估值全球第一，Figure AI 有顶级阳谋

作者 | 毛心如

连续三天，接连三个重大公告，应该没有一家具身智能公司能比 Figure AI 更高调了。

此前，Figure AI 创始人在社交平台上预告「未来三天，每天会有一个重大公告」：

• 9 月 16 日，宣布 C 轮融资超 10 亿美元，投后估值达 390 亿美元，较上轮 26 亿美元估值翻了 15 倍；

• 9 月 17 日，与全球最大的另类资产管理公司之一 Brookfield 合作，为训练 Helix 模型创造大量真实家庭场景；

• 9 月 18 日，启动 Go-Big 项目，目标构建世界上最大、最多样化的人形预训练数据集，目前已经实现零样本人机数据迁移。

这三条公告合起来是一套清晰且联动的战略动作：一方面，大额 C 轮融资赢得了研发、算力与量产的时间与资源；另一方面，与 Brookfield 的合作为 Helix 模型提供了大量真实场景，既降低了数据获取成本，也搭建了数据壁垒。

Figure 同样还在宣告，其重点向家庭场景投入研发和资金资源，除了之前展示的叠毛巾、洗碗机装载，Figure 机器人正在拓展更多家庭场景功能。

以胡润研究院今年 6 月发布的《2025 全球独角兽榜》为参考，Figure AI 的估值已经来到了全球第 11 名，超越了估值 2600 亿元的区块链公司币安。同时 Figure AI 也正式问鼎全球估值最高的初创具身智能公司。

除此之外，Figure AI 也打破了自身于 2024 年 2 月完成的 6.75 亿美元 B 轮融资所创下的全球人形机器人单笔融资记录。

此次 C 轮融资的敲定，宣告 Figure AI 在融资规模与估值上，为具身智能领域创造了新的纪录。

10 亿美金，解决三个问题

在此轮融资中，Figure AI 明确了资金使用的三个方向：

• 将人形机器人扩展到家庭和商业运营

• 构建下一代 GPU 基础设施以加速训练和模拟

• 为 Helix 启动高级数据收集工作

简单讲，就是要解决「量产+商业化、算力、数据」这三个问题。

一位业内人士曾在采访中表示，人形机器人赛道正在经历「冰火两重天」。一边是相关企业获得大额融资，估值水涨船高，另一边则是关键零部件产能不足、生产工艺落后导致量产瓶颈难以突破，商业化落地举步维艰。

Figure AI 计划今年开始量产第三代机器人 F.03，并在 4 年内量产 10 万台。为此，Figure 特地建造了制造工厂 BotQ，预计初始产线年产 12000 台，并强调「机器人参与制造自己」的概念，以提高自动化率、降低成本。

无疑 BotQ 工厂的落地为量产打下了基础，但可靠性、维修与运维网络才是真正决定商业化能否落地的要素。

与大家电、汽车不同，人形机器人在关节、传感器、软硬件协同等方面复杂度更高，部署到客户现场后，需要成熟的远程诊断、快速配件替换与长期学习升级方案。

换句话说，制造只是第一步，运营与生命周期成本才决定利润。华尔街与行业媒体对 Figure 的高估值是基于对未来流量化运营的想象，但如果运维成本高于预期，商业模式就会被压缩。

此次 C 轮投资中，英伟达参与了追投。而前不久英伟达发布的新款「机器人大脑」NVIDIA Jetson AGX Thor，Figure AI 跟宇树、银河通用一样，都是首批体验用户。

在公告里，Figure AI 明确要构建下一代 NVIDIA GPU 基础架构，用于加速训练与仿真。要训练 Helix 这类端到端 VLA 模型，尤其是进行大规模仿真和在线训练，对 GPU 集群、低延迟互联和成本控制的要求极高。

绑定英伟达这样的「算力大腿」，至少对于 Figure 而言是一笔稳赚不亏的买卖。因为算力不只是一笔单纯的资本性支出，它直接决定研发速度、模型迭代频次与仿真覆盖面。

很多机器人公司在早期靠秀 Demo 就能够吸引阶段性融资和订单，但要跨越「从实验室到现实世界」的鸿沟，就必须依赖指数级增长的数据与训练循环，而这需建立在稳定、可持续、可负担的算力基础之上。

而在数据方面，Figure 与 Brookfield 的合作侧面揭开了真实世界数据的两个挑战：

一是规模与覆盖，这需要在千变万化的环境、不同人体、物件与任务下采集；

二是隐私、合规与标注成本，真实场景里人脸、人物隐私，场地同意等问题让数据采集问题变得敏感。

许多研究表明，只有依托大量且多样化的真实交互数据，才能将仿真训练中学到的策略推向现实环境，并保障其长期可靠性。

牵手巨头，Helix 有新突破

刚宣布与 Brookfield 的合作时，有些人感到失望，以为会是发布技术更新内容。但从合作内容来看，Figure AI 在为第三天 Helix 的模型升级做铺垫。

作为此次 C 轮融资的投资方之一，Brookfield 是全球最大的资产管理公司之一，拥有超过 1 万亿美元的资产和 10 万个住宅单元。

数据显示，其住宅空置率至少约为 5%，这意味着至少有约 5000 套配有基本家具的空置住宅，可作为 Figure 进行数据采集的真实场景，用于 Helix 模型训练。

从公告来看，两家公司合作主要通过三个渠道：

• 利用 Brookfield 的工业、商业空间：在大量不同类型的真实场景收集频、深度、力觉、语音、操作轨迹等多模态数据

• 搭建可扩展训练与边缘基础设施：在存储、标注、模型训练与持续在线评估方面形成工业级流水线，支持大规模 Helix 训练与推理。

• 与商业部署闭环结合：在 Brookfield 管理的商业场景中进行早期真实部署试验，加速「数据-模型-部署-反馈」的闭环。

人类训练视频

随即启动的 Go-Big 项目，宣告着 Helix 模型的升级。在与 Brookfield 的初期部署中，Figure 机器人经过人类第一视角视频针对性训练，可执行「去冰箱拿东西」等自然语言指令，并实现自主导航。

在此前的 Helix 模型展示中，机器人大多专注上半身任务，例如分拣包裹、叠毛巾、洗碗机装载等。但如果要让机器人在家庭这类非结构化环境中真正发挥作用，智能导航能力才是关键。

通过前期采集的人类导航数据，Helix 能直接将人类策略转化为机器人控制，无需机器人演示，仅靠新加入的训练数据即可实现。

目前，Go-Big 项目已为 Helix 带来三点升级：

• 语音导航：Helix 可以直观地响应对话命令，例如「去浇花」，从像素自动生成闭环控制，在复杂家居环境中自主移动

• 单一且统一的模型：One Helix 网络同时输出灵巧操作指令与导航命令，不再依赖多套分系统

• 零样本人机迁移：首次实现仅凭人类视频就完成端到端学习——从图像和语言直接生成底层 SE(2)速度指令

与 Brookfield 的这次合作，其实是 Figure AI 为解决算法模型难题打出的一张「明牌」。

王兴兴曾表示过，数据非常重要，但优质数据稀缺且难以辨别，只有提升数据利用率，模型端才能得到实质进步。

所以 Figure 的第一步就是建立数据壁垒。人形机器人要在真实世界可靠运行，依赖覆盖面广、标注细致、包含丰富人机交互的真实数据集。Brookfield 的场景资源降低了 Figure 获取这类数据的时间与金钱成本。

相应的，Brookfield 的场景网络系统化用于数据采集，Figure 能获得大量覆盖商业与家庭环境的多元数据，这将直接提升模型泛化与鲁棒性。

此外，这些住宅场景既是训练场也是试验田和最终部署点，可以推动 Figure 快速迭代并搭建「部署-数据-迭代」的商业闭环。

这次合作也建立了从研究到规模化的桥梁。很多机器人或大模型成果在受控环境效果好，但迁移到真实、杂乱的环境表现容易失效。Go-Big 项目的目的，就是把「训练分布」真实化，从而缩短研发到量产和商业部署的鸿沟。

具身智能，终局考验在「人」的押注

今年，具身智能一直处在投资热潮，无论是国内银河通用的 12 亿元融资、自变量的 10 亿元融资，还是 Figure AI 的 10 亿美元融资，无不展现出资本市场对这一赛道的看好。

对研发技术难、周期长，资金需求大的具身智能行业来说，投资人除了「投技术」，也要「投人、投故事」，这一点在美国资本市场尤其明显。

Figure AI 的创始人 Brett Adcock 曾连续成功创业 2 次，2012 年他押注线上人才市场创办了 Vettery，2018 年押注电动飞行器创办了 Archer Aviation。2022 年，他创办了 Figure AI，押注人形机器人会是 AGI 的终极形态。

从 Brett Adcock 的创业路径不难看出，他敢于押注「超前」方向，尤其擅长长周期、大叙事行业。他不仅拥有将早期科技公司做大并成功退出的记录，还拥有硬件+平台的双重经验。

而美国资本愿意频频向 Figure AI 下注，主要基于四个核心因素。

首先是创始人与团队叙事够吸引人。硅谷与机构投资人偏好能够把复杂工程化成可交付产品的创始人，而 Brett Adcock 的履历恰好契合，当投资者相信这个人能把事做成时，他们愿意用资金换取时间窗口。

第二是市场想象空间够大。人形机器人走入工厂和家庭，意味着其长期可服务总量大，资本愿意为潜在巨量市场支付溢价，哪怕当前收入很少。华尔街与 VC 在判断早期硬科技时，经常以「未来收入的折现叙事」作为重要依据。

第三是其技术路线的独特性。Figure AI 以软硬一体路线为主导策略，既有自研 VLA 模型 Helix，又拥有自建工厂 BotQ，一旦自研大模型趋于成熟，Figure AI 会迅速建立起技术壁垒。

事实上，美国市场上与 Figure AI 同路线的竞争对手只有特斯拉 Optimus，但特斯拉在公司性质上跟 Figure AI 截然不同。

而其他潜在竞争对手，Agility 和 Apptronik 注重硬件，大模型缺位；Skild AI 更注重软件，本体稳定性不及 Figure AI；Physical Intelligence 和 Field AI 则只做机器人大脑。

最后就是要客观看待美国的资本环境，美国市场在 AI 狂热前已经积累了大量的基金备用金，再加上本地可投资标的少，Figure AI 又在技术路径上更具备优势，所以可以持续获得大量投资。

跳出资本视角回看，具身智能最终考验的还是对「人」的押注：创始人对团队的管理、对技术路线的判断、对外宣传的节奏、对投资人讲故事的技巧……这些都与公司命运紧密相关。

而 Brett Adcock 显然是个成功的会「讲好故事」的创始人。

所谓「讲好故事」包含两层：一是融资叙事，让风投与战略巨头相信其路线图值得长期投入；二是产品叙事，让潜在客户相信你能在短期内解决他们的痛点。

在具身智能领域，这两者互为放大器：资本注入提供实验资源，好的落地成果反过来验证叙事，吸引下一轮资本与客户。

因此，Figure 无论是展示机器人 Demo、公布工厂计划，还是宣布战略客户，都有节奏、有策略，这也为其赢得巨额资金打下现实基础。

截至目前，Figure AI 累计融资金额已达 17.54 亿美元，估值高达 390 亿美元。公开合作客户包括与宝马的试验性部署与数据采集，以及与 Brookfield 的合作，旨在扩大真实场景数据获取与商业落地渠道。

具身智能行业正处于「群雄逐鹿」的阶段，Figure AI 的暂时领先，为行业注入了活力，但也让我们看到，这一领域没有「一劳永逸」的成功，只有「持续迭代」的生存。

未来，Figure AI 能否将优势转化为「胜势」，关键在于能否把融资额变成技术成果，把 Demo 能力变成产品实力。

当机器人真正能看懂复杂场景、理解人类意图、可靠完成任务时，具身智能的价值才会真正落地。