作者 | 毛心如

連續三天，接連三個重大公告，應該沒有一家具身智能公司能比 Figure AI 更高調了。

此前，Figure AI 創始人在社交平臺上預告「未來三天，每天會有一個重大公告」：

9 月 16 日，宣布 C 輪融資超 10 億美元，投后估值達 390 億美元，較上輪 26 億美元估值翻了 15 倍；

9 月 17 日，與全球最大的另類資產管理公司之一 Brookfield 合作，為訓練 Helix 模型創造大量真實家庭場景；

9 月 18 日，啟動 Go-Big 項目，目標構建世界上最大、最多樣化的人形預訓練數據集，目前已經實現零樣本人機數據遷移。

這三條公告合起來是一套清晰且聯動的戰略動作：一方面，大額 C 輪融資贏得了研發、算力與量產的時間與資源；另一方面，與 Brookfield 的合作為 Helix 模型提供了大量真實場景，既降低了數據獲取成本，也搭建了數據壁壘。

Figure 同樣還在宣告，其重點向家庭場景投入研發和資金資源，除了之前展示的疊毛巾、洗碗機裝載，Figure 機器人正在拓展更多家庭場景功能。

以胡潤研究院今年 6 月發布的《2025 全球獨角獸榜》為參考，Figure AI 的估值已經來到了全球第 11 名，超越了估值 2600 億元的區塊鏈公司幣安。同時 Figure AI 也正式問鼎全球估值最高的初創具身智能公司。

除此之外，Figure AI 也打破了自身于 2024 年 2 月完成的 6.75 億美元 B 輪融資所創下的全球人形機器人單筆融資記錄。

此次 C 輪融資的敲定，宣告 Figure AI 在融資規模與估值上，為具身智能領域創造了新的紀錄。

10 億美金，解決三個問題

在此輪融資中，Figure AI 明確了資金使用的三個方向：

將人形機器人擴展到家庭和商業運營

構建下一代 GPU 基礎設施以加速訓練和模擬

為 Helix 啟動高級數據收集工作

簡單講，就是要解決「量產+商業化、算力、數據」這三個問題。

一位業內人士曾在采訪中表示，人形機器人賽道正在經歷「冰火兩重天」。一邊是相關企業獲得大額融資，估值水漲船高，另一邊則是關鍵零部件產能不足、生產工藝落后導致量產瓶頸難以突破，商業化落地舉步維艱。

Figure AI 計劃今年開始量產第三代機器人 F.03，并在 4 年內量產 10 萬臺。為此，Figure 特地建造了制造工廠 BotQ，預計初始產線年產 12000 臺，并強調「機器人參與制造自己」的概念，以提高自動化率、降低成本。

無疑 BotQ 工廠的落地為量產打下了基礎，但可靠性、維修與運維網絡才是真正決定商業化能否落地的要素。

與大家電、汽車不同，人形機器人在關節、傳感器、軟硬件協同等方面復雜度更高，部署到客戶現場后，需要成熟的遠程診斷、快速配件替換與長期學習升級方案。

換句話說，制造只是第一步，運營與生命周期成本才決定利潤。華爾街與行業媒體對 Figure 的高估值是基于對未來流量化運營的想象，但如果運維成本高于預期，商業模式就會被壓縮。

此次 C 輪投資中，英偉達參與了追投。而前不久英偉達發布的新款「機器人大腦」NVIDIA Jetson AGX Thor，Figure AI 跟宇樹、銀河通用一樣，都是首批體驗用戶。

在公告里，Figure AI 明確要構建下一代 NVIDIA GPU 基礎架構，用于加速訓練與仿真。要訓練 Helix 這類端到端 VLA 模型，尤其是進行大規模仿真和在線訓練，對 GPU 集群、低延遲互聯和成本控制的要求極高。

綁定英偉達這樣的「算力大腿」，至少對于 Figure 而言是一筆穩賺不虧的買賣。因為算力不只是一筆單純的資本性支出，它直接決定研發速度、模型迭代頻次與仿真覆蓋面。

很多機器人公司在早期靠秀 Demo 就能夠吸引階段性融資和訂單，但要跨越「從實驗室到現實世界」的鴻溝，就必須依賴指數級增長的數據與訓練循環，而這需建立在穩定、可持續、可負擔的算力基礎之上。

而在數據方面，Figure 與 Brookfield 的合作側面揭開了真實世界數據的兩個挑戰：

一是規模與覆蓋，這需要在千變萬化的環境、不同人體、物件與任務下采集；

二是隱私、合規與標注成本，真實場景里人臉、人物隱私，場地同意等問題讓數據采集問題變得敏感。

許多研究表明，只有依托大量且多樣化的真實交互數據，才能將仿真訓練中學到的策略推向現實環境，并保障其長期可靠性。

牽手巨頭，Helix 有新突破

剛宣布與 Brookfield 的合作時，有些人感到失望，以為會是發布技術更新內容。但從合作內容來看，Figure AI 在為第三天 Helix 的模型升級做鋪墊。

作為此次 C 輪融資的投資方之一，Brookfield 是全球最大的資產管理公司之一，擁有超過 1 萬億美元的資產和 10 萬個住宅單元。

數據顯示，其住宅空置率至少約為 5%，這意味著至少有約 5000 套配有基本家具的空置住宅，可作為 Figure 進行數據采集的真實場景，用于 Helix 模型訓練。

從公告來看，兩家公司合作主要通過三個渠道：

利用 Brookfield 的工業、商業空間：在大量不同類型的真實場景收集頻、深度、力覺、語音、操作軌跡等多模態數據

搭建可擴展訓練與邊緣基礎設施：在存儲、標注、模型訓練與持續在線評估方面形成工業級流水線，支持大規模 Helix 訓練與推理。

與商業部署閉環結合：在 Brookfield 管理的商業場景中進行早期真實部署試驗，加速「數據-模型-部署-反饋」的閉環。

人類訓練視頻

隨即啟動的 Go-Big 項目，宣告著 Helix 模型的升級。在與 Brookfield 的初期部署中，Figure 機器人經過人類第一視角視頻針對性訓練，可執行「去冰箱拿東西」等自然語言指令，并實現自主導航。

在此前的 Helix 模型展示中，機器人大多專注上半身任務，例如分揀包裹、疊毛巾、洗碗機裝載等。但如果要讓機器人在家庭這類非結構化環境中真正發揮作用，智能導航能力才是關鍵。

通過前期采集的人類導航數據，Helix 能直接將人類策略轉化為機器人控制，無需機器人演示，僅靠新加入的訓練數據即可實現。

目前，Go-Big 項目已為 Helix 帶來三點升級：

語音導航：Helix 可以直觀地響應對話命令，例如「去澆花」，從像素自動生成閉環控制，在復雜家居環境中自主移動

單一且統一的模型：One Helix 網絡同時輸出靈巧操作指令與導航命令，不再依賴多套分系統

零樣本人機遷移：首次實現僅憑人類視頻就完成端到端學習——從圖像和語言直接生成底層 SE(2)速度指令

與 Brookfield 的這次合作，其實是 Figure AI 為解決算法模型難題打出的一張「明牌」。

王興興曾表示過，數據非常重要，但優質數據稀缺且難以辨別，只有提升數據利用率，模型端才能得到實質進步。

所以 Figure 的第一步就是建立數據壁壘。人形機器人要在真實世界可靠運行，依賴覆蓋面廣、標注細致、包含豐富人機交互的真實數據集。Brookfield 的場景資源降低了 Figure 獲取這類數據的時間與金錢成本。

相應的，Brookfield 的場景網絡系統化用于數據采集，Figure 能獲得大量覆蓋商業與家庭環境的多元數據，這將直接提升模型泛化與魯棒性。

此外，這些住宅場景既是訓練場也是試驗田和最終部署點，可以推動 Figure 快速迭代并搭建「部署-數據-迭代」的商業閉環。

這次合作也建立了從研究到規模化的橋梁。很多機器人或大模型成果在受控環境效果好，但遷移到真實、雜亂的環境表現容易失效。Go-Big 項目的目的，就是把「訓練分布」真實化，從而縮短研發到量產和商業部署的鴻溝。

具身智能，終局考驗在「人」的押注

今年，具身智能一直處在投資熱潮，無論是國內銀河通用的 12 億元融資、自變量的 10 億元融資，還是 Figure AI 的 10 億美元融資，無不展現出資本市場對這一賽道的看好。

對研發技術難、周期長，資金需求大的具身智能行業來說，投資人除了「投技術」，也要「投人、投故事」，這一點在美國資本市場尤其明顯。

Figure AI 的創始人 Brett Adcock 曾連續成功創業 2 次，2012 年他押注線上人才市場創辦了 Vettery，2018 年押注電動飛行器創辦了 Archer Aviation。2022 年，他創辦了 Figure AI，押注人形機器人會是 AGI 的終極形態。

從 Brett Adcock 的創業路徑不難看出，他敢于押注「超前」方向，尤其擅長長周期、大敘事行業。他不僅擁有將早期科技公司做大并成功退出的記錄，還擁有硬件+平臺的雙重經驗。

而美國資本愿意頻頻向 Figure AI 下注，主要基于四個核心因素。

首先是創始人與團隊敘事夠吸引人。硅谷與機構投資人偏好能夠把復雜工程化成可交付產品的創始人，而 Brett Adcock 的履歷恰好契合，當投資者相信這個人能把事做成時，他們愿意用資金換取時間窗口。

第二是市場想象空間夠大。人形機器人走入工廠和家庭，意味著其長期可服務總量大，資本愿意為潛在巨量市場支付溢價，哪怕當前收入很少。華爾街與 VC 在判斷早期硬科技時，經常以「未來收入的折現敘事」作為重要依據。

第三是其技術路線的獨特性。Figure AI 以軟硬一體路線為主導策略，既有自研 VLA 模型 Helix，又擁有自建工廠 BotQ，一旦自研大模型趨于成熟，Figure AI 會迅速建立起技術壁壘。

事實上，美國市場上與 Figure AI 同路線的競爭對手只有特斯拉 Optimus，但特斯拉在公司性質上跟 Figure AI 截然不同。

而其他潛在競爭對手，Agility 和 Apptronik 注重硬件，大模型缺位；Skild AI 更注重軟件，本體穩定性不及 Figure AI；Physical Intelligence 和 Field AI 則只做機器人大腦。

最后就是要客觀看待美國的資本環境，美國市場在 AI 狂熱前已經積累了大量的基金備用金，再加上本地可投資標的少，Figure AI 又在技術路徑上更具備優勢，所以可以持續獲得大量投資。

跳出資本視角回看，具身智能最終考驗的還是對「人」的押注：創始人對團隊的管理、對技術路線的判斷、對外宣傳的節奏、對投資人講故事的技巧……這些都與公司命運緊密相關。

而 Brett Adcock 顯然是個成功的會「講好故事」的創始人。

所謂「講好故事」包含兩層：一是融資敘事，讓風投與戰略巨頭相信其路線圖值得長期投入；二是產品敘事，讓潛在客戶相信你能在短期內解決他們的痛點。

在具身智能領域，這兩者互為放大器：資本注入提供實驗資源，好的落地成果反過來驗證敘事，吸引下一輪資本與客戶。

因此，Figure 無論是展示機器人 Demo、公布工廠計劃，還是宣布戰略客戶，都有節奏、有策略，這也為其贏得巨額資金打下現實基礎。

截至目前，Figure AI 累計融資金額已達 17.54 億美元，估值高達 390 億美元。公開合作客戶包括與寶馬的試驗性部署與數據采集，以及與 Brookfield 的合作，旨在擴大真實場景數據獲取與商業落地渠道。

具身智能行業正處于「群雄逐鹿」的階段，Figure AI 的暫時領先，為行業注入了活力，但也讓我們看到，這一領域沒有「一勞永逸」的成功，只有「持續迭代」的生存。

未來，Figure AI 能否將優勢轉化為「勝勢」，關鍵在于能否把融資額變成技術成果，把 Demo 能力變成產品實力。

當機器人真正能看懂復雜場景、理解人類意圖、可靠完成任務時，具身智能的價值才會真正落地。

       原文標題 : 估值全球第一，Figure AI 有頂級陽謀