4 月底 Figure AI 抛出一份不太像机器人公司的成绩单：旗下 BotQ 工厂在 120 天内把 Figure 03 的下线节拍从「一天一台」拉到「一小时一台」，24 倍跃迁。同一份披露里塞进了十几个汽车级指标——一次合格率 80%+、电池产线合格率 99.3%、9000+ 个执行器、150+ 个联网工位、80+ 项功能测试。
这是人形机器人行业第一次用「产能节拍」而不是「demo 视频」来定义竞争。
数字摆出来：
- 24 倍：120 天内 BotQ 产能从 1 台/天 提到 1 台/小时
- 350+：Figure 03 截至 4 月公告已交付台数
- 250 台：5 月单月下线量
- 1000+：截至 2026 年中累计下线
- 80%+：整线一次合格率
- 99.3%：电池产线合格率（500+ 电池包）
- 12000/年：BotQ 一代线额定产能
- 100000/4 年：Figure 公布的中期目标
为什么这一份公告重要？
第一，它重新定义了「人形机器人领先」的标准。以前是「能不能翻跟头」「能不能跑 9 秒 32」「能不能叠衣服」。现在 Figure 用工厂指标回答：「一个机器人有多少真实部署工时」「客户侧的单位经济模型是什么」「机器出厂后又给模型回流多少数据」。Goldman Sachs 给整个人形机器人市场 2035 年的估值是 380 亿美元——而 Figure 一家的估值已经 390 亿美元。市场上没人把 Figure 当硬件公司买，是当「机器人劳动力平台」买。
第二，它把「数据飞轮」从口号变成产能函数。Helix（Figure 自研的视觉-语言-动作模型，即 VLA）的训练数据来源正在从实验室仿真彻底转向真实部署。跑更多机器人、更长时间，暴露了小规模时看不见的故障；据此开发分钟级根因定位、软件降级让机器人在小故障下继续工作的能力、整套 OTA 基础设施——这套栈越来越像云服务运维，而不是传统机器人工程。Helix 02 在 System 0 上的升级就是例子：把 RGB 图像塞进立体模型转 3D 表征后，Figure 03 可以零样本过楼梯、坡道、不平地形，而旧版只能依赖本体感知（proprioception，即机器人对自身肢体位置和状态的内部感知）配手工切换的运行模式。
第三，它把美国具身智能的代际迁跃时间钉在了 2026 年 4 月—8 月。120 天把节拍拉 24 倍，5 月单月 250 台，是汽车级曲线，不是机器人级曲线。Elon Musk 在 Q2 财报会上对 Optimus 的 1 万件零部件量产难度做过一个判断：「这将是我们造过的最难量产的产品，因为每个零件都是新的」——这句话既说 Tesla，也说整个行业。Figure 把这条曲线先跑通了。
但要冷静看的几处：
- 350 到 1000 的累计量，比汽车厂一季的产能都小。Figure 没有披露客户侧的真实工时、任务成功率、机器运行时长、每小时成本、客户留存。
- 二级市场在打折。Forge Global 8 月 13 日报 Figure 二手股价 174 美元，对应估值已低于 9 月 Series C 时的 390 亿美元 primary mark。要么市场看淡了估值，要么在等真实营收。
- 中国对手在量上领先。H1 2026 全球人形机器人出货 19100 台，其中 97% 来自中国厂商，AgiBot（智元）8400 台、Unitree（宇树）5900 台，两家加起来占全球 75%。Tesla Optimus 还在内部用，没外部销售。Goldman Sachs 测算全行业 2026 年出货 5–10 万台。
下一根钉子：Figure 押的数据闭环飞轮要转起来，需要两件事同时发生——单台真实部署工时持续累积、Helix 模型因真实数据带来的能力提升可测量。如果 8 月底 Figure 公开的 Helix 02 评测显示「真实部署数据训练的 Helix 比仿真训练的 Helix 在同一基准上有 10%+ 优势」，这条飞轮就被验证；如果 Helix 02 vs Helix 01 的提升幅度跟数据量增长不匹配，那 Figure 押的不是「数据闭环」，而是「自动化产线本身」。这两种押注在估值模型里是完全不同的故事。
#Figure #BotQ #数据飞轮