Figure AI

1.1 身份、总部与商业模式

Figure AI（法定名称：Figure AI Inc.）于 2022 年注册成立，总部位于加州 Sunnyvale， （部分来源称 San Jose），制造和研发也在同一园区。公司的使命是把通用人形机器人部署到 商业运营中，缓解全球劳动力短缺，并自动化那些对人体工学有害或高度重复的任务。其核心 产品线——Figure 01、Figure 02 和 Figure 03 人形机器人——把自研硬件与 Helix 视觉—语言—动作 AI 模型结合起来，让机器人能够理解自然语言指令，通过机载摄像头 感知环境，并执行需要灵巧操作的体力任务。 Figure 的商业模式围绕机器人即服务（RaaS）展开：客户支付经常性费用， 而不是一次性投入大额资本开支，把 Figure 机器人部署到自有设施中。该模式降低了采用门槛， 为 Figure 带来可预测的经常性收入，也让公司能够向已部署机群持续推送 OTA 软件改进。 主要目标垂直市场是汽车制造、仓储物流，以及在更长期路线图中的家庭应用。 公司运营 BotQ，即自有专用机器人制造设施；初始目标年产能 12,000 台，并提出每年 100,000 台机器人的愿景目标，以满足预期商业需求。 [CO001, CO002, CO003, CO004, CO005, CO006]

1.2 创始团队与领导层

Figure AI 由 Brett Adcock 创立，Adcock 担任创始人兼 CEO。他是连续创业者： 此前共同创办 AI 招聘市场 Vettery，2018 年据称以约 $100M 被 Adecco Group 收购； 还共同创办电动垂直起降（eVTOL）飞机公司 Archer Aviation，后者于 2021 年通过 SPAC 上市（NYSE: ACHR）。Adcock 自掏 $100M 种子资金，于 2022 年启动 Figure AI。 CTO 是 Jerry Pratt，机器人领域老将，曾任职于 Institute for Human and Machine Cognition（IHMC），参与双足机器人运动研究，并共同创办 Boardwalk Robotics。 工程和产品团队包含 Boston Dynamics、Tesla、Google DeepMind 和 Apple 校友， 体现出公司有意从顶级机器人和 AI 机构招人。 更广泛的领导团队包括增长副总裁（Lee Randaccio）、业务运营副总裁 （Logan Berkowitz），以及机器人系统与运营总监（Mathew DeDonato，前 Woven Planet Holdings）。截至 early 2026，Figure AI 的高管团队约有 9 名核心负责人，覆盖工程、AI、商业运营、质量保证和制造。 关键人物风险偏高：Brett Adcock 的愿景、创始人声誉和投资者关系，都是公司融资和商业 合作的核心。除 Adcock 和投资者代表外，董事会构成尚未公开披露细节。 [CO007, CO008, CO009, CO010, CO011, CO012]

1.3 融资历史与资本结构

Figure AI 已通过四轮主要融资累计筹集约 $1.9B： - Seed（2022）：由 Brett Adcock 个人出资 $100M，Bold Capital Partners 等参与。 - Series A（May 2023）：$70M（另有 $9M 延伸轮），由 Parkway Venture Capital 领投，Intel Capital、Tamarack Global、FJ Labs 和 Aliya Capital 参与。 - Series B（February 29, 2024）：以 $2.6B 投后估值融资 $675M。投资者包括 Microsoft、OpenAI Startup Fund、NVIDIA、Jeff Bezos（通过 Bezos Expeditions）、 Amazon Industrial Innovation Fund、Intel Capital、Align Ventures、ARK Invest、 LG Innotek 和 Samsung Venture Investment。Figure 同时与 OpenAI 签署合作协议， 为人形机器人开发下一代 AI 模型，并承诺把 Microsoft Azure 作为 AI 基础设施伙伴。 - Series C（September 16, 2025）：融资超过 $1B，投后估值 $39B——18 个月内较 Series B 上升 15x。该轮由 Parkway Venture Capital 领投，Brookfield Asset Management、NVIDIA、Intel Capital、Qualcomm Ventures、T-Mobile Ventures、 Salesforce 和 Macquarie Capital 参与。Figure 表示，该资金将用于机群扩张、 机器人训练基础设施和高级数据采集。 Figure AI 已向未经授权运营的二级股票市场经纪商发送停止侵权警告函； 公司对二级市场活动保持严格控制。尚未披露任何公开债务或信贷额度。 [CO014, CO015, CO016, CO017, CO018, CO019]

1.4 规模指标与运营版图

Figure AI 在 2024 年底约有 163 名员工，到 early 2026 增至 700+ 人，同比增加 127%，显示公司在机器人工程、AI 研究、制造运营和商业部署团队上快速扩张。第三方分析 显示，收入在 2024 年约为 $60M，2025 年估计约 $158M；公司不公开披露经审计财务。 公司主要商业部署位于 BMW Group Plant Spartanburg（South Carolina）：Figure 02 机器人在 11 个月内执行钣金上料任务，累计 1,250+ 运营小时，装载 90,000+ 个零部件， 并参与生产 30,000+ 辆 BMW X3。这是现代汽车制造中人形机器人首次大规模真实商业部署。 Figure AI 在 California 运营一个主要设施，集公司办公室、研发实验室和 BotQ 制造线于一体。 公司尚未正式宣布国际扩张，但 BMW 正在评估向包括 Leipzig（Germany）在内的其他工厂扩大部署。 [CO022, CO023, CO024, CO025, CO026, CO027]

1.5 关键里程碑与近期进展

Figure AI 从创立到重大商业部署不到三年，是人形机器人历史上爬坡最快的公司之一。关键 里程碑包括：2022 年注册成立和自筹种子轮；2023 年 Series A 奠定机构背书；February 2024 Series B，同时达成 OpenAI 合作和 BMW 商业协议；September 2024 Figure 02 在 BMW 投入生产（BMW 官方公告）；以及 November 2025 报告 11 个月 BMW 结果。 September 2025，Figure 宣布以 $39B 估值完成 Series C，并同步开始把机群从 Figure 02 过渡到 Figure 03。Figure 03 吸收了 BMW 部署经验——尤其是前臂 / 手腕电子系统重设计—— 并配备无线感应充电系统、16 DOF 软织物包覆手部，以及下一代 Helix 2 模型。 负面事件：Figure AI 因对自主能力时间表承诺过高受到批评；多篇评测指出，BMW 部署任务 只是狭窄、可预测的抓取—放置操作，并非真正通用自主。TechCrunch 在 April 2025 报道，Figure 正向未经授权的二级股票经纪商发送停止侵权警告函，显示公司对 股份流动性和估值控制高度敏感。 [CO028, CO029, CO030, CO031, CO032, CO033]

1.6 图表

2.1 市场边界与范围

人形机器人市场涵盖双足、类人形态机器人的设计、制造与部署；这类机器人能够在为人类设计的 环境中执行体力任务。Figure AI 身处这一市场，重点押注「实体 AI」——机器人结合高级感知、 大语言模型和灵巧操作能力，无需针对每项任务重新编程，也能执行开放式任务。 该市场不同于传统工业机器人（固定臂、SCARA、delta 机器人）：人形机器人能在非结构化环境中 与人类并行工作，不需要改造设施。相邻市场包括：（1）协作机器人（「cobots」），（2）自主移动 机器人（AMRs），（3）工业外骨骼，以及（4）嵌入 AI 的工业自动化软件。这些相邻领域既是竞争性 支出池，也是互补性支出池。 Figure AI 的主要支出池来自大型制造商、物流运营商，以及最终零售 / 酒店运营商的资本设备和自动化 服务预算。次级（更长期）支出池是家庭消费电子和养老护理服务。下文聚焦商业工业市场，因为它是近期可触达机会。 [CM001, CM002, CM003]

2.2 市场规模——TAM、SAM、SOM

多家分析机构发布的人形机器人市场规模估算彼此冲突，背后是范围假设、采用速度情景和 「人形机器人」定义不同。市场对近期（2024 年）全球规模的共识大约为 USD 1.5–2.7B； 2030 年预测从 USD 4B（保守）到 USD 48B（激进）不等。这些估算同时包含硬件收入和服务 / 软件组成。 Figure AI 的即时 SAM，是 Figure 03 和 Helix AI 模型可服务的子集：汽车制造、一般物流 / 仓储和电子装配——合计在 2025–2030 年全球约 USD 5–15B（基于劳动力市场支出分析和机器人 部署试点 ROI 数据推导）。如果自下而上测算全球 50M 个「危险、肮脏或枯燥」制造任务，并假设 每个岗位年机器人价值为 $30–50K，长期 SAM 可超过 $1T；但这一测算高度投机，受采用不确定性剧烈影响。 Figure AI 未来 3–5 年的 SOM 受到产能（BotQ 12,000 台 / 年）和销售周期长度强约束。若平均机器人 价格为 $130K（或 RaaS 下 $12K / 年），且年产能 12,000 台，在满负荷利用假设下，Figure AI 的 近期最高收入约为每年 $144M–$1.56B，具体取决于模式。 [CM004, CM005, CM006, CM007, CM008]

2.3 买方与客群分析

Figure AI 的主要买方是大型工业企业：它们长期缺人，重复任务负担重，也有资本预算吸收自动化成本。 关键买方群体包括： 1. 汽车 OEM 和 Tier-1 供应商（BMW 是首个；类似对象包括 Mercedes-Benz、Toyota、 Volkswagen、Hyundai）：重复任务密度高，人体工学伤害压力大，已证明愿意为自动化付费， 且员工安全受到监管审视。预算所有权通常在制造运营副总裁或工厂总监。 采购周期：12–36 个月。 2. 仓储 / 物流运营商（Amazon、DHL、FedEx、Flexe）：劳动力流失率高（100%+ / 年），重复 抓取—放置任务多，对自动化 ROI 容忍度有记录可查。Amazon 通过 Industrial Innovation Fund 参与投资，释放了未来潜在商业客户关系信号。 3. 电子装配（Foxconn、Hon Hai、合同制造商）：精细操作需求匹配 Figure 03 的 16–20 DOF 手部设计。 东南亚竞争带来劳动力成本压力。 4. 更长期客群（5–10 年）：家庭消费者（养老护理、个人协助）、医疗机构、零售 / 酒店。 Grand View Research 估计，个人协助和照护在 2024 年人形机器人市场按应用划分中占 31.6%。 买方共同决策标准包括：总拥有成本相对于人力、可靠性 / 正常运行时间、安全认证、任务适应性，以及供应商财务稳定性。 [CM009, CM010, CM011, CM012]

2.4 增长驱动与采用约束

关键增长驱动包括：（1）制造和物流的全球劳动力短缺：到 2025 年，仅美国就约有 500,000 个制造岗位空缺， 日本、德国和中国的人口老龄化又在加速结构性缺口。（2）关键制造地区工资上涨，改善机器人部署的 ROI 算账。（3）机器人 AI 能力快速提升（视觉—语言—动作模型、基础模型），降低按任务编程的 开销。（4）商业 ROI 已被展示：Figure AI 的 BMW 部署（特定任务效率提升 400%、>99% 准确率）提供了首个 大规模证明点。（5）战略投资者生态：Microsoft、NVIDIA 和 OpenAI 合力降低算力成本和 AI 模型开发负担。 关键采用约束包括：（1）单台成本高（每台 $70K–$130K，相比协作机器人的 $30K–$50K），早期采用局限在资本充足企业。 （2）任务泛化受限：当前部署狭窄地聚焦于可预测抓取—放置，而不是开放式自主工作。（3）安全认证缺口： 工业场景中尚无针对人形机器人的成熟监管框架（OSHA、ISO）。（4）企业采购周期长（12–36 个月）。（5）关键生产 环境中的联网自主机器人带来网络安全风险。 [CM013, CM014, CM015, CM016, CM017]

2.5 竞争动态与市场结构

2025 年的人形机器人市场由少数资金充足的美国 / 欧洲初创公司构成，它们彼此竞争，也与科技巨头背书的 新进入者（Tesla Optimus）和既有玩家（Boston Dynamics / Hyundai）竞争。当前市场结构分散，按已部署台数或 收入都没有清晰领导者；但在专注人形机器人的初创公司中，Figure AI 估值最高（$39B）。Agility Robotics （Amazon 背书）凭 Digit 机器人，在仓储部署台数上领先。 Figure AI 的关键差异化来自：（1）融资最多（$1.9B），（2）最受关注的商业试点（BMW），（3）自研全栈 AI 模型 （Helix），以及（4）最宽的投资者生态（Microsoft、OpenAI、NVIDIA、Amazon、BMW）。不过，Tesla 的 Optimus 项目构成最大的长期竞争威胁，因为 Tesla 具备制造规模、AI 能力（FSD 技术栈）和潜在价格点（目标 $20K–$30K， 对比 Figure 的 $70K–$130K 区间）。 中国竞争者（Unitree、Fourier Intelligence、UBTECH）追求大规模制造并获得政府补贴，长期可能带来成本竞争风险。 [CM018, CM019, CM020, CM021]

2.6 图表

3.1 竞争格局概览

2025 年的人形机器人市场包含三层竞争者。第一层是美国纯人形机器人初创公司：Figure AI、 Agility Robotics、Apptronik、1X Technologies、Sanctuary AI、Skild AI（AI 模型层）和 Boston Dynamics（部分）。第二层是借助现有 AI 平台的消费电子和科技巨头：Tesla Optimus、 Apple（传闻）以及 Amazon（通过持有 Agility 股权）。第三层是中国人形机器人竞争者：Unitree、 Fourier Intelligence、UBTECH 和 Zhiyuan / HINGE。每一层都有不同的成本结构、时间表和战略目标。 Figure AI 的主要竞争发生在企业 / 工业部署细分市场。截至 early 2026，其他专注人形机器人的公司尚未达到 相当的商业部署规模。不过，Agility Robotics 在 Amazon 仓储网络中部署的 Digit 台数更多。随着 Tesla Optimus 走向生产、中国竞争者压低成本底线，竞争动态预计会快速变化。 [CP001, CP002, CP003]

3.2 关键竞争对手画像

Agility Robotics（Digit）：2015 年创立于 Eugene OR（现由 Amazon 背书）；Digit 是面向仓储拣选和物流的 双足机器人。Amazon 的 Industrial Innovation Fund 参与投资，既提供资本，也带来主要客户关系。截至 2025 年， Digit 已部署在 Amazon 配送中心。Digit 形态优先考虑下肢移动能力，而不是完整灵巧度；其手部是更简单的挂钩， 相比 Figure 的多自由度关节手更弱。收入：私营未披露；融资 >$150M。一个关键担忧是：Amazon 可能垂直整合 Agility，而不是广泛商业化，从而压窄 Agility 的 TAM。 Tesla Optimus：Tesla 的人形机器人项目，2021 年披露。截至 2025 年，Optimus Gen 2 演示显示灵巧度改善， 但仍主要依赖遥操作，真实场景自主部署有限。Tesla 的成本目标是每台 $20K–$30K——结构性低于 Figure 的价格区间。 Tesla 的 FSD 神经网络训练数据管线是一项独特 AI 资产。凭借 Gigafactory 基础设施，Tesla 通向量产的路径可能最快。 已 IPO 的上市公司，截至 2025 年市值 $900B+。 Boston Dynamics（Electric Atlas）：1992 年创立于 Waltham MA；2021 年起归 Hyundai 所有。Atlas （2024 年推出电动版本）按敏捷性指标看是身体能力最强的机器人，但目标是研发和专业工业用途，而非大众市场部署。 Boston Dynamics 的 SpotEnterprise 和 Stretch 是商业产品；Atlas 尚未商业化。 Apptronik（Apollo）：Austin TX 初创公司，融资 $767M，2025 年估值 $5B。Apollo 面向制造、物流和零售。 关键合作伙伴：NASA。相较 Figure AI，公开部署数据更少。 1X Technologies：Norway 初创公司，融资 $137M。以 Neo 机器人瞄准家庭消费者市场，目标价格 $20K。 其市场进入路径不同于 Figure AI 的工业 B2B 聚焦。 中国竞争者（Unitree H1 / G1、Fourier GR-1、UBTECH Walker X）：Unitree 的 G1 标价为 $16,000–$99,000，在硬件价格上大幅低于美国竞争者。受益于中国政府补贴。虽然受限于美国联邦政府用途， 但全球商业市场准入开放。 [CP004, CP005, CP006, CP007, CP008, CP009]

3.3 Figure AI 的竞争优势与护城河

截至 early 2026，Figure AI 的竞争优势包括： 1. BMW 部署证明：唯一在 Fortune 100 OEM 拥有已确认、产生收入、工业规模人形机器人部署的公司。 11 个月、30,000+ 辆车、>99% 准确率。该部署提供了 AI 训练数据和商业验证，尚无竞争者复制。 2. Helix VLA 模型：自研全栈视觉—语言—动作模型，用真实生产数据训练。VLA 模型需要大规模真实世界 任务数据——Figure 的 BMW 部署就是一个活的训练数据生成器。竞争者必须从零搭建可比数据集。 3. 投资者生态作为护城河：Microsoft（算力、Azure / AI 合作）、OpenAI（AI 模型协作）、NVIDIA（硬件 / 软件） 和 Amazon（未来潜在客户）共同降低 Figure AI 的 AI 开发成本负担，并提供企业销售入口。 4. 资本：$1.9B 融资额是所有专注人形机器人初创公司中最高的，支撑 BotQ 工厂建设和 700+ 人团队。 5. 最深的战略合作关系：BMW、NVIDIA（制造自动化）和 Microsoft Azure 集成，形成可复利的商业关系。 弱点：溢价定价（每台 $70K–$130K）相对 Tesla / 中国替代品限制可触达市场；任务泛化狭窄（仅限受控环境中的 抓取—放置）；依赖关键人物 Brett Adcock；没有公开收入披露；BotQ 产能（12,000 台 / 年）限制近期规模。 [CP011, CP012, CP013, CP014, CP015]

3.4 竞争定价与商业模式对比

人形机器人价格在竞争者之间差异很大： - Figure AI：估计一次性 $70K–$130K，或 RaaS 模式下 $12K / 年（未确认） - Tesla Optimus：长期目标 $20K–$30K（尚未商业化） - Boston Dynamics Atlas：尚未商业化；Spot 商业产品 $75K - Agility Robotics Digit：未公开定价；早期企业价据信息显示约 $150K–$250K - Unitree G1：标价 $16,000–$99,000（最便宜，能力有限） - 1X Neo：目标 $20,000（消费者） 商业模式也分化：Figure AI 追求 RaaS（经常性收入、服务、OTA 更新）；Tesla 可能销售硬件并叠加软件订阅； 中国竞争者强调硬件利润率；Agility 与 Amazon 的物流模式高度绑定。 Figure AI 的 RaaS 模式如果规模化，相较一次性硬件销售，可产生更可预测的经常性收入和更高单台机器人 LTV。 但该模式需要大量资本为机器人租赁资产池融资。RaaS 还意味着 Figure AI 保留维护 / 升级风险，而纯硬件卖家会把这些风险转移给买方。 [CP016, CP017, CP018, CP019]

3.5 图表

4.1 收入来源与模式

Figure AI 当前主要收入来源是与 BMW Manufacturing 在 Spartanburg, South Carolina 工厂的商业协议。 协议结构未公开披露，但行业分析师估计，Figure AI 要么收取硬件销售价格（每台 $70K–$130K），要么收取 机器人即服务（RaaS）订阅费，估计每台机器人每年约 $12,000。如果 BMW 协议采用 RaaS 合同， 例如部署 100–200 台机器人，则隐含年收入为 $1.2M–$2.4M——远低于 $60M 的公开收入估算，说明机群部署 更大，或采用硬件 + 服务混合模式。 Sacra 估计 Figure AI 2024 年收入约 $60M，2025 年增至 $158M，主要由 BMW 驱动。这意味着单台收入显著 高于纯 RaaS 定价所暗示水平，可能来自硬件销售、上线费用、集成服务，或公开披露之外的更大机器人机群规模。 计划中的收入来源：（1）RaaS 经常性订阅费，（2）硬件销售（一次性），（3）AI 模型授权（Helix），（4）软件 / OTA 更新服务，以及（5）未来维护和训练服务。截至 2025 年，收入来源 3–5 尚未确认产生重大收入。 [CI001, CI002, CI003, CI004]

4.2 单位经济与成本结构

人形机器人的单位经济仍处于早期且高成本阶段。Figure 02 / 03 的硬件制造成本未公开披露，但行业分析师估计， 按 Figure 03 的部件复杂度（20 DOF 手部、6 个摄像头、定制执行器、高级 AI 推理芯片），当前生产规模下每台 制造成本为 $40,000–$80,000——在估算 $70K–$130K 价格下，毛利率很薄，甚至可能为负。 成本结构拆分（估算）： - 研发：主导成本（70%+）；700+ 员工，包括机器人工程师、AI 研究员、机械设计师。AI / 机器人平均总薪酬为 $200K–$300K+。 - 制造 COGS：机器人硬件材料成本；NVIDIA 芯片、定制执行器、摄像头、传感器、电池系统。 - BotQ 工厂资本开支：面向 12,000 台 / 年目标产能的建设和工装。 - 行政管理与销售：企业销售、法务、财务。销售周期为 12–36 个月。 通向正向单位经济的路径需要：（1）扩大制造规模以压低 COGS（规模化后目标每台低于 $30K），（2）把 Helix AI 授权发展为高毛利收入层，以及（3）扩大机群规模，将固定研发成本摊到更多已部署机器人上。 [CI005, CI006, CI007, CI008]

4.3 定价与市场进入经济性

Figure AI 的市场进入策略是直接面向大型制造商和物流运营商做企业销售。该模式平均合同价值高，但销售周期 极长（12–36 个月），客户获取成本也高（资深企业销售团队、漫长试点期）。传统 SaaS CAC / 回本指标不能直接套用； 更接近资本设备的类比，是试点成本 + 部署中由供应商吸收的集成负担。 据报道，BMW 试点在商业部署前持续 11 个月——这意味着早期客户从销售到部署至少需要 12+ 个月周期。随着 Figure AI 成熟，若有成熟标杆客户和认证集成协议，周期可能缩短。 定价杠杆：企业买方有替代选项（Agility Digit、未来 Tesla Optimus、协作机器人自动化），这限制 Figure AI 定价权。 RaaS 模式一旦采用，可创造可预测年金收入，但 Figure AI 需要把机器人作为资产持有。硬件销售把 CapEx 转给客户， 但可能降低 LTV。 客户集中风险：BMW 被认为贡献 Figure AI 2024–2025 年收入的约 90%+。对于一家估值 $39B 的公司，这构成严重单一客户集中风险。 [CI009, CI010, CI011, CI012]

4.4 公开牵引力指标

尽管估值达到 $39B，Figure AI 对外披露的可验证财务指标极少。主要公开牵引力证据是运营数据，而非财务数据： - Figure 机器人在 11 个月部署中处理 30,000+ 辆 BMW 汽车 - 处理 90,000+ 个零部件 - 完成 1,250+ 小时任务 - >99% 任务准确率 - 特定任务相对此前基线效率提升 400% - 每支出 $1 带来 $1.41 回报（IIoT World 引用，覆盖早期采用者；来源不清） ARR、单台收入、GMV 或合同金额均未得到官方确认。收入估算（2024 年 $60M、2025 年 $158M）完全来自二级分析师来源 （Sacra）。Figure AI 未提交公开财务文件，也未公开确认任何财务指标。 公司以 $39B 估值完成 Series C，按 2025 年估算收入 $60M 计算，隐含约 650x 收入倍数；按 $158M 计算约 250x—— 属于 2025–2026 年期间记录到的最高非上市软件或硬件公司倍数之一。 [CI013, CI014, CI015, CI016]

4.5 资本充足性与融资依赖

Figure AI 累计融资约 $1.9B，包含： - Seed：$100M（Brett Adcock 自筹） - Series A：$70M（May 2023） - Series B：$675M，估值 $2.6B（February 2024） - Series C：约 $1B+，估值 $39B（September 2025） Series C 在交割时是人形机器人史上最大融资轮。投资者包括 Microsoft、NVIDIA、OpenAI、Amazon Industrial Innovation Fund、Bezos Expeditions、Intel Capital、Brookfield、Parkway VC、Qualcomm、T-Mobile 和 Salesforce。 估算年度现金消耗：考虑到 700+ 员工和 AI / 机器人薪酬水平（$200K–$300K+ 平均总薪酬 = 仅人员成本就 $140M–$210M），再加上研发、工厂资本开支和硬件 COGS，当前规模下总年度现金消耗率可能超过 $300–$500M。 假设现金消耗率为 $300M+，且 Series C 带来 $1B+ 资金，下一轮融资前资金续航约为 3 年（2025–2028）。 公司需要把收入推向 $500M+ 或 IPO，才能补上缺口。 2026–2027 年 IPO 猜测活跃；若以 $39B+ 公开发行，可提供额外资本和流动性。尚无官方 IPO 时间表确认。 [CI017, CI018, CI019, CI020]

4.6 图表

5.1 用客户工作流定义产品

Figure AI 的产品解决一个具体企业问题：在体力强度高、重复、且对人体工学有害的制造任务中替代人类工人， 同时不要求改造设施（因为人形机器人可在已为人类建造的环境中运行）。 在 BMW 的 Spartanburg 部署中，Figure 机器人执行钣金上料和零部件处理任务：从料箱中拾取特定车身面板零件， 正确定向，并以正确位置和力度装入生产夹具。这些任务此前由人类完成，工人会遭遇重复性劳损和疲劳。机器人工作流是： （1）视觉感知料箱中的零件；（2）使用 Helix 规划抓取；（3）用 20 DOF 手部进行灵巧操作；（4）放置验证； （5）向人类同事或下一步骤发出信号。 客户价值主张是：（a）劳动力替代——机器人 24/7 可用，不会疲劳，不会请病假；（b）质量提升——>99% 任务准确率 消除重复任务中的人为错误；（c）人体工学合规——把人从易受伤工位移走；（d）ROI——在 $12K / 年 RaaS 下， 相比 $40K+ 人力成本，高频任务回本很有吸引力。 主要限制：Figure 03 尚不是通用机器人。任务必须狭窄、重复且结构良好。开放式、新颖或多步骤非结构化任务，仍超出系统当前商业部署能力。 [CE001, CE002, CE003, CE004]

5.2 产品模块与组件图谱

Figure AI 的产品系统由三个集成模块构成： 1. Figure 03 硬件：实体机器人本体——身高 168cm、体重 60kg、20 DOF 手部（被描述为接近人类灵巧度）、 6 个机载摄像头（立体和单目）、5 小时电池并支持无线感应充电。定制执行器（旋转和线性）由内部或专用供应商制造。 关键自研组件包括：手部总成（16–20 DOF）、力矩传感器阵列和机器人操作系统（Figure OS）。 2. Helix AI 模型：视觉—语言—动作模型，把摄像头输入和自然语言任务描述映射为机器人关节动作。 模型使用从演示中强化学习的数据训练（来自 BMW 和内部实验室的人类遥操作数据），并叠加物理仿真。Helix 在端侧用 专用 AI 芯片进行推理（细节未披露）。模型通过 OTA 交付更新。截至 Figure 03 发布，Helix 相比 Figure 02 的模型 有显著进步，任务泛化更强。 3. BotQ 制造平台：Figure AI 的专用工厂，初始目标年产 12,000 台（愿景目标 100,000 台 / 年）。 BotQ 集成机器人装配、质量控制、AI 模型部署和机群管理基础设施。截至 May 2026，除已宣布计划外，工厂地点和建设状态 尚未完全公开。 [CE005, CE006, CE007, CE008]

5.3 技术架构与运营模式

Figure AI 的技术栈按垂直整合设计，让公司从机器人硬件到 AI 模型控制整个堆栈。关键架构层包括： 1. 感知层：6 个机载摄像头提供 RGB-D 视觉输入。系统必须实时处理遮挡、光照变化和物体形变。除摄像头和力矩数据外， 公司未公开披露 LIDAR 或触觉传感器。 2. 动作 / 策略层：Helix VLA 模型把视觉观测和任务语言映射为关节扭矩指令。核心主张是「零样本泛化」—— 无需显式重新编程，就能执行已训练任务的新变体。BMW 生产中已经展示过这一点，但泛化范围受限于模型训练内容。 3. 基础设施层：Figure OS（机器人操作系统）、云连接机群管理平台、OTA 更新交付和实时安全监控。云集成把网络安全风险带入工业场景。 4. 制造层：BotQ 不只是装配设施，也是部署前进行质量测试、AI 模型集成和机器人级安全认证的平台。 Microsoft Azure 是主要云提供商。NVIDIA 硬件（Jetson 或定制）疑似用于端侧推理，但官方未确认。OpenAI 合作可能与 用于任务理解的大语言模型集成有关，但细节未披露。 [CE009, CE010, CE011, CE012]

5.4 部署、集成与可靠性

Figure AI 的部署模式要求客户先经历数月集成，才可能达到商业化规模。BMW Spartanburg 部署包括：（1）11 个月试点期， （2）通过人工遥操作采集任务专项训练数据，（3）针对 BMW 任务微调 Helix 模型，（4）制定安全协议并测试人机共存，（5） 从试点机组逐步扩到已处理 90,000+ 个零件的车队规模。 BMW 披露的可靠性指标里，>99% 任务准确率是核心指标；可用率和平均故障间隔（MTBF）尚未公开。5 小时电池要求机器人在 班次休息时周期性无线充电，或配套按班次热插拔的基础设施。工业节奏下执行器的长期磨损率还没有跑出来。 Figure 03 路线图：（1）接入 BMW Leipzig 工厂（计划于 summer 2026）；（2）扩展到更多制造业垂直场景 （仓储、电子）；（3）面向消费者 / 家庭的 Figure 部署（时间表未披露）；（4）Helix 模型扩展到更长任务链和 多机器人协同。 集成门槛很高：客户必须提供结构化物理工作空间、建立 OTA 连接、定义任务参数，并制定安全协议。人形机器人尚无标准化 安全认证（OSHA、ISO），意味着客户必须自行形成站点级风险评估。 [CE013, CE014, CE015, CE016]

5.5 技术差异化与 IP

Figure AI 相对竞品的关键差异化点： 1. Helix VLA 模型（BMW 训练数据）：该模型的商业表现（>99% 准确率、400% 效率提升）是工业人形机器人里 验证最充分的 VLA 部署。BMW 生产数据是专有资产，竞争对手无法访问。完成的任务越多，数据飞轮越能强化 Helix。 2. 20 DOF 手部设计：这是商业人形机器人中最灵巧的手部设计之一，能完成更简单夹爪（Agility Digit hooks） 做不了的精细操作。IP 包括手部机构专利和驱动技术。 3. 无线感应充电：5 小时电池配合无线充电，消除了充电中断停机，在 24/7 工业部署中是实用的运营优势。 4. 垂直整合：Figure AI 控制硬件、AI 模型和制造，能够跨层协同优化，随时间压低 COGS，并通过系统级调校持续提升性能。 5. IP 组合：Figure AI 已就机器人设计、驱动机构和 AI 训练方法提交专利，但组合的覆盖宽度和竞争强度尚未经过 独立评估。Brett Adcock 称，团队优先追求创新速度，而不是专利申请数量。 关键 IP 风险：VLA 模型架构正越来越开源（OpenVLA、pi0）；资金充足的中国竞争对手可以逆向硬件设计； 用来保护先发者的监管型 IP（安全认证）尚不存在。 [CE017, CE018, CE019, CE020]

5.6 信任、安全与合规

人形机器人在工业场景中与人并肩作业，会带来显著的安全与合规挑战。Figure AI 需要重点处理： 1. 物理安全：60kg 机器人高速移动可能造成严重伤害。安全系统包括：在人类附近限制速度和力量、急停协议、地理围栏 （机器人限制在定义好的工作包络内），以及人体接近检测。BMW 部署包含人机共存协议：人在有物理隔离和速度限制的区域内与机器人共享空间。 2. 监管合规：截至 2026 年，尚无成熟的 OSHA 或 ISO 标准专门规范工业场景中人形机器人的部署。Figure AI 处在监管空白里，客户必须制定站点级风险评估。EU AI Act 第 6/7 条可能把通用人形机器人归为高风险 AI 系统， 在 EU 工厂部署前需要完成合规评估。 3. 数据隐私：Figure AI 的 6 摄像头阵列会捕捉生产设施和工人的详细视频。云连接运行引发客户 IP 暴露担忧 （竞争对手理论上可能通过机器人数据观察生产方法）。 4. 网络安全：联网工业机器人可能成为勒索软件或破坏行动的目标。云连接引入攻击面。Figure AI 尚未公开披露安全架构或渗透测试结果。 5. AI 偏差与错误：VLA 模型在新情境下可能产生意外输出（“幻觉”）。分布外任务可能让机器人损坏零件、伤害工人， 或造成生产停线。公开资料尚未充分刻画 Helix 在分布漂移下的稳健性。 [CE021, CE022, CE023, CE024]

5.7 展项

6.1 客户基础分层

Figure AI 当前客户基础实际上只有一个具名企业：BMW Manufacturing。BMW 是 Fortune 100 德国汽车 OEM， 在美国、德国、英国、中国和其他市场有制造运营。Spartanburg, SC 工厂按产量计是 BMW 全球最大工厂，每天约生产 1,500 辆 SUV（X3、X4、X5、X6、X7）。 目标客户画像（用于扩张）： - 行业：汽车 OEM、Tier-1 汽车供应商、物流 / 仓储运营商、电子组装承包商 - 地域：美国（优先）、德国（BMW 扩张）、日本、韩国（汽车），最终走向全球 - 公司规模：大型企业（收入 >$1B），有资本自动化预算 - 买方：制造运营 VP、工厂总监、自动化 / CAPEX 预算负责人 - 用例：重复、高吞吐任务，且存在人体工学风险或劳动力短缺压力 - 关键要求：结构化生产环境；具备建立安全协议的能力 渠道：仅直销企业客户（尚无公开确认的渠道伙伴）。这与 12–36 个月销售周期和集成的技术复杂度相匹配。 [CU001, CU002, CU003, CU004]

6.2 采用轨迹与增长

Figure AI 的商业部署走的是有节制的单客户爬坡路径： - January 2024：宣布 BMW 商业协议 - February–December 2024：11 个月试点与生产爬坡（30,000+ 辆车） - September 2025：发布 Figure 03；BMW 部署扩展纳入 Figure 03 - Summer 2026（计划）：BMW Leipzig 扩张启动 在 BMW Spartanburg，部署覆盖每天 1,500 辆车产线的一部分，只处理单一制造任务类型（钣金上料与零件搬运）。总车队规模 未披露；根据 90,000+ 个零件、1,250+ 小时的处理量，隐含任务速率指向初始商业阶段部署了约 10–50 台机器人。 公司尚未宣布其他商业客户部署。Amazon Industrial Innovation Fund 参与 Figure AI 的 Series B，代表潜在未来客户关系， 但 Amazon 商业部署尚未确认。BMW 计划在 summer 2026 将 Figure 机器人部署扩展到德国 Leipzig 工厂——这是已宣布的 首个国际部署。 采用节奏反映了企业硬件部署的结构性现实：从销售到部署需要 12–36 个月、集成周期长，且扩张承诺前通常要先完成单站点验证。 [CU005, CU006, CU007, CU008]

6.3 具名客户验证

BMW Manufacturing 是唯一公开确认的商业客户。运营指标证据质量强，财务条款证据弱： 已确认的运营事实： - 部署期内处理 30,000+ 辆车 - 处理 90,000+ 个零件 - 机器人任务运行 1,250+ 小时 - 钣金上料任务准确率 >99% - 在特定任务上较此前基线效率提升 400%（吞吐改善） - BMW Leipzig 扩张计划于 summer 2026 未确认： - 合同价值或定价条款 - 已部署机器人数量 - BMW 向 Figure AI 支付的收入 - 合同续约条款或期限 - BMW 内部对 ROI 或满意度的评估 IIoT World 引用的每 $1 投入获得 $1.41 回报的 ROI 数字，被广泛归因于“早期采用者”，未必专指 Figure AI 或 BMW。 BMW 公开表态积极但泛化，BMW 本身并未直接给出量化 ROI 背书。 参考客户质量：BMW 是极强的参考客户（Fortune 100、品牌认知、制造可信度）。但单一参考客户带来 90%+ 收入集中， 对一家 $39B 公司而言是极端风险。 [CU009, CU010, CU011, CU012]

6.4 留存、续约与满意度

截至 May 2026，Figure AI 与 BMW 的关系看起来仍然稳固：BMW 正扩展到 Leipzig，这是客户满意度和续约意愿的最强信号。 Leipzig 扩张表明 BMW 已在内部验证 ROI 逻辑，并愿意继续向这段关系投入资本和运营资源。 但任何 Figure AI 客户的正式留存指标——Net Revenue Retention（NRR）、Gross Revenue Retention（GRR）、 合同期限、续约率和客户满意度分数——都没有公开数据。除了 BMW 的扩张决定，公司没有发布案例研究、客户证言或公开满意度评级。 RaaS 模式（如果采用）会产生结构性留存：机器人一旦接入生产流程，切换成本很高（流程重设计、安全再认证、供应商更换）。 但硬件销售模式的结构性锁定较弱——客户可以结束硬件租赁，回到人工劳动，或改换供应商。 关键留存风险：（1）BMW 内部政治——董事会施压降低外部服务成本；（2）竞品替代（Tesla Optimus 进入未来 BMW 部署）； （3）Leipzig 扩张表现不及预期带来技术失望；（4）安全事故引发暂停。 [CU013, CU014, CU015, CU016]

6.5 扩张与客户集中风险

Figure AI 最尖锐的财务风险是客户集中：一个客户（BMW）似乎贡献了约 90%+ 的 2024–2025 年收入。在 $39B 估值下， 这与企业软件的常态严重偏离；后者在可比估值阶段，最大客户通常只占收入的 10–25%。 扩张路径： 1. BMW Leipzig（summer 2026）——已确认扩张 2. 更多 BMW 工厂（Munich、Regensburg 等）——无已宣布时间表 3. 第二家汽车 OEM——无确认商业客户 4. 物流 / 仓储——潜在 Amazon 关系；无商业部署 5. 电子组装——无已宣布客户 Amazon Industrial Innovation Fund 的 Series B 投资，形成了隐含的未来客户关系——Amazon 不太可能只是纯财务投资人。 如果 Amazon 在仓库部署 Figure 机器人，这将是最重要的去集中化事件。 结构性挑战在于：12–36 个月销售周期叠加高集成负担，从签约到商业规模化新增一个制造客户需要 1–3 年。即使已有多个试点在推进 （公开信息未知），到 2027 年底 Figure AI 也可能只有 2–4 个商业客户。 [CU017, CU018, CU019, CU020]

6.6 展项

7.1 风险概览与严重程度排序

Figure AI 的风险画像由三项结构性现实决定：它在安全关键的制造环境中部署物理 AI 系统；它尚未多元化，约 85–95% 收入 集中在一个客户（BMW）；它背负 $39B 估值，隐含未来收入交付，但市场尚未验证。本章按剩余暴露（当前缓释后的可能性 × 影响） 排列重大风险，评估缓释成熟度，识别打破投资论点的触发条件，并提出投资人尽调问题。风险分为四类：监管 / 法律、运营 / 技术、 伙伴 / 依赖，以及人员 / 执行。剩余暴露最高的风险是：（1）BMW 客户退出 / 缩减（影响 5、可能性 2 = 剩余 10）， （2）工作场所安全事故（影响 5、可能性 2 = 剩余 10），（3）Tesla Optimus 达到成本平价（影响 4、可能性 3 = 剩余 12）。 中国成本竞争是概率最高的风险（可能性 5），但考虑到当前企业级质量差异化，影响中等（3）。 [CR001, CR017, CR012, CR014]

7.2 监管、法律与安全风险

Figure AI 处在早期监管环境中。美国联邦层面尚无综合标准专门覆盖人形机器人；OSHA 的 General Duty Clause （29 U.S.C. §654）是主要合规框架，并由 ISO 10218-1:2011（工业机器人）和 ISO/TS 15066（协作机器人）补充。 IEEE Spectrum 在 February 2025 指出，“现行 OSHA 标准是为固定式工业机器人写的，不是为与人类共享工作空间的人形机器人写的。” 一旦机器人造成严重工伤，将触发 OSHA 调查、最高 $156,259 / 次故意违规的潜在罚款（按 2025 通胀调整）、无限额民事产品责任、 BMW 停产，以及可能冻结企业销售漏斗的声誉损害。截至 May 2026，公开数据库未发现与 Figure AI 机器人部署有关的 OSHA 传票 或执法行动。EU AI Act（August 2024 生效，分阶段执行至 2027）把共享人类环境中的自主机器人列为 Annex III 高风险 AI 系统， 要求在 EU 部署前完成合规评估并取得 CE 标志。BMW Leipzig（计划 summer 2026）面对这一合规要求——Figure AI 尚未披露 合规评估时间表。GDPR 适用于 EU 工厂中捕捉工人信息的机器人视觉数据。知识产权风险仍是潜在项：Tesla 已提交 100+ 项人形机器人 专利申请（2022–2025）；未发现将 Figure AI 列名的在审专利诉讼。 [CR001, CR002, CR003, CR004, CR005, CR006]

7.3 运营、技术与安全风险

Figure AI 的首要技术风险是任务泛化：Helix VLA 模型已经在 BMW Spartanburg 的特定钣金上料任务上，经 11 个月试点得到证明。 多样环境中的商业规模泛化仍未验证。BMW 部署没有公开披露机器人 MTBF、现场故障率或保修条款——这是重大尽调缺口。 NIST 机器人制造路线图把质量管理列为扩张关键瓶颈；Figure AI 必须围绕 BotQ 12,000 台 / 年目标建立等同 ISO 9001 的 质量体系。供应链风险：位于 Sunnyvale, CA 的 BotQ 是唯一制造基地。NVIDIA 计算模块、精密伺服执行器和光学传感器等关键部件 来自受限的全球供应链。美中半导体出口管制影响算力可得性。网络安全风险具有系统性：按 CISA 口径，联网人形机器人构成 ICS 级攻击面。 公司尚未披露 ISO 27001 认证或网络安全审计。人才留存面临 OpenAI、Google DeepMind、Tesla 和 Meta FAIR 对 AI / 机器人 工程师的竞争，而劳动力市场本就紧张。 [CR023, CR024, CR025, CR026, CR037, CR038]

7.4 伙伴、依赖、财务与竞争风险

BMW 估计贡献 Figure AI 2025 年收入的 85–95%（分析师共识）。BMW 尚未公开承诺多年固定量机器人采购合同——Spartanburg 部署 以基于表现的试点形式运行。BMW 的 Leipzig 扩张会在客户多元化前进一步加深这种集中。Tesla Optimus 披露的生产成本目标是到 2026 年底低于 $20,000 / 台，而 Figure AI 估计为 $100,000–200,000。即便 Tesla 只达到该目标的 50%，其 Gigafactory 制造优势 也会击穿 Figure AI 的企业定价模型。中国竞争对手 Unitree（G1 标价 $16,000）、UBTECH、AgiBot 和 Fourier 已处在 $16,000–$50,000 区间。Figure AI 的 $39B 估值对应 250x–650x 收入，要求尚未证明的收入里程碑。Sacra Research 估算 年度运营支出为 $250–400M（2025），意味着基于已融资 $1.9B 的资金跑道为 3–5 年——近期足够，但 2028 年前仍依赖收入规模化。 BMW Leipzig 需要资本，其资金来源尚未披露。 [CR010, CR011, CR012, CR013, CR014, CR015]

7.5 人员、执行、缓释与打破论点触发条件

关键人风险：Brett Adcock 驱动文化、投资人关系和产品愿景；公司尚未宣布具名继任者或副 CEO。十三家战略投资人 （Microsoft、OpenAI、NVIDIA、Amazon、Qualcomm、Intel、T-Mobile、Salesforce 等）利益可能分化，带来治理冲突风险。 已有关键缓释：BMW 背书和履约记录提供监管与声誉锚点。已融资 $1.9B 提供近期资本缓冲。战略投资人生态提供技术和分销保护。 BotQ 垂直整合降低最终组装的单一供应商依赖。建议补齐的缓释缺口：在 Leipzig 之前争取 OSHA Voluntary Protection Program 状态、ISO 27001 认证和 EU AI Act 合规评估。2027 年前拿下 2+ 个锚定企业客户——这是最关键的执行里程碑。五个打破论点触发条件： （1）任何部署站点发生严重机器人安全事故；（2）BMW 终止或显著缩减机器人车队；（3）Tesla Optimus 在 2027 年前低于 $30,000 / 台；（4）出现 Figure AI 无法满足的强制性新人形机器人安全法规；（5）Brett Adcock 离任且无具名继任者。 尽调问题：（1）按客户审计收入，（2）机器人 MTBF 和现场故障数据，（3）OSHA 安全协议文件，（4）BotQ 质量良率， （5）EU AI Act 合规评估时间表，（6）股权结构表和治理权利。 [CR020, CR021, CR022, CR034, CR035, CR036]

7.6 展项

8.1 投资论点与反论点

投资论点：Figure AI 是第一家在工业规模上实现可信商业部署的通用人形机器人公司，BMW 是概念验证。人形机器人市场仍在早期， 但结构性空间巨大（按 Goldman Sachs 和 IDC 估算，2030–2034 年 TAM 为 $38–165B）。Figure AI 的 Helix VLA 代表真实的 AI 护城河——一个基于真实工业部署数据训练的视觉-语言-动作模型，没有等量真实世界经验很难复制。BMW 的 Leipzig 扩张， Microsoft、NVIDIA 和 OpenAI 的战略背书，以及 700+ 名员工围绕 $100,000+ / 年 / 台的单位经济目标推进，若客户多元化成功，指向 2028 年 $1B+ 收入的可信路径。在该收入水平，30–40x 倍数意味着 $30–40B 估值，接近入场价——因此在执行风险下，今天入场可说大致公平。 超额上行（5–7x）需要在 $165B 市场中拿到 5–10% 份额；如果平台能泛化，这并非不可达。 反论点：$39B 是当前估计收入的 250x–650x——这种倍数通常留给有网络效应、近零边际成本的软件公司，而不是资本强度高、单台 COGS 高的硬件公司。Figure AI 只有一个确认客户（BMW），没有公布第二个客户，未披露 MTBF 或质量指标，并面对 Tesla Optimus 披露 <$20,000 / 台目标带来的生存级竞争威胁。EU AI Act 和 OSHA 监管真空给 Leipzig 带来合规风险。Brett Adcock 离任会严重稀释 投资人信心。在 BMW 集中度 90%+ 的情况下，Figure AI 是一笔建立在单一关系上的 $39B 赌注。 [CV001, CV002, CV003, CV004, CV005, CV006]

8.2 估值背景与入场纪律

Series C 细节：Figure AI 于 September 2025 融资约 $1B+，投后估值 $39B。此前是 Series B（$675M，$2.6B， February 2024）——约 18 个月估值跃升 15x，驱动因素是 BMW 部署证明商业可行性，以及 Helix VLA 展示 AI 驱动的泛化能力。 累计融资：约 $1.9B，覆盖 Seed（$100M 自筹）、Series A（$70M，May 2023）、Series B（$675M，Feb 2024）和 Series C （$1B+，Sep 2025）。 估值背景：$39B 估值让 Figure AI 成为全球最有价值的人形机器人公司，超过 Boston Dynamics 的隐含估值（2021 年以 $1.1B 出售给 Hyundai）和 Agility Robotics（已融资 $400M+）。它与 Waymo 的隐含企业价值（基于 $5.5B 融资约 $45B）大体可比。 Series B 到 Series C 在 18 个月内 15x 跳升极不寻常，更像叙事 / 期权价值定价，而不是基本面重估。 入场纪律：对后期成长投资人而言，以 $39B 入场，要在 IPO 时实现哪怕 1x 回报（假设退出收入倍数 20x），需要 $2B+ 收入—— 即较 2025 估算收入增长约 15x。若按 30x 倍数（对硬件 IPO 偏高），盈亏平衡收入要求为 $1.3B。两个场景都要求 2028 年前 客户从 BMW 多元化到 10+ 个企业账户。若投资人追求 3x 回报，退出估值需达 $117B，路径要么是 $5B 收入、23x 倍数，要么是 $4B 收入、29x 倍数——门槛很高。非对称风险画像意味着这是一笔二元赌注，而不是传统成长投资。 优先结构建议：如投资，应谈判获得有意义的下行保护（清算优先权、pro-rata 权利、信息权、反稀释），因为结果分布高度二元。 [CV007, CV008, CV009, CV010, CV011, CV012]

8.3 牛市、基准与熊市情景

牛市情景（约 20% 概率）：Figure AI 到 2030 年成为主导型企业人形机器人平台。假设：（1）BMW 参考客户在 2027 年前带来 5+ 个额外 Fortune 500 汽车和物流客户；（2）Helix VLA 跨行业泛化；（3）BotQ 到 2029 年扩至 50,000 台 / 年； （4）Tesla Optimus 未能按期实现成本目标；（5）Figure AI 拿到 $165B TAM 的 5–10% = 到 2033 年 $8–16B 收入。 按 10–15x 收入倍数，估值为 $80–240B。2028–2029 年以 $100B+ IPO，相对 $39B 入场回报 2.5x——作为牛市情景并不高。 对 VC 阶段投资人（Series B 以 $2.6B 入场）而言，牛市回报为 30–50x。 基准情景（约 40% 概率）：Figure AI 实现稳健企业增长，到 2028 年新增 3–5 个锚定客户，2029 年收入达到 $500M–$1B。 假设：（1）BMW 通过 Leipzig 持续承诺；（2）2027 年前宣布 2–3 个额外汽车或物流客户；（3）BotQ 爬坡至 20,000 台 / 年； （4）无灾难性安全事故；（5）Tesla Optimus 延迟但最终具备竞争力。退出估值（2028–2030 IPO）：按 20–30x 收入为 $15–30B。这意味着较 $39B 入场亏损 25–60%。Series C 投资人的回报：负到持平。Series B 投资人：6–12x。 没有优先经济条款时，基准情景不足以支撑以 $39B 进入 Series C。 熊市情景（约 40% 概率）：BMW 集中度延续；Tesla 在 2027 年前达到成本平价；没有新增客户。假设：（1）BMW 因 Tesla Optimus 或成本压力缩减车队；（2）Figure AI 收入停滞在 $200–400M；（3）需要 Series D，且以下行轮在 $8–12B 完成。Series C 投资人 回报：-70% 至 -80%。考虑到二元客户风险，这一情景具有现实可能性。 [CV013, CV014, CV015, CV016, CV017]

8.4 可比估值分析

公开机器人 / 自动化可比公司：ABB Ltd（$30B 市值，约 2.5x 收入）和 FANUC Corp（$17B 市值，约 3x 收入）是标准工业自动化可比公司。 Rockwell Automation（$11B，约 3x 收入）和 Teradyne（$5B，约 4x 收入，含 Boston Dynamics 部分）位于较低端。按 2024 年收入 年化规模（约 $60M），Figure AI 的 $39B 等于 650x 收入，而公开可比公司仅 2.5–4x。只有把 Figure AI 定价为 AI 软件公司 （典型 20–40x ARR）、并相信其会成长为主导市场地位，这一差距才说得通。这要求投资人相信 Figure AI 的收入轨迹复制的是 超大规模 AI 软件，而非传统机器人硬件。 私有可比公司：Waymo 的隐含估值 $45B（基于 $5.5B 融资）是最接近的结构类比——AI 驱动的物理世界自主、单客户风险（主要为 Waymo One）、平台授权潜力。Boston Dynamics 2021 年以 $1.1B 出售；若 3 年增长 10x，可比公司价值也只是 $11B——远低于 Figure AI 的 $39B。Agility Robotics 已融资 $400M+，隐含估值更低；其 Amazon 合作关系与 Figure AI 的 BMW 关系在结构上相似。 基于里程碑的方法：VC 里程碑模型显示：（1）BMW Leipzig 成功 → 隐含 $45B；（2）首个非 BMW 锚定客户 → $60B； （3）$500M ARR → 按 20x 成长倍数为 $80B；（4）IPO → 若硬件按 15–25x 收入定价，市场倍数收缩至 $25–40B。 该里程碑模型意味着，在收入规模得到证明前，当前 $39B 仍有下行风险。 并购溢价：潜在收购方包括 Microsoft（面向 Azure 云的 AI 机器人）、NVIDIA（计算平台 + 推理）、Toyota/BMW （垂直整合）或 Amazon（仓库自动化）。在 $39B 估值上支付战略溢价，需要极强协同。Microsoft 以 $39B+ 收购 Figure AI 将成为史上最大 AI 收购；理论上可能，但需要非同寻常的信念。 [CV018, CV019, CV020, CV021, CV022, CV023]

8.5 退出准备度、最终尽调问题与打破论点触发条件

退出路径与时间线：IPO 是最可能的主要退出路径；如果收入多元化里程碑达成，当前目标为 2027–2028 年。Figure AI 必须证明： （1）经审计 GAAP 收入超过 $500M，且多客户可见性明确；（2）正毛利（硬件毛利目标 >20%）；（3）清晰的经营杠杆路径。 没有这些里程碑，IPO 承销商会按硬件倍数（15–25x 收入）而不是 AI 平台倍数（30–50x）给 Figure AI 定价，显著压低退出估值。 战略收购是次要路径——更可能发生在 IPO 市场关闭或收入多元化失败时。 提交 IC 前的最终尽调问题：（1）按客户审计收入和合同结构；（2）BMW 部署的机器人 MTBF 数据和保修准备金；（3）非 BMW 已签 LOI 或合同的管线；（4）EU AI Act 合规评估时间表；（5）Series C 后股权结构表、优先权堆栈和清算条款；（6）BotQ 质量良率和单台制造成本。 打破论点触发条件（来自第 7 章）：机器人安全事故；BMW 退出；Tesla Optimus 单台成本 <$30K；Brett Adcock 离任。如果这些事件在收入多元化 达成前发生（即获得 2+ 个非 BMW 锚定客户之前），投资论点不再成立，应在任何可用流动性下退出。 最终建议：谨慎观望。没有优先经济条款和下行保护（1x+ 清算优先权、pro-rata 权利），不要以 $39B 投资。对深信人形机器人赛道、 且有 5–8 年周期的专业基金而言，在 $39B 估值配强保护条款投资可以辩护——但前提是关键尽调问题能得到正面回答。没有保护性条款时， 基准情景无法让 Series C 投资人收回本金。 [CV035, CV036, CV037, CV038, CV039]

8.6 展项