况与核心数据
项目 | 详情 |
全称 | Figure AI, Inc. |
成立时间 | 2022年5月 |
创始人 | Brett Adcock（Vettery/Hired、Archer Aviation 创始人） |
总部 | 美国加州圣何塞 |
员工数 | 约180人（截至2025年） |
估值 | 390亿美元（2025年9月C轮融资后） |
累计融资 | 超17亿美元 |
赛道 | 人形机器人 + 端到端AI大模型 |
核心技术 | Helix VLA（视觉-语言-动作模型） |
产品代数 | Figure 01 → 02 → 03（3年3代） |
制造能力 | BotQ 工厂（年产能12,000台） |
公司使命 | 将商业可行的人形机器人推向市场 |
💡 核心定位
通用型人形机器人：不是专用机器人，而是能执行多种任务的通用平台 端到端 AI 驱动：Helix VLA 模型实现从感知到行动的闭环 垂直整合：自研 AI 模型 + 自研硬件 + 自主制造 目标市场：短期工业场景（物流/制造），长期家庭场景
二、融资历程全景（超17亿美元）
时间 | 轮次 | 金额 | 关键投资方 | 估值 |
2023.05 | 早期 | $7,000万 | Brett Adcock个人投$2,000万、Parkway Venture Capital | — |
2024.02 | A轮 | $6.75亿 | Jeff Bezos、Microsoft、Nvidia、Intel、Amazon、OpenAI | $26亿 |
2025.09 | C轮 | 超$10亿 | Brookfield、Intel、Macquarie、Nvidia、Qualcomm、Salesforce、T-Mobile | $390亿 |
融资亮点深度分析
·1. 估值增速：15倍增长仅18个月
·2. 投资方阵容：全球顶级资本全覆盖
·3. 战略投资逻辑分析
Nvidia：GPU 算力 + AI 生态绑定，Figure 是 Nvidia 机器人战略的核心载体 Amazon：物流场景落地，Amazon 是全球最大物流运营商，Figure 可直接进入其供应链 Microsoft：Azure 云 + AI 技术栈整合 Intel：芯片供应链 + 制造经验 Bezos：个人看好通用机器人赛道，与 Amazon 形成协同
·4. 资金用途推测
AI 模型研发（Helix 训练成本极高，预计单次训练数百万美元） BotQ 工厂建设与产线搭建 硬件研发与迭代（传感器、执行器、电池系统） 团队扩张（从180人向千人规模迈进） 安全认证与合规成本
💡 关键洞察
17亿美元融资在机器人领域是断层式领先，第二梯队（如 Agility Robotics）融资额约5-8亿美元 C轮后公司现金储备充足，短期无融资压力，可专注于产品和技术 但 $390 亿估值意味着市场期待公司在 3-5 年内实现百亿级营收
三、产品迭代：三代人形机器人技术演进
Figure 01（2022年）— 概念验证
Figure 02（2024年8月）— 工业部署级
维度 | Figure 02 规格 |
自由度 | 35 DOF（全身）+ 16 DOF（双手） |
手部承重 | 25公斤 |
摄像头 | 6个RGB摄像头 |
算力 | 前代3倍，双GPU（Nvidia支持） |
电池 | 躯干位置 |
通信 | 内置麦克风、扬声器，支持人机对话 |
工业设计 | 线缆集成到四肢内部，大幅升级 |
AI模型 | Helix 01 VLA 模型 |
定位 | 工业部署级 |
Figure 03（2025年10月）— 通用型革命
维度 | Figure 03 升级 |
设计哲学 | 通用型机器人，可直接从人类学习 |
摄像头系统 | 帧率2倍、延迟1/4、视野宽60% |
手部摄像头 | 每只手内置摄像头（行业首创） |
触觉传感器 | 指尖可检测低至3克的力（极高灵敏度） |
材料 | 软性材料 + 电池保护（安全性提升） |
外壳 | 可拆卸、可水洗纺织物 |
充电 | 无线感应充电 |
安全性 | 软性材料保护电池，降低安全风险 |
公开亮相 | 2026年3月白宫活动（Melania Trump出席推广） |
💡 Figure 03 技术突破深度分析
手部内置摄像头：行业首创，使机器人能"看到"自己抓取的动作，极大提升操作精度 3克力检测：接近人类指尖灵敏度（人类可检测约2-3克力），使精细操作成为可能 摄像头系统升级：帧率翻倍 + 延迟降至1/4 = 实时响应能力大幅提升，对安全至关重要 无线感应充电：消除物理连接，提升自主性和使用便利性 可水洗外壳：适应工业环境（油污、灰尘），降低维护成本
四、AI大脑：Helix VLA 模型深度解析
4.1 与 OpenAI 的合作与分手
⚠️ OpenAI 分手的影响
正面：摆脱对 OpenAI 的依赖，掌握核心技术自主权 负面：失去 OpenAI 的 LLM 能力加持，AI 能力需要完全自研 深层原因：可能涉及数据共享、模型控制权、商业利益分配等复杂因素
4.2 Helix 模型版本演进
版本 | 发布时间 | 核心能力 | 技术突破 |
Helix 01 | 2025年初 | 视觉-语言-动作模型 | 可同时控制最多2台机器人；无需大量手动训练即可操作几乎任何小型家用物品 |
Helix 02 | 2026.01 | 全身自主控制 | 将AI模型扩展到全身，实现功能性自主；基于运动捕捉数据和仿真机器学习，已能完成洗碗机的装卸操作 |
4.3 VLA 模型技术架构推测
模块 | 功能 | 技术推测 |
视觉编码器 | 处理摄像头输入 | 多模态视觉Transformer，处理6+摄像头实时视频流 |
语言理解模块 | 理解人类指令 | 基于大语言模型，支持自然语言指令解析 |
动作生成器 | 输出机器人控制信号 | 端到端生成关节力矩/位置指令，高频率控制（推测100Hz+） |
世界模型 | 理解物理环境 | 预测动作结果，避免碰撞，规划路径 |
仿真训练环境 | 大规模训练 | 基于Isaac Sim或自研仿真器，数百万次虚拟训练 |
实时推理引擎 | 部署时推理 | 双GPU配置，低延迟推理（<50ms） |
💡 Helix 的核心技术壁垒
端到端训练：从像素到动作的端到端学习，避免传统机器人系统的模块化误差累积 高频率控制：Adcock 明确指出"真正的瓶颈在于高频率机器人控制"，Helix 的控制频率是核心竞争力 多机器人协同：Helix 01 可同时控制2台机器人，为未来多机器人协作奠定基础 运动捕捉数据训练：Helix 02 利用运动捕捉数据，使机器人能学习人类动作 仿真到现实迁移：通过大规模仿真训练 + 现实微调，加速能力进化
五、制造能力：BotQ 工厂与供应链分析
5.1 BotQ 工厂
维度 | BotQ 工厂规格 |
宣布时间 | 2025年初 |
年产能目标 | 12,000台 |
核心特色 | 用自己的机器人制造机器人 |
定位 | 大规模量产基础设施 |
垂直整合 | 自研自产，减少外部依赖 |
5.2 供应链深度分析
供应链环节 | 关键组件 | 推测供应商 | 风险等级 |
AI算力 | GPU（Nvidia） | Nvidia（H100/Blackwell或定制芯片） | 🟡 中 |
执行器 | 电机、减速器、谐波驱动器 | 日本Harmonic Drive、德国Neugart或自研 | 🟡 中 |
传感器 | 摄像头、力矩传感器、IMU | Sony（摄像头）、定制力传感器 | 🟢 低 |
电池 | 高能量密度电池组 | LG Energy Solution、Panasonic或宁德时代 | 🟡 中 |
结构件 | 轻量化合金框架 | 本地精密加工供应商 | 🟢 低 |
手部系统 | 多自由度灵巧手 | 自研（核心机密） | 🔴 高 |
控制系统 | 实时控制板卡 | 自研或Xilinx/Intel定制 | 🟡 中 |
⚠️ 供应链风险
GPU依赖：高度依赖 Nvidia GPU，地缘政治风险可能影响供应 手部系统：多自由度灵巧手是核心机密，自研难度大，量产良率是关键 电池安全：高能量密度电池在运动中的安全性需要严格验证 执行器成本：高性能执行器占整机成本约30-40%，降本空间有限
六、核心合作伙伴与部署案例
合作伙伴 | 合作内容 | 进展状态 | 战略意义 |
BMW | 2024年1月宣布，部署人形机器人到汽车制造工厂 | 试点阶段 | 全球顶级车企背书，验证工业场景 |
Nvidia | GPU算力支持 + 投资方 | 持续合作 | 算力基础设施 + AI生态绑定 |
Microsoft | 投资方 | 持续合作 | Azure云 + AI技术栈整合 |
Amazon | 投资方 + 物流场景潜在合作 | 潜在合作 | 全球最大物流运营商，巨大落地场景 |
OpenAI | 早期AI模型合作 | 已结束 | 合作终止，全面自研 |
6.1 BMW 部署案例深度分析
零部件搬运：汽车工厂需要大量重复性搬运工作，人形机器人可替代人工 质量检测：利用视觉系统检测车身焊接、涂装质量 装配辅助：在狭小空间内辅助工人进行装配作业 物流搬运：工厂内部零部件搬运和配送
💡 BMW 合作的战略意义
全球顶级车企背书：BMW 的验证是工业场景落地的关键里程碑 真实工业环境测试：工厂环境比实验室复杂得多，是技术成熟度的试金石 规模化部署入口：BMW 全球多家工厂，一旦验证成功，可快速扩展 品牌效应：BMW 合作提升了 Figure 在工业领域的品牌影响力
七、竞争优势与护城河分析
7.1 核心壁垒
壁垒维度 | 具体表现 | 壁垒强度 |
资金优势 | 390亿估值 + 超17亿美元融资，行业第一梯队 | 🔴🔴🔴 极强 |
Helix VLA模型 | 端到端视觉-语言-动作模型，是真正的大脑 | 🔴🔴🔴 极强 |
快速迭代 | 3年出3代硬件，迭代速度远超同行 | 🔴🔴 强 |
制造能力 | BotQ工厂自研自产，垂直整合 | 🔴🔴 强 |
顶级资本背书 | Bezos、Nvidia、Microsoft、Amazon等全部押注 | 🔴🔴 强 |
数据飞轮 | 部署越多 → 数据越多 → 模型越强 → 部署更多 | 🔴🔴 强 |
品牌效应 | 人形机器人领域知名度最高 | 🔴 中等 |
7.2 数据飞轮效应
💡 护城河总结
短期壁垒：资金优势 + 品牌效应 → 吸引顶级人才 中期壁垒：Helix 模型能力 + 快速迭代 → 产品领先 长期壁垒：数据飞轮 + 制造能力 → 生态锁定 最大风险：如果 Helix 模型能力被竞争对手追上，资金优势将迅速转化为竞争劣势（估值过高）
八、全球竞品深度对比
8.1 Figure AI vs Tesla Optimus
维度 | Figure AI | Tesla Optimus | 优势方 |
估值 | $390亿 | 未独立上市（Tesla整体估值） | Figure |
融资 | 超$17亿 | 自研自投 | Figure |
AI策略 | 自研Helix VLA | 自研FSD迁移 | 平手 |
制造 | BotQ工厂（年12,000台） | Tesla超级工厂 | Tesla |
迭代速度 | 极快（3年3代） | 稳步推进 | Figure |
量产能力 | 初期阶段 | 成熟（汽车量产经验） | Tesla |
供应链 | 建设中 | 成熟汽车供应链 | Tesla |
品牌 | 机器人领域最强 | 全球顶级品牌 | Tesla |
数据积累 | 机器人场景数据 | FSD海量驾驶数据 | Tesla |
资金 | 17亿融资 | Tesla现金流支撑 | Tesla |
团队规模 | 约180人 | Tesla整体团队 | Tesla |
专注度 | 专注人形机器人 | 多线作战（汽车/AI/机器人） | Figure |
8.2 其他主要竞品
公司 | 国家 | 融资 | 估值 | 产品特点 | 与Figure差距 |
Agility Robotics | 美国 | ~$5亿 | ~$10亿 | Digit专用机器人，已商用 | 专用vs通用，技术路线不同 |
Boston Dynamics | 韩国现代旗下 | 被收购 | — | Atlas人形机器人2024发布 | AI能力较弱，运动控制强 |
1X Technologies | 挪威 | ~$2亿 | ~$10亿 | NEO家庭机器人 | 规模小，技术积累不足 |
Unitree宇树科技 | 中国 | 持续融资 | ~$10亿+ | H1/G1性价比高 | AI能力差距大，硬件成本低 |
Fourier Intelligence | 中国 | 持续融资 | — | GR-1工业机器人 | 专注工业，AI能力有限 |
优必选 | 中国 | 已上市（港股） | — | Walker系列 | 上市早但技术落后 |
星动纪元 | 中国 | 早期 | — | Star1 | 早期阶段 |
智元机器人 | 中国 | 持续融资 | — | 远征系列 | 军方背景，AI能力待验证 |
💡 竞争格局总结
全球第一梯队：Figure AI + Tesla Optimus（断层领先） 第二梯队：Agility Robotics、Boston Dynamics（专用/半通用） 第三梯队：1X、宇树科技、Fourier等（追赶者） 中国厂商：硬件成本低，但AI能力（VLA模型）差距明显，短期难以超越 Figure的核心优势：资金 + AI模型 + 迭代速度 + 品牌，四者叠加形成领先
九、市场分析与商业化路径
9.1 市场规模预测
市场 | 2026年规模 | 2030年预测 | 2035年预测 | 关键驱动因素 |
工业人形机器人 | $5亿 | $50-100亿 | $500-1000亿 | 劳动力短缺、制造业自动化 |
家庭人形机器人 | $0.1亿 | $10-50亿 | $500-2000亿 | 老龄化、服务需求增长 |
物流人形机器人 | $1亿 | $20-50亿 | $200-500亿 | 电商增长、仓储自动化 |
合计 | ~$6亿 | ~$80-200亿 | ~$1200-3500亿 | — |
9.2 商业化路径
阶段 | 时间 | 目标场景 | 产品 | 定价策略 | 关键里程碑 |
Phase 1: 验证 | 2024-2025 | 汽车制造、物流试点 | Figure 02 | 免费/低价试点 | BMW部署、Helix 01 |
Phase 2: 早期商用 | 2026-2027 | 工业场景小规模部署 | Figure 03 | $50-100万/台 | 年销量100-500台 |
Phase 3: 规模商用 | 2028-2030 | 多行业规模化部署 | Figure 04+ | $30-50万/台 | 年销量1000-5000台 |
Phase 4: 家庭进入 | 2030+ | 家庭场景 | Figure Home | $20-30万/台 | 年销量10000+台 |
💡 商业化关键假设
工业场景先于家庭场景：工业环境结构化程度高，AI更容易部署 定价策略：初期高价（$50-100万）覆盖研发成本，规模效应后降至$20-30万 租赁模式：可能采用RaaS（Robot-as-a-Service）租赁模式，降低客户门槛 软件订阅：Helix模型持续升级可能采用订阅制，形成经常性收入
十、财务预测与估值分析
10.1 营收预测（情景分析）
情景 | 2027E | 2028E | 2029E | 2030E | 假设 |
乐观 | $2亿 | $10亿 | $30亿 | $60亿 | 快速通过安全认证，多行业部署 |
基准 | $0.5亿 | $3亿 | $10亿 | $25亿 | 稳步推进，工业场景为主 |
悲观 | $0.1亿 | $0.5亿 | $1.5亿 | $3亿 | 安全事件延迟部署，技术瓶颈 |
10.2 单机成本估算
成本项 | Figure 02（早期） | Figure 03（规模量产后） | 占比 |
执行器（电机+减速器） | $80,000 | $40,000 | 30-35% |
AI算力（GPU） | $30,000 | $15,000 | 12-15% |
传感器系统 | $15,000 | $8,000 | 6-8% |
电池系统 | $10,000 | $5,000 | 4-5% |
结构件+外壳 | $20,000 | $10,000 | 8-10% |
手部系统 | $25,000 | $12,000 | 10-12% |
控制系统 | $10,000 | $5,000 | 4-5% |
其他 | $10,000 | $5,000 | 4-5% |
合计 | ~$200,000 | ~$100,000 | 100% |
💡 估值合理性分析
当前估值 $390 亿，按基准情景 2030 年营收 $25 亿计算，PS = 15.6x 对比：Tesla 2020年 PS 约 30x，Nvidia PS 约 35x（2024） 如果 Figure 能在 2030 年实现 $25 亿营收且毛利率 > 40%，当前估值合理 但如果技术进展不及预期或安全事件发生，估值可能大幅回调 关键变量：Helix 模型能力进化速度 + BotQ 工厂量产良率 + 安全认证进度
十一、创始人 Brett Adcock 深度画像
项目 | 详情 |
全名 | Brett Adcock |
出生 | 1986年4月6日，美国伊利诺伊州 Moweaqua |
年龄 | 40岁 |
教育 | 佛罗里达大学，商业管理学士（BSBA），2008年毕业，班级第一名（valedictorian） |
净资产 | 约190亿美元（2026年2月 Forbes/NYT 估算） |
家庭 | 已婚，3个孩子，住在加州帕洛阿尔托 |
创业履历 | Vettery/Hired（2013，被Adecco $1亿收购）→ Archer Aviation（2018，纽交所上市）→ Figure AI（2022）→ Cover（2023）→ Hark（2025） |
11.1 个人特质深度分析
特质 | 表现 | 对Figure AI的影响 |
农场出身 | 在伊利诺伊州第三代家族农场长大，16岁开始做互联网公司 | 对体力劳动有切身体会，理解劳动力短缺的真实痛点 |
连续创业成功 | Vettery被收购 + Archer上市 | 积累了资本运作和规模化经验，投资人信任度高 |
eVTOL经验 | Archer的硬件+AI+监管经验 | 直接迁移到机器人领域（硬件+AI+监管三重门槛） |
科幻迷 | 痴迷艾萨克·阿西莫夫的"机器人系列"小说 | 对"通用机器人"的愿景有深层信念支撑，不是追风口 |
亲测产品 | 在自己家里测试Figure机器人 | 产品导向，注重用户体验 |
大胆预言 | "10年内，每个家庭都会有一个人形机器人" | 设定极高目标，推动团队突破极限 |
190亿身家 | 个人利益与公司深度绑定 | 有足够的资本继续豪赌，不会轻易放弃 |
11.2 多线作战风险
十二、核心团队：梦之队解析
来源公司 | 领域 | 贡献 |
Boston Dynamics | 机器人动力学、运动控制 | 人形机器人运动算法、平衡控制、机械系统设计 |
Tesla | 自动驾驶、大规模制造 | AI感知系统、量产经验、成本控制 |
Google DeepMind | AI/强化学习 | 机器学习模型、强化学习训练框架 |
Apple | 硬件设计、精密制造 | 工业设计、传感器集成、精密制造工艺 |
维度 | 详情 |
团队规模 | 约180名员工（截至2025年） |
经验总和 | 超过100年的AI与人形机器人经验 |
办公地点 | 全部集中在加州圣何塞总部，强调线下协作 |
文化关键词 | "Championship Mindset"（冠军心态）——像一支赢的团队一样运作 |
管理风格 | 高度聚焦，互相推动到最高水平 |
公开信息 | 官网没有列出管理层名单，保密文化 |
⚠️ 团队风险
过度依赖创始人：公司高度围绕Adcock个人vision运转 安全争议：前安全主管起诉事件暴露了"快速迭代"文化可能牺牲安全审查 团队保密性：核心成员不公开，不利于吸引顶级人才 多线作战：Adcock同时运营Figure AI、Cover、Hark三家公司，精力分散风险
十三、风险与挑战全景
风险类别 | 具体风险 | 概率 | 影响 | 缓解措施 |
安全风险 | 机器人伤害人类（前安全主管起诉事件） | 🟡 中 | 🔴 极高 | 加强安全审查，独立安全团队 |
技术风险 | Helix模型能力不及预期 | 🟡 中 | 🔴 极高 | 持续投入研发，多团队并行 |
技术风险 | 泛化能力不足，无法处理新场景 | 🟡 中 | 🔴 高 | 扩大训练数据，仿真到现实迁移 |
市场风险 | 商业化进度慢于预期 | 🟡 中 | 🟡 中 | 多场景并行部署，RaaS模式 |
竞争风险 | Tesla Optimus快速追赶 | 🔴 高 | 🟡 中 | 保持迭代速度优势，数据飞轮 |
竞争风险 | 中国厂商成本优势 | 🟡 中 | 🟡 中 | 聚焦高端市场，AI能力壁垒 |
监管风险 | 安全认证延迟 | 🟡 中 | 🔴 高 | 提前布局认证，与监管机构合作 |
监管风险 | 责任框架不明确 | 🟡 中 | 🟡 中 | 参与标准制定，购买保险 |
财务风险 | 估值过高，融资环境变化 | 🟡 中 | 🔴 高 | 现金储备充足，控制烧钱速度 |
供应链风险 | GPU供应受限 | 🟡 中 | 🟡 中 | 多供应商策略，自研芯片 |
团队风险 | 核心人才流失 | 🟡 中 | 🟡 中 | 股权激励，文化建设 |
声誉风险 | 安全事件公关危机 | 🟡 中 | 🔴 极高 | 透明沟通，快速响应 |
十四、监管与合规框架
监管维度 | 当前状态 | Figure AI 应对策略 | 时间线 |
产品安全认证 | ISO 13482（服务机器人安全）正在制定中 | 提前参与标准制定，主动送检 | 2026-2027 |
AI安全 | EU AI Act 将高风险AI系统纳入监管 | 建立AI安全团队，透明化模型能力 | 2026 |
数据隐私 | GDPR/CCPA 对数据采集的限制 | 本地化处理，最小化数据采集 | 持续 |
责任框架 | 机器人造成伤害的责任归属不明确 | 购买产品责任险，参与立法讨论 | 2027-2028 |
出口管制 | AI/机器人技术可能受出口管制 | 合规团队，多区域布局 | 持续 |
劳工法规 | 机器人替代工人的社会影响 | 与工会合作，强调"辅助"而非"替代" | 持续 |
⚠️ 安全事件风险
十五、技术路线图（2026-2029）
时间 | 硬件 | AI模型 | 制造 | 部署目标 |
2026 H1 | Figure 03 量产 | Helix 02 持续优化 | BotQ工厂产能爬坡 | BMW等合作伙伴试点扩展 |
2026 H2 | Figure 03 迭代版 | Helix 03（多模态增强） | 年产能6,000台 | 多行业部署（物流/制造） |
2027 | Figure 04 发布 | Helix 04（通用任务能力） | 年产能12,000台 | 年销量500-1,000台 |
2028 | Figure 05（成本优化版） | Helix 05（家庭场景优化） | 年产能20,000台 | 年销量2,000-5,000台 |
2029 | Figure Home（家庭版） | Helix Home（家庭AI） | 年产能50,000台 | 家庭场景试点 |
💡 技术路线图关键假设
硬件迭代周期：保持每年一代的节奏（Figure 03 → 04 → 05 → Home） AI模型进化：Helix 从工业场景向家庭场景扩展，通用性持续提升 制造能力提升：BotQ 工厂从 6,000 台/年到 50,000 台/年 成本下降：单机成本从 $200K（早期）降至 $50K 以下（规模量产后） 关键风险：如果 AI 模型进化速度跟不上硬件迭代，将造成"有身体无大脑"的局面
十六、对中国厂商的战略启示
启示维度 | Figure AI 做法 | 对中国厂商的建议 |
技术路线 | 端到端 VLA 模型，自研AI | 放弃"套壳LLM"思路，投入真端到端模型研发 |
硬件迭代 | 3年3代，快速试错 | 缩短迭代周期，从"完美主义"转向"快速验证" |
制造能力 | 自研自产，垂直整合 | 早期可代工，但必须自建制造能力 |
数据策略 | 真实场景部署获取数据 | 尽早进入真实场景，而非仅停留在实验室 |
资本策略 | 顶级资本全覆盖 | 吸引产业资本（车企/互联网/制造）而非仅财务投资 |
人才策略 | 从顶级公司挖"梦之队" | 全球招募，特别是海外华人AI/机器人人才 |
品牌策略 | 产品演示驱动，低调神秘 | 用真实能力说话，避免过度营销 |
安全文化 | 需要改进 | 将安全置于速度之上，建立独立安全审查 |
💡 中国厂商的差异化机会
成本优势：中国供应链成本更低，可打造性价比更高的产品 场景优势：中国制造业规模全球最大，部署场景丰富 政策优势：中国政府大力支持机器人产业，政策环境友好 AI人才：中国AI人才储备充足，但需要更好的激励机制 风险提示：AI模型能力（特别是端到端VLA）是最大短板，需要长期投入
十七、总结与投资建议
17.1 核心结论
维度 | 评级 | 说明 |
技术领先性 | ⭐⭐⭐⭐⭐ | Helix VLA 模型 + 快速硬件迭代，全球领先 |
商业化前景 | ⭐⭐⭐⭐ | 工业场景明确，但家庭场景仍需时间 |
团队能力 | ⭐⭐⭐⭐⭐ | 梦之队 + 连续创业成功的创始人 |
财务状况 | ⭐⭐⭐⭐ | 17亿融资 + 390亿估值，现金充足 |
风险水平 | ⭐⭐⭐ | 安全 + 技术 + 估值风险并存 |
综合评级 | ⭐⭐⭐⭐½ | 人形机器人赛道最值得关注公司 |
17.2 短期看点（2026年下半年）
Helix 02 的实际部署效果：能否完成洗碗机装卸等复杂任务？ BotQ 工厂产能爬坡：能否达到年产能目标？良率如何？ BMW 部署进展：试点效果如何？是否扩展到其他工厂？ 安全认证进度：能否通过关键安全认证？ Figure 03 量产：手部摄像头 + 触觉传感器能否稳定量产？