Figure AI

1.1 主体身份、总部与商业模式

Figure AI（法定名称：Figure AI Inc.）于 2022 年注册成立，总部设在加州 Sunnyvale（部分资料标注为 San Jose），研发与制造基地均位于同一园区。公司希望将通用人形机器人投入商业运营，以缓解全球劳动力短缺，并自动化重复性强或有工效伤害风险的作业。其核心产品线——Figure 01、Figure 02 及 Figure 03 人形机器人——将自研硬件与 Helix 视觉-语言-动作 AI 模型相结合，使机器人能够理解自然语言指令，借助机载摄像头感知周边环境，并执行灵巧的物理作业。 Figure 的商业模式主打机器人即服务（RaaS）：客户支付经常性服务费（而非大额前期资本支出），即可在自有设施中部署 Figure 机器人。此模式降低了客户引入门槛，为 Figure 创造了可预测的经常性收入，也便于持续向在役机队推送 OTA 软件更新。近期目标行业包括汽车制造和仓储物流；家用场景则属于长期规划。 公司自建并运营专用机器人制造工厂 BotQ，初期规划年产能为 12,000 台，官方提出的远景目标为年产 100,000 台机器人，以满足预期的商业化需求。 [CO001, CO002, CO003, CO004, CO005, CO006]

1.2 创始团队与领导层

Figure AI 由 Brett Adcock 创立并由其担任创始人兼 CEO。Adcock 是一名连续创业者：此前曾联合创办 AI 招聘平台 Vettery，2018 年据报道由 Adecco Group 以约 $100M 收购；后联合创办电动垂直起降（eVTOL）飞行器公司 Archer Aviation，该公司于 2021 年借 SPAC 壳上市（NYSE: ACHR）。2022 年，Adcock 个人全额出资 $100M 种子轮资金启动了 Figure AI。 CTO Jerry Pratt 是机器人领域的资深专家，此前就职于人机认知研究所（IHMC），从事双足机器人移动运动学研究，并曾联合创办 Boardwalk Robotics。工程与产品团队汇集了来自 Boston Dynamics、Tesla、Google DeepMind 以及 Apple 的资深人才，反映出从顶尖机器人与 AI 机构招揽核心骨干的明确策略。 管理团队还包括增长副总裁 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 2026 年初，Figure AI 的高管团队约有 9 位核心负责人，分管工程、AI、商业运营、质量保证与生产制造。 关键人风险突出：Brett Adcock 的战略视野、创始人声望及投资人关系，是公司融资与商业合作的核心支柱。除 Adcock 与投资方代表外，董事会的具体构成尚未公开详细披露。 [CO007, CO008, CO009, CO010, CO011, CO012, CO013]

1.3 融资历程与资本结构

Figure AI 经四轮一级市场融资累计筹集约 $1.9B： - 种子轮（2022 年）：由 Brett Adcock 个人出资 $100M，Bold Capital Partners 等参投。 - Series A 轮（2023 年 5 月）：$70M（外加 $9M 追加轮），由 Parkway Venture Capital 领投，Intel Capital、Tamarack Global、FJ Labs 及 Aliya Capital 参投。 - Series B 轮（2024 年 2 月 29 日）：融资 $675M，投后估值 $2.6B。投资方包括 Microsoft、OpenAI Startup Fund、NVIDIA、Jeff Bezos（通过 Bezos Expeditions）、Amazon Industrial Innovation Fund、Intel Capital、Align Ventures、ARK Invest、LG Innotek 及 Samsung Venture Investment。Figure 同期与 OpenAI 签署合作协议，共同开发面向人形机器人的下一代 AI 模型，并承诺将 Microsoft Azure 作为其 AI 基础设施合作伙伴。 - Series C 轮（2025 年 9 月 16 日）：规模超 $1B，投后估值 $39B——在 18 个月内相比 Series B 录得 15 倍跃升。由 Parkway Venture Capital 领投，Brookfield Asset Management、NVIDIA、Intel Capital、Qualcomm Ventures、T-Mobile Ventures、Salesforce 及 Macquarie Capital 参投。Figure 表示该笔资金将用于机队规模扩张、机器人训练基础设施建设以及高阶数据采集。 Figure AI 已向未经授权开展交易的老股经纪商发出终止函；公司对老股二级市场交易保持严格控制。公司未公开披露任何债务或授信额度。 [CO014, CO015, CO016]

1.4 规模指标与业务版图

Figure AI 在 2024 年底约有 163 名员工，到 2026 年初已增至 700 多人——同比增长 127%——反映出其在机器人工程、AI 研发、生产制造及商业部署团队上的快速扩张。据报道，公司 2024 年收入约为 $60M；基于第三方机构估算，2025 年收入约为 $158M；公司未公开披露经审计的财务数据。 Figure AI 的首个主要商业部署在 BMW Group 位于南卡罗来纳州的 Spartanburg 工厂：Figure 02 机器人执行钣金上料任务，11 个月累计运行 1,250+ 小时、上料 90,000+ 个零部件，并参与生产 30,000+ 辆 BMW X3。这是现代汽车制造业首个大规模、真实场景的人形机器人商业部署。 Figure AI 在加州运营着一处核心基地，整合了公司总部、研发实验室与 BotQ 生产线。公司尚未正式宣布国际扩张计划，但 BMW 正在评估向更多工厂扩大部署的可行性，包括德国 Leipzig 工厂。 [CO007]

1.5 关键里程碑与最新动向

Figure AI 从成立到大规模商业化部署历时不到三年，堪称人形机器人历史上扩张速度最快的企业之一。关键里程碑包括：2022 年成立并由创始人全额出资种子轮；2023 年完成 Series A 轮引入机构资本；2024 年 2 月完成 Series B 轮，同时与 OpenAI 达成合作并与 BMW 签署商业协议；2024 年 9 月 BMW 官方宣布在生产线部署 Figure 02；以及 2025 年 11 月公布 BMW 为期 11 个月的部署成果。 2025 年 9 月，Figure 宣布完成 $39B 估值的 Series C 轮融资，同时开始将机队从 Figure 02 切换至 Figure 03。Figure 03 吸收了 BMW 产线部署的实战经验——尤其是对前臂及手腕电气架构的重新设计——并配备了无线感应充电系统、带织物软外皮的 16 自由度灵巧手，以及下一代 Helix 2 模型。 负面争议事件：Figure AI 曾因自主能力落地时间线承诺过高而招致批评；多方评测指出，其在 BMW 的作业任务被严格限定在可预测的抓取与放置流程，并非真正的通用自主作业。TechCrunch 于 2025 年 4 月报道称，Figure 正向未经授权的老股经纪商发出终止函，显示出公司对股权流动性与估值管控的高度敏感。 [CO007]

1.6 核心图表

2.1 市场边界与研究范畴

人形机器人市场涵盖双足、人体形态机器人的设计、制造与部署，这类机器人能够在专为人类打造的环境中执行各类物理作业。Figure AI 专注于该领域内的“具身物理 AI（physical AI）”——将先进感知、大语言模型与灵巧操作融为一体，无需针对具体任务重新编程即可执行开放式作业。 该市场与传统工业机器人（固定机械臂、SCARA、并联机器人）截然不同，人形机器人无需改造工厂即可在非结构化环境中与人类协同作业。相邻市场包括：(1) 协作机器人（cobots）、(2) 自主移动机器人（AMR）、(3) 工业外骨骼，以及 (4) 内嵌 AI 的工业自动化软件。这些相邻领域既是竞争对手，也是互补的预算资金池。 Figure AI 近期要争取的预算，主要来自大型制造商和物流企业的设备采购与自动化服务支出；零售、酒店业则是后续机会。家庭消费电子与养老护理服务属于更长期的市场。下文聚焦近期可触达的商业工业市场。 [CM001, CM002, CM003]

2.2 市场规模测算——TAM、SAM、SOM

多家分析机构给出的市场规模差异很大，统计口径、渗透节奏和“人形机器人”的定义各不相同。对近期（2024 年）全球市场的共识估值约为 USD 1.5–2.7 billion；2030 年预测从保守情景的 4 billion 到激进情景的 48 billion 不等。估值同时涵盖硬件、服务和软件收入。 Figure AI 近期可触达的 SAM，是 Figure 03 与 Helix AI 能覆盖的汽车制造、综合物流与仓储、电子装配市场。按劳动力支出和机器人试点 ROI 测算，2025–2030 年全球规模约为 5–15 billion 美元。另一种自下而上的算法，以全球 50 million 个“危险、脏乱或枯燥”的制造岗位、每个岗位每年隐含机器人价值 $30–50K 估算，远期 SAM 可超过 $1T；但这只是推测，渗透速度仍有极大不确定性。 未来 3–5 年，Figure AI 的 SOM 会受 BotQ 每年 12,000 台的产能和销售周期制约。若均价为 $130K/台（或 RaaS 年费 $12K），且年产 12,000 台全部部署，年收入上限约为 $144M–$1.56B，具体取决于商业模式。 [CM004, CM005, CM006, CM007, CM008]

2.3 买方画像与客群细分

Figure AI 的核心买方是面临长期劳动力短缺、高负荷重复性劳动痛点，且具备相应资本预算来消化自动化改造成本的大型工业企业。关键客户群体包括： 1. 汽车主机厂（OEM）与一级供应商（Tier-1）（BMW 为首家客户；同类企业包括 Mercedes-Benz、Toyota、Volkswagen、Hyundai）：重复作业多、工效伤害压力大，已有证据显示其愿为自动化付费，同时还面临严格的工人安全监管。预算通常由生产运营副总裁或工厂厂长掌握。采购周期长达 12–36 个月。 2. 仓储/物流运营商（Amazon、DHL、FedEx、Flexe）：人员流动率极高（每年 100%+），分拣与放置任务重复繁重，已有证据表明其能接受自动化项目的 ROI。Amazon 借助其 Industrial Innovation Fund 参投，释放出未来有望转化为商业客户的信号。 3. 电子装配（Foxconn、鸿海、各类代工厂）：精细操作需求与 Figure 03 的 16–20 自由度灵巧手设计相匹配。面临来自东南亚竞争带来的劳动力成本压力。 4. 更长期的客群（5–10 年）：家庭消费端（养老护理、个人助理）、医疗机构、零售/酒店住宿。Grand View Research 估算，按应用领域划分，个人助理与照护在 2024 年人形机器人市场中占比达 31.6%。 各领域买方的共同决策考量包括：相比人工劳动的总拥有成本（TCO）、设备可靠性与正常运行时间、安全认证资质、任务自适应能力，以及供应商自身的财务稳健性。 [CM009, CM010, CM011, CM012]

2.4 增长驱动因素与商业化阻力

核心增长驱动因素包括：(1) 全球制造与物流业的劳动力短缺：截至 2025 年，仅美国就有约 500,000 个制造业岗位空缺，而日本、德国与中国的人口老龄化加剧了结构性用工缺口。(2) 核心制造区域用工成本上涨，拉高了部署机器人的投入产出比（ROI）。(3) 机器人 AI 实力突飞猛进（视觉-语言-动作模型、基础模型），大幅削减了针对特定任务的编程开销。(4) 商业 ROI 得到实际验证：Figure AI 在 BMW 的落地（特定任务效率提升 400%、准确率 >99%）提供了首个规模化实证。(5) 战略投资方生态赋能：Microsoft、NVIDIA 与 OpenAI 联手压低了算力成本与 AI 模型研发负担。 主要落地障碍包括：(1) 单机成本高（每台 $70K–$130K，协作机器人为 $30K–$50K），早期客户因此局限于资金充裕的企业。(2) 任务泛化能力受限：当前部署严格局限在可预测的抓取与放置流程，无法应对开放式自主作业。(3) 安全认证标准缺失：工业场景下的人形机器人尚无成熟监管框架（OSHA、ISO）。(4) 企业采购周期漫长（12–36 个月）。(5) 关键生产环境中联网自主机器人面临的网络安全风险。 [CM013, CM014, CM015, CM016]

2.5 竞争格局与市场结构

2025 年的人形机器人市场中，少数资金充裕的欧美初创企业既彼此竞争，又与科技巨头阵营的入局者（Tesla Optimus）及老牌玩家（Boston Dynamics/Hyundai）展开博弈。当前市场格局较为分散，无论从交付台数还是收入规模来看，都还没有出现绝对的领头羊，但 Figure AI 在纯人形机器人初创公司中坐拥最高估值（$39B）。获 Amazon 支持的 Agility Robotics 则凭借 Digit 机器人在仓储落地台数上暂居首位。 Figure AI 的核心差异化优势在于多维合力：(1) 累计融资金额最高（$1.9B）；(2) 商业试点标杆最硬（BMW）；(3) 拥有自研全栈 AI 模型（Helix）；(4) 战略投资方生态覆盖最广（Microsoft、OpenAI、NVIDIA、Amazon、BMW）。然而，Tesla 的 Optimus 项目构成了最大的长期竞争威胁，原因在于 Tesla 具备庞大的制造规模、领先的 AI 积淀（FSD 技术栈），以及具备杀伤力的预期定价（目标价 $20K–$30K，显著低于 Figure 的 $70K–$130K 区间）。 中国竞争对手（Unitree、Fourier Intelligence、UBTECH）依托大规模制造能力与政府补贴，构成了长期的硬件成本竞争压力。 [CM005]

2.6 核心图表

3.1 竞争格局总览

2025 年的人形机器人市场分化出三大竞争梯队。第一梯队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）以及 Boston Dynamics（部分业务）。第二梯队是借助现有 AI 生态切入的消费电子与科技巨头：Tesla Optimus、Apple（市场传闻）以及 Amazon（通过参股 Agility）。第三梯队是中国人形机器人厂商：Unitree、Fourier Intelligence、UBTECH 以及 Zhiyuan/HINGE。各梯队在成本结构、落地节奏与战略诉求上各不相同。 Figure AI 的主战场在于企业级与工业制造场景。截至 2026 年初，尚无其他纯人形机器人初创公司达到同等体量的商业化落地规模。不过在 Amazon 仓储网络中，Agility Robotics 部署的 Digit 机器人台数更多。随着 Tesla Optimus 逼近生产导入期以及中国厂商不断压低硬件成本下限，竞争格局预计将迅速演变。 [CP001, CP002, CP003]

3.2 主要竞争对手概况

Agility Robotics（Digit）：2015 年成立于俄勒冈州 Eugene（现获 Amazon 投资）；Digit 为双足机器人，主攻仓储分拣与物流。Amazon Industrial Innovation Fund 的注资兼顾了资金与核心客户关系。截至 2025 年，Digit 已在 Amazon 配送中心投入使用。Digit 在形态设计上侧重下肢机动性而非全身极致灵巧；末端执行器为结构相对简单的夹爪挂钩，不及 Figure 的多自由度关节手设计。收入情况：非公开；累计融资 >$150M。核心隐忧在于：Amazon 可能会将 Agility 深度整合收编，而非广泛对外商业化，从而压缩 Agility 的 TAM。 Tesla Optimus：Tesla 于 2021 年公开的人形机器人计划。截至 2025 年，Optimus Gen 2 的演示展现出更佳的灵巧性，但很大程度上仍依赖遥操作，现场自主部署极其有限。Tesla 设定的单机成本目标为 $20K–$30K——在结构上远低于 Figure 的价格带。Tesla 的 FSD 神经网络训练数据流是一项独有的 AI 资产。得益于 Gigafactory 超级工厂的工业基础，Tesla 的量产爬坡路径可能最快。已上市公众公司，截至 2025 年市值超过 $900B+。 Boston Dynamics（Electric Atlas）：1992 年成立于马萨诸塞州 Waltham；自 2021 年起隶属于 Hyundai。Atlas（2024 年推出的电动版本）在运动灵活性指标上是物理性能最强的机器人，但定位于前沿研发与特种工业用途，并非大众规模化部署。Boston Dynamics 旗下的 SpotEnterprise 与 Stretch 已有成熟商业销售；Atlas 尚未商业化发售。 Apptronik（Apollo）：位于德州 Austin 的初创公司，2025 年完成融资，累计融资金额达 $767M，估值达 $5B。Apollo 瞄准制造、物流与零售场景。核心合作伙伴：NASA。相较 Figure AI，其公开部署数据较少。 1X Technologies：挪威初创企业，累计融资 $137M。凭借目标定价 $20K 的 Neo 机器人瞄准家庭消费市场。其商业化路径明显不同于 Figure AI 聚焦工业 B2B 的打法。 中国竞争对手（Unitree H1/G1、Fourier GR-1、UBTECH Walker X）：Unitree 的 G1 官方售价为 $16,000–$99,000，在硬件价格上大幅击穿美国竞品底线。得益于中国政府补贴支持。虽然美国联邦政府采购对其受限，但全球商业市场依然对其开放。 [CP004, CP005, CP006, CP007, CP008, CP009, CP010]

3.3 Figure AI 竞争优势与护城河

截至 2026 年初，Figure AI 的竞争优势集中在以下维度： 1. BMW 落地实证：业内唯一一家在财富 100 强主机厂拥有已确认、产生真实收入、工业级人形机器人部署项目的企业。运行 11 个月、覆盖 30,000+ 辆汽车、作业准确率 >99%。这沉淀了竞品尚未能复刻的真实 AI 训练数据与商业信用。 2. Helix VLA 模型：基于真实产线数据训练的自研全栈视觉-语言-动作模型。VLA 模型需要海量真实物理作业数据——Figure 在 BMW 的产线部署正是一座源源不断的数据发生器。竞品必须从零构建同类数据集。 3. 投资人生态构筑护城河：Microsoft（算力支持、Azure/AI 合作）、OpenAI（AI 模型联合研发）、NVIDIA（软硬件协同）及 Amazon（潜在未来客户）多方合力，摊薄了 Figure AI 的 AI 研发成本，并为其打开了大型企业客户的大门。 4. 资金实力：累计融资 $1.9B，位居纯人形机器人初创企业之首，支撑了 BotQ 工厂建设及 700+ 人的团队扩张。 5. 最具深度的战略合作：BMW、NVIDIA（制造自动化）以及 Microsoft Azure 的深度整合，构筑起复合型商业纽带。 主要短板：高昂定价（单台机器人 $70K–$130K）相比 Tesla 及中国竞品受众面更窄；任务泛化能力有限（仅限受控场景下的抓取与放置）；对 Brett Adcock 存在强烈的关键人依赖；未公开披露收入数据；BotQ 初期产能（12,000 台/年）制约了近期的扩张规模。 [CP011, CP012, CP013, CP014, CP015]

3.4 竞品定价与商业模式对比

各竞品在人形机器人定价上存在显著差异： - Figure AI：估算硬件买断价为 $70K–$130K，或在 RaaS 模式下为 $12K/年（未经证实） - Tesla Optimus：远期目标价 $20K–$30K（尚未商业化） - Boston Dynamics Atlas：尚未商业化发售；商业化产品 Spot 售价 $75K - Agility Robotics Digit：未公开定价；据推测早期企业采购价约为 $150K–$250K - Unitree G1：官方指导价 $16,000–$99,000（价格门槛最低，但能力相对受限） - 1X Neo：目标定价 $20,000（面向消费端） 商业模式同样各有侧重：Figure AI 主打 RaaS（经常性收入、维保服务与 OTA 升级）；Tesla 大概率会采用硬件销售叠加软件订阅的模式；中国厂商侧重硬件销售利润；Agility 则与 Amazon 的物流仓储体系深度绑定。 Figure AI 的 RaaS 模式一旦起量，相比单次硬件销售能带来更可预测的经常性现金流以及更高的单机 LTV。然而，这需要巨额资本来支撑机器人租赁资产池。RaaS 模式同样意味着 Figure AI 必须承担后续维护与升级折旧风险，而纯硬件销售商早已将此类风险转移给了买方。 [CP016]

3.5 核心图表

4.1 收入来源与商业模式

Figure AI 当前的主要收入来源是与 BMW 位于南卡罗来纳州 Spartanburg 工厂签署的商业协议。该协议的具体条款未公开披露，但行业分析师估算 Figure AI 要么收取硬件买断费用（每台机器人 $70K–$130K），要么按机器人即服务（RaaS）模式收取订阅费（估算约为每台机器人每年 $12,000）。假定与 BMW 的协议采用 RaaS 模式且部署规模为 100–200 台机器人，折算年收入仅为 $1.2M–$2.4M——远低于据报道 $60M 的估算收入。要解释这一差距，实际交付机队可能更大，也可能采用“硬件销售+服务费”的混合模式。 Sacra 估算 Figure AI 2024 年收入约为 $60M，2025 年将增至 $158M，主要由 BMW 项目贡献。单台实际收益显著高于纯 RaaS 订阅定价；差额可能来自硬件销售、入场费、系统集成服务，或高于公开披露的机器人交付量。 未来规划的收入构想包括：(1) RaaS 经常性订阅费、(2) 单次硬件销售、(3) AI 模型授权（Helix）、(4) 软件与 OTA 升级服务，以及 (5) 后续维保与培训服务。截至 2025 年，第 3 至 5 项收入来源尚未被证实能贡献实质性收入。 [CI001, CI002, CI003, CI004]

4.2 单机经济模型与成本结构

人形机器人的单机经济模型仍处于早期且成本高企的阶段。Figure 02/03 的硬件制造成本未公开披露，但行业分析师估算，像 Figure 03 这样零部件复杂度极高（20 自由度灵巧手、6 个摄像头、定制执行器、先进端侧 AI 推理芯片）的机器人，在当前生产规模下每台制造成本介于 $40,000–$80,000 之间——在 $70K–$130K 的估算售价下，毛利率极其微薄甚至为负。 成本结构细分（估算）： - 研发支出：最主要的成本项（占比 70%+）；拥有 700+ 名员工，包括机器人工程师、AI 研究员与机械设计师。AI/机器人领域的平均总年薪达 $200K–$300K+。 - 生产制造销货成本（COGS）：机器人硬件材料费；涵盖 NVIDIA 芯片、定制执行器、摄像头、传感器与电池系统。 - BotQ 工厂资本开支：为达成 12,000 台/年目标产能而投入的厂房建设与产线工装设备。 - 管理与销售费用（G&A）：大客户销售、法务与财务。企业销售周期长达 12–36 个月。 跑通正向单机经济模型的路径取决于：(1) 依托规模化生产压低 COGS（放量后单台目标成本降至 $30K 以下）；(2) 将 Helix AI 软件授权打造为高毛利收入层；(3) 扩充在役机队规模，以更多交付体量摊薄固定的研发开销。 [CI005, CI006, CI007, CI008]

4.3 定价与商业化落地经济性

Figure AI 的市场拓展策略是直接向大型制造企业与物流运营商开展大客户直销。该模式客单价极高，但销售周期极长（12–36 个月），且获客成本（CAC）昂贵（需配备资深大客户销售团队并经历漫长的试点验证期）。 传统的 SaaS CAC/回本周期指标无法直接套用，但在重资产设备领域，其等效成本在于试点开销加上部署落地期间承担的系统集成负荷。 据报道，BMW 在正式商业部署前开展了为期 11 个月的试点——足见早期客户从初次接触到正式交付的周期长达 12+ 个月。随着 Figure AI 走向成熟，得益于成熟的标杆客户示范效应与标准化的集成交付协议，这一周期有望缩短。 定价议价权：企业买方拥有多元备选项（Agility Digit、未来的 Tesla Optimus、传统协作机器人自动化），这制约了 Figure AI 的定价空间。若采纳 RaaS 模式，虽能带来稳定的年金化收入，但要求 Figure AI 在资产负债表上自行沉淀大量机器人资产；硬件直接买断虽可将资本开支转嫁给客户，却可能压低客户终身价值（LTV）。 客户集中度风险：据推测，BMW 贡献了其 2024–2025 年约 90%+ 的收入。估值高达 $39B 的初创企业背负如此结构，单一客户集中度风险极高。 [CI009, CI010, CI011, CI012]

4.4 公开业务进展指标

尽管估值高达 $39B，Figure AI 公开披露的可验证财务数据却极少。现有业务进展主要由生产运营指标体现，财务指标仍缺乏公开佐证： - 在为期 11 个月的部署中，Figure 机器人参与了 30,000+ 辆 BMW 汽车的生产 - 处理了 90,000+ 个零件 - 累计完成 1,250+ 小时作业 - 任务准确率 >99% - 在特定作业中相较此前基线将效率拉升了 400% - 每投入 $1 产生 $1.41 回报（IIoT World 报道称该数据来自早期采用者；具体信源尚不明确） ARR、单机收益、GMV 或合同金额均未获官方证实。收入估算（2024 年 $60M、2025 年 $158M）完全来自第三方分析机构 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 Series C 轮 $39B 估值，对应 2025 年估算收入 $60M 时市销率约为 ~650x，按 $158M 计算则约为 ~250x；这处于 2025–2026 年有记录的非上市软件或硬件公司最高估值倍数之列。 [CI013, CI014, CI015, CI016]

4.5 资金充裕度与外部融资依赖

Figure AI 累计融资额约为 $1.9B，分布如下： - 种子轮：$100M（由 Brett Adcock 个人出资） - Series A 轮：$70M（2023 年 5 月） - Series B 轮：$675M 对应估值 $2.6B（2024 年 2 月） - Series C 轮：约 $1B+ 对应估值 $39B（2025 年 9 月） Series C 轮在交割时创下了人形机器人领域历史上单笔最大融资纪录。投资方包括 Microsoft、NVIDIA、OpenAI、Amazon Industrial Innovation Fund、Bezos Expeditions、Intel Capital、Brookfield、Parkway VC、Qualcomm、T-Mobile 以及 Salesforce。 年度现金消耗估算：原文将员工人数写作“$700+ headcount”；此处按 700+ 名员工理解。按 AI / 机器人行业薪酬水平估算，人均总薪酬为 $200K–$300K+，仅人力成本就达 $140M–$210M；再加上研发、工厂资本支出和硬件销货成本，当前规模下年度总消耗可能超过 $300–$500M。若年消耗为 $300M+，且 Series C 带来 $1B+ 资金，下一轮融资前的跑道约为 3 年（2025–2028 年）。要弥补资金缺口，收入需增至 $500M+，或公司需要 IPO。 市场对 2026–2027 年 IPO 的预期较为活跃；以 $39B+ 的估值公开发行能提供增量资本与流动性。官方尚未确认任何具体的 IPO 时间表。 [CI013]

4.6 核心图表

5.1 以客户工作流视角定义产品

Figure AI 的产品解决了一项明确的企业痛点：在无需改造现有厂房的前提下（因为人形机器人可在专为人类设计的环境中作业），替代工人在高强度、高重复性及符合工效学危害的制造环节中从事体力劳动。 在 BMW 的 Spartanburg 工厂落地项目中，Figure 机器人执行钣金件装配与物料转运任务：从料箱中抓取特定的车身面板零件，校准姿态，并以精准的位置与力度装载至生产夹具中。这些任务此前由工人承担，易导致重复性劳损与身体疲劳。机器人的作业工作流为：(1) 对料箱中的零部件进行视觉感知；(2) 基于 Helix 规划抓取路径；(3) 借助 20 自由度灵巧手执行灵活操作；(4) 核验放置精度；(5) 向协同工人发出信号或流转至下一工序。 提供给客户的价值主张包括：(a) 替代人力——机器人能够 24/7 全天候作业，不知疲倦，也无需请假；(b) 提升质量——>99% 的任务准确率消除了重复性劳动中的人为失误；(c) 符合工效学合规——让工人远离易致伤的高危工位；(d) 商业回报——在 $12K/年的 RaaS 成本下，相较 $40K+ 的人力成本，在大批量重复任务中具备极强的回本吸引力。 核心局限在于：Figure 03 尚未成为真正的通用机器人。作业任务必须局限在狭窄、重复且结构化良好的流程内。对于开放式、全新场景或多步骤非结构化任务，目前的商业部署系统依然无法胜任。 [CE001, CE002, CE003, CE004]

5.2 产品模块与组件架构图

Figure AI 的产品体系由三大集成模块构成： 1. Figure 03 硬件平台：机器人物理本体——身高 168cm、体重 60kg，配备 20 自由度灵巧手（官方称其具备接近人类的灵巧度），搭载 6 个机载摄像头（双目与单目感知），配备支持无线感应充电的 5 小时续航电池。定制研发的执行器（旋转与直线执行器）由内部制造或由专属供应商供应。核心自研组件包括：手部总成（16–20 自由度）、力矩传感器阵列以及机器人操作系统（Figure OS）。 2. Helix AI 模型：将摄像头视觉输入与自然语言任务指令直接映射为机器人关节动作的视觉-语言-动作模型。该模型结合了示范强化学习（来自 BMW 现场与内部实验室的人工遥操作数据）与物理仿真展开训练。Helix 借助专用 AI 芯片在端侧运行推理（具体细节未予披露）。模型升级由 OTA 空中推送完成。在 Figure 03 发布时，Helix 相比 Figure 02 的旧模型有了显著跃升，具备更高的任务泛化能力。 3. BotQ 制造平台：Figure AI 自建的专用工厂，初期规划年产能为 12,000 台机器人（长期愿景为 100,000 台/年）。BotQ 整合了机器人整机组装、质量品控、AI 模型烧录以及机队管理基础设施。除已公布的规划外，截至 2026 年 5 月，该工厂的具体选址与建设进展尚未完全公开。 [CE005, CE006, CE007, CE008]

5.3 技术架构与运营模式

Figure AI 的技术栈在架构设计上追求垂直整合，实现了从机器人底层硬件到上层 AI 模型全链路的自主掌控。核心架构层级包括： 1. 感知层：6 个机载摄像头提供 RGB-D 视觉输入。系统必须实时应对视线遮挡、光照变幻与物体形变等复杂情况。除摄像头与力矩数据外，官方未公开披露任何关于激光雷达或触觉传感器的信息。 2. 动作/策略层：Helix VLA 模型将视觉感知与任务语言指令直接映射为关节力矩输出指令。其核心主张是具备“零样本泛化”能力——即无需重新编程即可应对已受训任务的新型变体。这一能力已在 BMW 产线中得到验证，但其泛化边界依然受制于模型受训数据的覆盖范围。 3. 基础设施层：搭载 Figure OS（机器人操作系统）、云端连接的机队管理平台、OTA 升级推送系统以及实时安全监控机制。云端互联也给工业生产环境引入了潜在的网络安全风险。 4. 制造层：BotQ 不仅是一座总装车间，还是部署前全流程质检测试、AI 模型集成及整机安全认证的核心平台。 Microsoft Azure 是其主要的云服务提供商。业内推测其端侧推理采用了 NVIDIA 硬件（Jetson 或定制芯片），但尚未获得官方证实。与 OpenAI 的合作大概率涉及大语言模型在任务理解环节的集成，但具体细节未予披露。 [CE009, CE010, CE011, CE012]

5.4 部署、系统集成与可靠性

Figure AI 的部署模式需要数月的集成期，客户才能达到商业化应用规模。BMW Spartanburg 工厂的部署包含以下环节：(1) 为期 11 个月的试点期；(2) 借助人工遥操作采集特定任务的训练数据；(3) 针对 BMW 专属任务微调 Helix 模型；(4) 制定安全规范并开展人机共存测试；(5) 逐步扩充机队规模，从试点单元扩展至累计搬运 90,000+ 个零件。 来自 BMW 的可靠性指标：任务准确率超过 99% 是主要宣传亮点；设备可用率与平均故障间隔时间（MTBF）均未公开披露。5 小时续航的电池需要在换班休息时段进行无线感应充电，或依赖基于工班的电池热插拔基础设施。工业作业节奏下执行器的长期磨损率尚未确立。 Figure 03 路线图包括：(1) 集成至 BMW Leipzig 工厂（计划于 2026 年夏季实施）；(2) 拓展至更多制造垂直领域（如仓储、电子装配）；(3) 消费级/家庭场景 Figure 部署（时间表未公开）；(4) 将 Helix 模型扩展至更长任务规划周期与多机器人协同作业。 现场集成要求相当高：客户必须提供结构化物理工作空间、搭建 OTA 网络连接、界定任务参数并制定安全规程。鉴于目前缺乏标准化的工业人形机器人安全认证（如 OSHA、ISO 标准），客户必须自行制定厂区专属风险评估。 [CE013, CE014, CE015, CE016]

5.5 技术差异化与知识产权

Figure AI 相对于竞品的核心差异化优势包括： 1. Helix VLA 模型（BMW 训练数据）：该模型的商业化表现（>99% 准确率，400% 效率提升）是工业人形机器人领域验证最充分的 VLA 部署案例。BMW 的产线数据属专有资产，竞品无法获取。随着完成任务量增加，这套数据飞轮持续强化 Helix 的表现。 2. 20 自由度灵巧手设计：属于商业化人形机器人中灵巧度最高的手部设计之一，支持精细操作，而更简单的夹爪（如 Agility Digit 的挂钩）无法胜任。其知识产权涵盖手部机械结构专利与驱动技术。 3. 无线感应充电：5 小时电池续航配合无线感应充电，消除了充电停机中断，为 24/7 全天候工业部署提供了切实的运营优势。 4. 垂直整合：全面掌控硬件、AI 模型与制造环节，赋予了 Figure AI 跨层协同优化的能力，能够随着时间推移降低销售成本（COGS），并借助系统级调优实现性能改进。 5. 知识产权布局：Figure AI 已就机器人构型、驱动机构与 AI 训练方法提交了多项专利申请，但专利组合的广度与竞争壁垒尚未经独立评估。Brett Adcock 曾表示团队将创新速度置于专利申请之上。 主要知识产权风险：VLA 模型架构正日益开源化（如 OpenVLA、pi0）；硬件设计可能被资金雄厚的中国竞品逆向工程破解；用于保护先行者的合规知识产权（如安全认证）尚未成型。 [CE015]

5.6 信任、安全与合规

人形机器人在工业环境中与人类并肩作业，带来了严峻的安全与合规挑战。Figure AI 面临的关键考量包括： 1. 物理安全：一台 60kg 的机器人高速运动可能导致严重人身伤害。现有安全系统包括：人类靠近时的速度与力量限制、急停机制、地理围栏（将机器人限定在指定作业包络内）以及人体接近感知。BMW 的产线部署包含人机共存规程，人类与机器人通过物理隔离屏障和限速措施共享作业区域。 2. 监管合规：截至 2026 年，尚无成熟的 OSHA 或 ISO 标准专门针对工业环境中的人形机器人部署作出规定。Figure AI 目前处于监管空白中，客户必须自行开展厂区专属风险评估。欧盟《人工智能法案》（EU AI Act）第 6 条与第 7 条可能将通用人形机器人归类为高风险 AI 系统，要求在欧盟设施部署前完成合格评定。 3. 数据隐私：Figure AI 配备的 6 摄像头阵列会录制生产车间与工人的详细视频。云端联网运行引发了客户对专有知识产权泄露的担忧（竞品理论上可能从机器人回传数据中窥探生产工艺）。 4. 网络安全：联网工业机器人属于勒索软件或恶意破坏的潜在攻击目标。云端连接引入了网络攻击面。目前没有公开披露 Figure AI 的安全架构或渗透测试结果。 5. AI 偏差与失误：VLA 模型在未见过的全新情境下可能输出异常结果（即“幻觉”）。处于分布之外的任务可能导致机器人损坏零部件、伤及工人或引发停产。Helix 模型在分布偏移下的鲁棒性尚未在公开场合得到充分检验。 [CE015]

5.7 展品展示

6.1 客户群体细分

Figure AI 目前的客户群实际上仅有一家公开命名的企业：BMW Manufacturing。BMW 是一家名列财富 100 强的德国汽车主机厂（OEM），在美国、德国、英国、中国等市场均建有制造基地。位于南卡罗来纳州 Spartanburg 的工厂按产量计是 BMW 全球最大的整车厂，以约 1,500 辆/天的产能生产 SUV 车型（X3、X4、X5、X6、X7）。 目标客户画像（面向后续拓展）： - 行业：汽车整车厂（OEM）、一级汽车零部件供应商、物流/仓储运营商、电子组装代工厂 - 地域：美国（优先市场）、德国（BMW 产线扩建）、日本、韩国（汽车工业集群），后续逐步拓展至全球 - 公司规模：拥有充裕自动化资本开支预算的大型跨国企业（收入规模 >$1B） - 决策者：制造运营副总裁、厂长、自动化与 CAPEX 预算负责人 - 适用场景：具有人体工效学危害或面临严峻招工短缺的高重复、大批量工序 - 核心门槛：规范的结构化生产作业环境；具备制定和落实既有安全规范的组织能力 销售渠道：完全依赖大客户直销团队（尚未公开确认任何渠道合作伙伴）。这与 12–36 个月的漫长销售周期以及现场集成的技术复杂度相吻合。 [CU001, CU002, CU003, CU004]

6.2 客户采纳轨迹与业务增长

Figure AI 的商业化落地走过了一条克制且专注的单一客户爬坡路径： - 2024 年 1 月：公布与 BMW 签署商业合作协议 - 2024 年 2 月至 12 月：历时 11 个月的试点验证与产线爬坡（累计装配 30,000+ 辆汽车） - 2025 年 9 月：发布 Figure 03，并将 BMW 部署范围扩大至涵盖 Figure 03 - 2026 年夏季（计划）：启动 BMW 德国 Leipzig 工厂的扩建部署 在 BMW Spartanburg 工厂，该方案目前覆盖日产 1,500 辆整车的部分产线，专注执行单一制造工序类型（钣金件搬运与上料）。现场部署的机队确切规模尚未对外公开；结合超过 1,250+ 小时运行中累计搬运 90,000+ 个零件的负荷测算，其任务吞吐率推算初期商业化机队规模约为 10–50 台机器人。 目前尚未宣布其他任何商业客户部署。Amazon 工业创新基金（Amazon Industrial Innovation Fund）参与了 Figure AI 的 B 轮融资，预示着潜在的未来客户合作可能，但尚未确认任何落地 Amazon 场景的商业部署。BMW 正计划于 2026 年夏季将其应用扩充至德国 Leipzig 工厂，这将是首个对外公布的跨国落地项目。 企业级工业硬件通常要经历 12–36 个月的销售到部署周期，现场集成也耗时较长；扩展到多个厂址前，企业会先验证单一厂址的效果。 [CU005, CU006, CU007, CU008]

6.3 标杆客户成效验证

BMW Manufacturing 是目前唯一公开确认的商业客户。证据质量方面，运营指标有扎实佐证，财务条款则缺少公开证据： 已证实的产线运行数据： - 部署周期内累计支持 30,000+ 辆整车装配 - 累计抓取搬运 90,000+ 个零部件 - 机器人执行任务累计运行 1,250+ 小时 - 在钣金件抓取上料任务中实现 >99% 的作业准确率 - 针对特定工艺相比原有基线取得了 400% 效率提升（产线吞吐量改善） - 计划于 2026 年夏季扩充至 BMW Leipzig 工厂 尚未获证实的信息： - 合同金额及计费条款 - 实际部署的机器人台数 - 实际支付给 Figure AI 的商业收入 - 续约年限及合同周期 - BMW 内部对投资回报率（ROI）或满意度的量化评估 IIoT World 提到每投入 $1 可获 $1.41 回报，但将这一数字归于泛称的“早期采用者”，未必特指 Figure AI 或 BMW。BMW 的公开表态偏积极，却较为笼统；BMW 并未直接背书任何量化 ROI。 客户资质方面，BMW 是一流标杆（财富 100 强、品牌知名度高、制造业信誉强）。但对估值 $39B 的公司而言，若只有一个标杆客户，且客户收入占比超过 90%，风险极高。 [CU009, CU010, CU011, CU012]

6.4 客户留存、续约与满意度

截至 2026 年 5 月，Figure AI 与 BMW 的合作关系看起来依然稳固。BMW 计划把部署扩展至 Leipzig，这是客户满意度和续约意愿最有力的信号。Leipzig 扩展也释放出信号：BMW 内部认可这项合作的投资回报，并愿意继续投入资金和运营资源。 然而，Figure AI 尚未公开披露任何客户的正规留存指标——包括净留存率（NRR）、总留存率（GRR）、合同期限、续约率及量化满意度评分。除 BMW 的扩建动作外，市场上尚无公开发布的正式客户案例分析、客户推荐证言或满意度评级。 若采纳机器人即服务（RaaS）模式，本身具备结构性留存特性：机器人一旦深度嵌入生产工序，客户替换成本极高（牵涉工艺重构、安全重新论证以及供应商切换）。但若是纯硬件销售模式，客户锁定效应明显偏弱——客户可以在租约期满后转回人工劳动力或改换竞品设备。 核心留存风险：(1) BMW 内部管理诉求变化——董事会面临削减外包技术开支的压力；(2) 竞品替代风险（例如 Tesla Optimus 争夺 BMW 未来的设备采购配额）；(3) 技术交付不及预期，若 Leipzig 扩建表现欠佳可能引发信任降温；(4) 出现安全事故招致现场暂停作业。 [CU013, CU014, CU015, CU016]

6.5 业务拓展与客户集中度风险

Figure AI 最严峻的财务隐患在于客户极度集中：单一客户（BMW）预计贡献了 2024–2025 年约 90%+ 的总收入。在 $39B 的估值背景下，这与成熟企业级软件的常规结构严重脱节——同等估值梯队的企业中，第一大客户在总收入中的占比通常仅在 10–25% 之间。 业务横向拓客方向： 1. BMW Leipzig 工厂（2026 年夏季）——已确定的扩产项目 2. BMW 旗下其他工厂（如慕尼黑、Regensburg 等）——尚无明确时间表 3. 第二家汽车主机厂客户——目前尚无确证签约的商业客户 4. 物流与仓储自动化——潜在依托与 Amazon 的投资联系，但尚未形成实际产线部署 5. 电子制造装配——尚无公开宣布的客户意向 Amazon 工业创新基金参与 B 轮融资带来了潜在商业落地预期——Amazon 极少作为单纯财务投资人出资。若未来能在 Amazon 仓储网络实现批量部署，将成为破除客户过度集中的关键转折点。 结构性拓展阻力：受制于工业场景 12–36 个月的销售决策期与繁重现场集成工作，一家新制造客户从初次接触到形成商业规模往往需要 1–3 年。即使当前存在数个未公开的试点项目，预计截至 2027 年底，Figure AI 手头的正式商业客户也可能仅有 2–4 家。 [CU006]

6.6 展品展示

7.1 风险概览与严重程度排序

Figure AI 的风险特征由三大基本面客观现实决定：在安全要求极高的工业生产环境中部署实体物理 AI 系统；尚未破除客户集中瓶颈，约 85–95% 收入依赖单一客户（BMW）；背负着 $39B 的高昂估值，要求后续兑现市场尚未证实的庞大营收。本章按净风险敞口（经既有缓释措施对冲后的发生概率与冲击烈度乘积）对关键风险排序，评估风险缓释成熟度，梳理投资逻辑破裂触发点，并列出投资人需开展的尽职调查清单。各项风险划分为四大类别：合规与法律、运营与技术、伙伴与依存度，以及人员与执行。净敞口最大的三项核心风险是：(1) BMW 客户流失或采购缩减（冲击烈度 5，发生概率 2，净风险值 10）；(2) 厂区作业安全工伤事故（冲击烈度 5，发生概率 2，净风险值 10）；(3) Tesla Optimus 实现成本对齐（冲击烈度 4，发生概率 3，净风险值 12）。来自中国厂商的低价竞争是概率最高的风险（发生概率 5），但考虑到现有工业级品质与软件壁垒，其对近端业务的直接冲击评定为中等（3）。 [CR001, CR012, CR014]

7.2 监管、法律与安全风险

Figure AI 处于尚不成熟的法规监管环境之中。目前美国联邦层面尚未出台专门针对人形机器人的系统性法案；美国职业安全与健康管理局（OSHA）的《通用责任条款》（29 U.S.C. §654）是核心遵从底线，同时参考面向工业机器人的 ISO 10218-1:2011 以及面向协作机器人的 ISO/TS 15066 标准。《IEEE Spectrum》在 2025 年 2 月撰文指出：“现行 OSHA 法规当初是为固定式工业机械臂制定的，而非面向需要与工人共享作业空间的人形机器人。”一旦发生机器人导致的严重工伤事故，将立刻触发 OSHA 深入调查、每次故意违规行为最高可达 $156,259 的行政罚款（经 2025 年通胀调整）、无上限的民事产品责任索赔、BMW 产线暂停整顿，以及可能冻结企业级销售漏斗的声誉危机。截至 2026 年 5 月，在公共监管数据库中未发现与 Figure AI 现场部署相关的任何 OSHA 处罚通报或执法行动。欧盟《人工智能法案》（2024 年 8 月生效，分阶段执行至 2027 年）将共享人际空间的自主机器人列为附件三（Annex III）高风险 AI 系统，要求在欧盟属地部署前必须通过合格评定并获得 CE 认证。计划于 2026 年夏季实施的 BMW Leipzig 工厂部署必须跨过这道合规门槛——而 Figure AI 尚未对外公布具体的合规评定推进时间表。此外，GDPR 也将管辖机器人在欧盟工厂采集含有工人肖像及隐私信息的视觉数据。在知识产权领域，潜在侵权风险依然潜伏：Tesla 在 2022 至 2025 年间已申请了 100+ 项人形机器人专利；但截至目前，未见涉及 Figure AI 的存续专利诉讼。 [CR001, CR002, CR003, CR004, CR005, CR006, CR007, CR008, CR009]

7.3 运营、技术与网络安全风险

Figure AI 的核心技术瓶颈在于任务泛化能力：Helix VLA 模型目前仅在 BMW Spartanburg 工厂特定的钣金件搬运任务中通过了 11 个月的试点验证。该模型向多样化非结构化环境的泛化拓展能力在商业规模上未经证实。针对 BMW 的实际部署，官方没有公开披露过任何关于机器人的平均故障间隔时间（MTBF）、现场故障率或保修准备金计提数据——这是极为关键的尽调盲区。美国国家标准与技术研究院（NIST）的机器人制造路线图将质量管控列为规模化制造的主要瓶颈；Figure AI 必须为其年产 12,000 台的 BotQ 工厂建立等同于 ISO 9001 水准的质量管理体系。供应链维度的脆弱性同样显著：位于加州 Sunnyvale 的 BotQ 是唯一的组装工厂。包括 NVIDIA 计算模组、高精度伺服执行器与光学传感器在内的核心元器件高度依赖偏紧的全球供应链。美中半导体出口管制进一步左右了尖端算力芯片的供应保障。网络安全风险具有系统性特征：联网的人形机器人构成工控系统级（ICS）的高危攻击面（符合美国 CISA 的界定）。目前没有公开披露任何有关 Figure AI 的 ISO 27001 认证进展或第三方渗透测试报告。在紧俏的顶尖技术人才市场中，留存核心工程人才面临着来自 OpenAI、Google DeepMind、Tesla 和 Meta FAIR 的激烈抢夺。 [CR009]

7.4 伙伴、依存度、财务与竞争风险

分析师普遍预测，BMW 贡献了 Figure AI 2025 年预计总收入的 85–95%。BMW 尚未向公众承诺签署具有多年期固定采购量的机器人商业长约——此前 Spartanburg 工厂的部署实为基于绩效考核的试点性质。Leipzig 工厂的推进意味着在客户多元化破局之前，单一大客户集中度将进一步拔高。Tesla 官方公布了在 2026 年底前将 Optimus 单台生产成本压缩至 $20,000 以下的目标，相比之下 Figure AI 的单台预估成本在 $100,000–200,000 之间。即使 Tesla 仅达到其成本压缩目标的 50%，其超级工厂的规模化制造红利也能击穿 Figure AI 的大客户定价体系。中国本土竞品如宇树科技（Unitree，G1 标价 $16,000）、优必选（UBTECH）、智元机器人（AgiBot）以及傅利叶智能（Fourier）等，早已将产品定价下探至 $16,000–$50,000 价格带。Figure AI 高达 $39B 的估值对应着 250 倍至 650 倍的市销率，这必须仰赖目前尚未兑现的业绩爆发式增长。Sacra Research 估算其 2025 年的年度运营开支约为 $250–400M，意味着在已募集的 $1.9B 资金储备下，现金跑道仍可持续 3–5 年——短期弹药充裕，但中长期彻底系于 2028 年前收入规模能否大幅放量。此外，BMW Leipzig 工厂的扩建势必消耗大额资本，但其出资构成尚未对外披露。 [CR010, CR011, CR012, CR013, CR014, CR015]

7.5 团队、执行力、缓释策略与投资逻辑破裂触发点

关键人物风险突出：Brett Adcock 深度掌控企业文化构建、投资人关系协调与产品前沿构想；目前尚未指派或对外宣布法定接班人或副总裁级联席领导人。多达 13 家战略投资方（涵盖 Microsoft、OpenAI、NVIDIA、Amazon、Qualcomm、Intel、T-Mobile、Salesforce 等）在诉求上存在分歧隐患，带来了公司治理冲突风险。现有的核心风险缓释要素包括：BMW 的背书与成功验证为应对监管审核和奠定市场声誉提供了压舱石；$1.9B 的累计融资额构筑了充裕的近端资金缓冲；战略投资人生态网络筑牢了技术协同与分销渠道屏障；BotQ 工厂垂直整合总装环节降低了单一部件组装代工的外部依赖。需尽快弥补的治理盲区包括：推进 OSHA“自愿保护计划”（VPP）认证资格、拿下 ISO 27001 信息安全认证，以及在 Leipzig 产线投运前完成欧盟《人工智能法案》合格评定。在 2027 年前至少开拓 2 家以上支柱级标杆企业客户——这是考验管理层执行力最核心的里程碑。五项投资逻辑破裂触发条件：(1) 任一实际部署厂区发生严重的机器人伤人责任事故；(2) BMW 决定终止商业协议或大幅度砍掉机器人机队采购；(3) Tesla Optimus 在 2027 年前实现单台低于 $30,000 的工业级成本；(4) 各国强制推行 Figure AI 无法达标的人形机器人安全新规；(5) Brett Adcock 突然离职且无明确继任者接盘。投委会核心尽调问题清单：(1) 经审计的按客户拆分收入构成；(2) 机器人的 MTBF 与现场运维故障明细；(3) OSHA 生产安全规程备案文件；(4) BotQ 产线的整机良品率与制造成本；(5) 欧盟《人工智能法案》合规评定推进时间表；(6) 股权结构表及核心治理投票权分配明细。 [CR009]

7.6 展品展示

8.1 投资逻辑与反向逻辑

正向投资逻辑：Figure AI 是全球首家在工业制造场景实现通用人形机器人规模化商业落地的先行者——并由行业巨头 BMW 完成了概念验证（PoC）。人形机器人市场尚处起步阶段，但结构性潜在体量极为广阔（根据高盛与 IDC 估算，2030–2034 年间总可用市场 TAM 预计达 $38–165B）。Figure AI 研发的 Helix VLA 模型构成了真正意义上的 AI 护城河——这款视觉-语言-动作多模态大模型基于真实的工业作业数据训练而成，竞品缺乏等量的一线实操经验，极难在短时间内予以复现。伴随着 BMW 推进 Leipzig 工厂扩建、Microsoft、NVIDIA 与 OpenAI 注入深度战略资源，加上 700+ 名员工协同攻坚单台年服务费 $100,000+ 级别的工业机器人商业化闭环，若能在拓展非 BMW 客户上取得突破，预计公司在 2028 年前有望走出一条迈向 $1B+ 营收的可行路径。对应这一收入体量，按 30–40 倍市销率估算对应企业价值在 $30–40B 之间，与当前入场估值大致相当——这也意味着当前估值很大程度上已把执行风险充分计入资产定价。若要获取 5–7 倍的超额上行收益，则要求在 $165B 的庞大蓝海中夺下 5–10% 的市场份额；只要该软硬件平台能成功实现跨行业通用泛化，这一目标并非遥不可及。 反向投资逻辑：高达 $39B 的估值倍数对应当前预计收入的 250 倍至 650 倍——这通常是拥有网络效应和边际成本近乎为零的软件巨头才能享有的超高溢价，绝非高资本开支、单台销货成本（COGS）沉重的硬件制造实体所应匹配的估值模型。Figure AI 目前仅有一家正式确认的标杆客户（BMW），尚未公布第二家正式客户，未曾披露平均故障间隔时间（MTBF）及产品良品率等核心质控指标，还要直面公布了单台成本 <$20,000 激进目标的 Tesla Optimus 带来的颠覆性竞争挤压。此外，欧盟《人工智能法案》与 OSHA 面临的监管空白为即将落地的 Leipzig 项目带来了合规隐患。Brett Adcock 一旦离职，将严重冲击投资人信心。在 BMW 收入占比超 90% 的现状下，押注 Figure AI 无异于将 $39B 巨资豪赌在单一商业关系之上。 [CV001, CV002, CV003, CV004, CV005, CV006]

8.2 估值背景与入场纪律

C 轮融资细节：Figure AI 于 2025 年 9 月完成了约 $1B+ 的巨额融资，投后估值跃升至 $39B。该轮融资紧随 2024 年 2 月完成的 B 轮（以 $2.6B 估值募集 $675M）之后——在短短约 18 个月内估值暴涨 15 倍。暴涨的核心催化在于 BMW 产线部署验证了商业化落地的可行性，同时 Helix VLA 展现了多模态 AI 驱动的自主泛化潜力。累计融资金额：历经创始团队自筹的种子轮（$100M）、A 轮（2023 年 5 月 $70M）、B 轮（2024 年 2 月 $675M）以及 C 轮（2025 年 9 月 $1B+），累计融资金额达约 $1.9B。 估值对标背景：$39B 的体量使 Figure AI 跃居全球身价最高的人形机器人初创独角兽，一举超越了 Boston Dynamics（2021 年被现代汽车以 $1.1B 收购）和 Agility Robotics（累计融资 $400M+）的隐含估值。这一体量已与自动驾驶领头羊 Waymo 的隐含企业价值（基于募集 $5.5B 推算对应约 $45B）大致相当。在短短 18 个月内从 B 轮到 C 轮飙升 15 倍的估值跃迁极其罕见，这很大程度上反映出资本市场对宏大 AI 叙事与战略期权价值的情绪溢价，而非源自基本面财务指标的健康重估。 入场投资纪律：后期成长型投资机构若在 $39B 的超高估值价位进场，哪怕仅追求 IPO 退出时取得 1 倍基础回报（假设按 20 倍市销率倍数退出），倒推要求公司年营收跨越 $2B+ 大关——营收需从 2025 年预计规模增长约 15 倍。即便给予硬件公司 IPO 阶段较为罕见的 30 倍市销率高估值，实现保本也需完成 $1.3B 的年营收支撑。上述两套测算模型均要求在 2028 年前成功完成客户破局，将客户群从单一的 BMW 扩展至 10 家以上的大型企业客户。若追求 3 倍投资回报，对应退出时 $117B 的超级市值体量，要么需要按 23 倍市销率实现 $5B 年营收，要么按 29 倍市销率实现 $4B 年营收——这无疑构成了极其苛刻的业绩考核门槛。高度非对称的风险回报收益特征表明，这实质上是一场输赢分明的二元押注，而非稳健的传统成长期成长投资。 优先条款结构诉求：若决定在此阶段注资，鉴于二元对立的退出分布，必须在法律合同中极力争取到具有实质防御力的下行兜底条款（涵盖清算优先权、按比例认购增发权、全额知情权与防稀释条款）。 [CV007, CV008, CV009, CV010, CV011, CV012]

8.3 乐观、基准与悲观情景测算

乐观情景（概率约 20%）：Figure AI 在 2030 年前确立全球工业人形机器人领域的主导平台地位。核心假设包括：(1) 依托 BMW 的成功标杆案例，在 2027 年前新增签约 5 家以上财富 500 强级别的汽车整车厂及物流行业巨头；(2) Helix VLA 模型在跨行业作业场景中成功实现通用泛化；(3) BotQ 智能制造工厂在 2029 年前达成每年 50,000 台的量产交付爬坡；(4) Tesla Optimus 无法如期达成其单台成本控制目标；(5) Figure AI 在规模达 $165B 的潜在市场总额（TAM）中抢占 5–10% 市场份额，对应 2033 年实现 $8–16B 年营收。若按 10–15 倍市销率给予估值，对应企业估值将达 $80–240B。若在 2028–2029 年以 $100B+ 估值实施 IPO，对应 $39B 入场成本的回报倍数为 2.5 倍——在乐观情景下回报依然偏温和。以 $2.6B 估值进入的 B 轮早期风险投资人，其投资回报可达 30–50 倍。 基准情景（概率约 40%）：Figure AI 保持平稳的大客户业务拓展节奏，在 2028 年前新增签约 3–5 家支柱标杆企业，至 2029 年年收入达到 $500M–$1B 规模。核心假设包括：(1) BMW 持续保持合作并顺利兑现 Leipzig 工厂的扩产交付；(2) 2027 年前公布新增签约 2–3 家汽车或泛物流行业大客户；(3) BotQ 工厂年产能稳步爬坡至 20,000 台；(4) 未发生灾难性的人机工伤安全事故；(5) Tesla Optimus 落地遭遇拖延但最终仍形成实质竞争。退出估值预测（按 2028–2030 年完成 IPO 退出）：对应 20–30 倍市销率推算企业估值在 $15–30B 之间。这相当于较 $39B 的 C 轮入场估值缩水 25–60%。C 轮投资人的整体收益预期将落在负收益至勉强保本之间；B 轮投资人的投资收益仍可达 6–12 倍。在缺乏优惠优先条款的前提下，当前的基准情景显然无法支撑在 $39B 价位盲目参投 C 轮。 悲观情景（概率约 40%）：公司始终难以摆脱过度依赖单一客户 BMW 的困境；Tesla 在 2027 年前成功达成了成本持平；未能在 BMW 之外敲定任何新的正式客户。核心假设包括：(1) 出于 Tesla Optimus 的竞品诱惑或成本控制压力，BMW 削减了 Figure 机器人的部署规模；(2) Figure AI 年营业收入在 $200–400M 附近陷入增长停滞；(3) 必须以 $8–12B 的降估值（down-round）形式被迫开展 D 轮求生融资。此时 C 轮投资人将承受高达 -70% 至 -80% 的本金亏损。鉴于大客户二元对立的集中度风险，此情景发生的可能性不容忽视。 [CV013, CV014, CV015, CV016]

8.4 可比公司估值对标

公开市场工业机器人与自动化对标标的：ABB Ltd（市值约 $30B，对应约 2.5 倍市销率）与 FANUC 发那科（市值约 $17B，对应约 3 倍市销率）是工业自动化领域经典的公开对标龙头。Rockwell Automation 罗克韦尔自动化（市值 $11B，约 3 倍市销率）以及 Teradyne 泰瑞达（市值 $5B，约 4 倍市销率，包含部分 Boston Dynamics 资产折算）代表了该估值梯队的下限。按 2024 年预计的年化收入运行率（约 $60M）测算，Figure AI $39B 的天价估值对应市销率高达 650 倍——而二级市场工业可比公司的估值区间仅为 2.5–4 倍。唯有将 Figure AI 锚定为一家正在成长为行业统治者的顶尖 AI 软件公司（常规交易倍数在 20–40 倍 ARR 之间），其巨大估值落差才勉强具备理论合理性。这就要求投资人必须坚信 Figure AI 未来的收入爆发曲线将复刻超大规模 AI 软件服务商的轨迹，而非被传统的机器人硬件制造商规律所束缚。 一级市场私募对标标的：Waymo 对应约 $45B 的隐含估值（基于累计融资 $5.5B）在业务构架上与其最为相近——同样以 AI 驱动解决物理世界的自主运行难题、面临早期单一客户集中度过高（主要依赖 Waymo One）的运营现状，并兼具长远的平台对外授权潜力。Boston Dynamics 于 2021 年以 $1.1B 的对价易手；即便假设其在过去 3 年间实现了 10 倍的超高速增长，推算当前对标估值也仅在 $11B 左右——依然远逊于 Figure AI 的 $39B。Agility Robotics 在较低的隐含估值下累计融资 $400M+；其背靠 Amazon 的生态协作模式在业务构架上与 Figure AI 和 BMW 的合作羁绊极其相似。 基于里程碑解锁的估值模型：基于风险投资里程碑模型的推演路径包括：(1) BMW Leipzig 工厂落地投产成功 → 支撑 $45B 隐含估值；(2) 首度敲定 BMW 以外的第二家支柱标杆企业 → 支撑 $60B 估值；(3) 年经常性收入（ARR）达到 $500M → 按 20 倍成长性乘数推算支撑 $80B 估值；(4) IPO 上市阶段 → 若二级市场严格将其作为硬件企业给予 15–25 倍市销率，则估值倍数面临收缩至 $25–40B 的风险。该推演明确揭示出：在营收规模尚未得到实质性证明之前，相较于当前 $39B 的入场基线，资产本身潜藏着较大的估值下修风险。 并购潜在溢价空间：潜在战略收购方包括 Microsoft（为 Azure 云端生态配套前沿实体 AI 机器人）、NVIDIA（算力硬件底座与端侧推理融合）、丰田/BMW（主机厂推进前向垂直整合）或 Amazon（仓储物流全自动化）。若要在 $39B 估值底座之上给出合理的战略溢价，要求收购方能捕捉到极具颠覆性的业务协同价值。若由 Microsoft 出资 $39B+ 收购 Figure AI，将刷新 AI 产业有史以来最高并购金额纪录；理论上具备商业想象空间，但极度依赖超常的战略决心。 [CV010]

8.5 退出就绪度、终审尽调清单与投资逻辑破裂触发点

退出路径与时间表规划：IPO 是最可能的主要退出渠道，目前的基准目标是在达成客户收入多元化里程碑的前提下于 2027–2028 年挂牌上市。在此之前，Figure AI 必须向市场展示：(1) 经审计的 GAAP 口径下超过 $500M 且多客户可验证的营业收入；(2) 转正的综合毛利率（硬件毛利率目标 >20%）；(3) 清晰可见的经营杠杆释放路径。若无法如期完成上述里程碑，IPO 承销银团将严格按传统硬件设备商倍数（15–25 倍市销率）而非 AI 平台型企业倍数（30–50 倍）为其发行定价，导致最终退出市值遭遇大幅腰斩。被行业巨头战略收购可作为第二备选退出方案——尤其在二级市场 IPO 窗口收紧或自身拓客受挫时，被收购的可能性更大。 呈报投资决策委员会（IC）的终审尽职调查清单：(1) 经正规审计的按客户拆分收入构成与详细合同计费架构；(2) 来自 BMW 产线的机器人 MTBF 实际故障统计与维保准备金留存凭据；(3) BMW 之外已签署意向书（LOI）或商业合同的在途客户储备管线；(4) 欧盟《人工智能法案》合规评定执行时间表；(5) C 轮增资后的完整股权结构表（包含清算优先权偿付顺位与清算分配条款）；(6) BotQ 产线的整机良率数据与单台制造完全成本拆解。 投资逻辑破裂触发条件（承接第 7 章）：发生严重的人机安全生产事故；BMW 全面撤资或终止合作；Tesla Optimus 压低至 <$30K 工业级售价；Brett Adcock 关键创始人离职。若在客户多元化（即至少签下 2 家非 BMW 支柱客户）之前触发任何一项，投资逻辑便不再成立，投资人应抓住任何可行的流动性窗口撤出。 投委会最终评定建议：谨慎观察（CAUTIOUS WATCH）。在没有争取到实质性优惠条款与下行风险兜底保障（包括 1 倍以上清算优先权、按比例认购增发权等）的前提下，切勿在 $39B 的超高估值价位盲目跟投。对于深耕该领域、投资周期为 5–8 年且看好人形机器人的垂直专项基金，只有在落实有力的下行保护条款、并且核心尽调问题得到肯定答复后，以 $39B 入场才说得通。在没有保护性条款时，基准情景不足以让 C 轮投资人收回本金。 [CV010]

8.6 展品展示