Figure AI 在 2025 年與 BMW 簽署了一份里程碑式的商業合同——Figure 02 人形機器人進入 BMW 斯帕坦堡工廠進行真實生產線測試。這是人形機器人首次獲得全球頂級汽車製造商在實際生產環境中的部署合同，標誌著人形機器人從「展示步行和跳舞」到「在工廠幹活」的關鍵轉折。
Figure 02 在 BMW 工廠執行的初始任務是車身面板搬運和零件分揀——這兩項任務雖然看似簡單，但對機器人提出了全面的技術挑戰。搬運車身面板需要精確的抓取力控制（面板表面非常敏感，不當的壓力會造成變形或刮傷）、環境感知（在狹窄的裝配線通道中導航）和持久續航（連續數小時的體力工作）。零件分揀則需要視覺識別能力（辨識不同形狀和材質的數十種零件）和精細的夾爪操作。
Figure 02 的關鍵技術參數：身高 168 公分，體重 60 公斤，有效載荷 20 公斤，運行時間約 5 小時（電池容量 2.25 kWh）。手部自由度為 12 個（4 指，每指 3 DOF），指尖配備了觸覺感測器（可感知 0.1 N 的接觸力）。Figure 02 使用 NVIDIA Jetson AGX Orin 作為邊緣計算核心，透過 5G 連接工廠網路實現與 MES（製造執行系統）的即時數據交換。
在 BMW 的試點運營中，Figure 02 展現了令人鼓舞但仍有改進空間的表現。任務成功率在 4 個月的測試期內從 61% 提升至 87%。失敗主要集中在：電磁干擾導致的定位偏差（在焊接工位附近，強電磁場影響了視覺導航系統，約 5% 的失敗）、不同光線條件下的物體識別錯誤（3%），以及長時間運行導致的關節溫度升高影響運動精度（約 2%）。Figure AI 已為 BMW 的第二階段部署準備了軟體更新——包括增強電磁屏蔽和最佳化長時間運行後的冷卻策略。
Figure 02 與 Optimus Gen 3、Atlas 的核心區別在於其商業化策略。Tesla Optimus 聚焦於 Tesla 自身的製造需求，Boston Dynamics Atlas 專注於技術展示和研發合作，而 Figure 02 從設計之初就以「第三方製造商的即插即用解決方案」為目標——提供標準化的部署服務包（包括機器人的工廠場景適配、MES 系統整合、遠端監控和維護方案），降低客戶的導入門檻。
Figure AI 的公司背景
Figure AI 由 Brett Adcock 在 2022 年創立——此前 Adcock 曾創立 Archer Aviation（電動垂直起降飛行器公司，2021 年 SPAC 上市）。Figure 的使命是開發通用人形機器人——在製造、物流、倉儲和零售等行業執行人類不願意做、不適合做或無法做的任務。Figure 在 2024 年完成了 6.75 億美元 Series B——投資者包括微軟、OpenAI、NVIDIA 和 Jeff Bezos——對應估值約 26 億美元。與 OpenAI 的合作為 Figure 提供了 AI 能力——Figure 02 中使用的 VLA 模型部分基於 OpenAI 的視覺語言模型。
Figure 在 2025 年的 BMW 合同是人形機器人行業的分水嶺——這是第一個人形機器人公司與全球頂級製造商簽署的實際生產線部署合同。BMW 選擇 Figure 而非 Tesla Optimus 或 Boston Dynamics Atlas——反映了 Figure 的商業化策略（即插即用的第三方解決方案）比 Tesla 的垂直整合策略（先服務自身工廠）更具吸引力。
Figure 02 的技術參數
Figure 02 身高 168 公分、體重 60 公斤、有效載荷 20 公斤、運行時間約 5 小時（2.25 kWh 電池）。手部自由度 12 個（4 指，每指 3 DOF）——指尖配備觸覺感測器（感知 0.1 N 接觸力）。使用 NVIDIA Jetson AGX Orin 邊緣計算——透過 5G 連接工廠網絡實現與 MES 系統的即時數據交換。
在 BMW 工廠的表現
在 BMW 斯帕坦堡工廠的 4 個月測試中——Figure 02 的任務成功率從 61% 提升至 87%。初始任務是車身面板搬運和零件分揀——失敗主要集中在：電磁干擾（焊接工位強電磁場影響視覺導航，約 5%）和不同光線條件下物體識別錯誤（約 3%）。Figure 已為第二階段部署準備軟體更新——增強電磁屏蔽和長期運行冷卻策略。
人形機器人市場展望
Figure 02 的 BMW 合同驗證了人形機器人在製造業的經濟可行性——如果成功擴展，將推動更多汽車製造商和物流企業部署人形機器人。Goldman Sachs 在 2026 年的報告預測人形機器人市場在 2035 年可達 1,540 億美元——製造業和物流業將是最大的兩個應用市場。Figure AI 的競爭優勢在於：最先獲得頂級客戶的生產線合同、與 OpenAI 的 AI 能力合作、以及 Brett Adcock 的連續創業記錄和融資能力。挑戰是：人形機器人行業整體仍處於早期商業化階段——量產規模有限——關鍵零組件（減速器、力矩電機、觸覺感測器）的供應鏈尚未成熟。
VLA 模型的訓練
Figure 02 的視覺-語言-動作（VLA）模型在超過 100 萬小時的真實和模擬機器人操作數據上進行了訓練。訓練數據包括：Figure 自己的測試數據（在實驗室環境中執行各種操作任務）、模擬環境中的大規模強化學習（使用 NVIDIA Isaac Sim 生成數十億個訓練樣本）和來自互聯網的人類操作視頻（展示人類如何抓取、移動和放置物體）。
2026 年 Figure 引入了「演示到策略」（Demonstration-to-Policy）的訓練方法——操作員透過 VR 設備遠程操控 Figure 02 執行任務——每次成功操作的數據被自動添加到訓練集中。這一流程使 Figure 可以快速收集特定任務的高質量演示數據——BMW 工廠中特定面板搬運任務的訓練數據在 2 週內從 100 次演示擴展至 10,000 次——對應的任務成功率從 61% 提升至 87%。
與 Optimus 和 Atlas 的對比
Figure 02、Tesla Optimus Gen 3 和 Boston Dynamics Atlas 代表了人形機器人的三條不同路線。Figure 02——第三方製造商的即插即用解決方案——標準化部署服務包——降低客戶導入門檻。Optimus——聚焦 Tesla 自身製造需求——特斯拉的超級工廠是大規模驗證的天然場景。Atlas——技術展示和研發合作——與 Hyundai 的策略合作——優勢在於運動能力和動態控制。三條路線的共同挑戰是：在真實工廠環境中實現與人類工人相當的效率和可靠性——以及將生產成本降至商業可行的水準。
商業化挑戰
人形機器人商業化的主要制約因素包括：製造成本（Figure 02 的 BOM 成本約 15-20 萬美元、售價不公開但業界估計約 25-40 萬美元——對比人類工人 5-6 萬美元/年的總僱傭成本——投資回收期約 5-8 年）。可靠性（Figure 02 在測試中平均故障間隔時間（MTBF）約 500 小時——人類工人可以連續工作數年無需更換）。任務靈活性（Figure 02 目前可執行約 10-15 種任務——人類工人可執行數百種）。這些差距正在快速縮小——但完全跨越需要時間和規模效應。
產業啟示
Figure AI 的 BMW 合同對整個人形機器人行業具有示範效應。BMW 作為全球頂級製造商選擇與 Figure 合作——而不是自行開發人形機器人或選擇 Tesla——發出了明確的市場信號：人形機器人供應商可以獨立於機器人製造商存在。這一信號可能加速其他製造商（豐田、大眾、福特）採購人形機器人用於工廠自動化的決策。Figure 的成功也驗證了人形機器人商業化的「即插即用」模式——不是從通用機器人開始逐步適配製造場景——而是從製造場景的特定任務開始逐步擴展任務範圍。這一「由點到面」的商業化策略——先解決單一工廠的具體痛點——再橫向擴展到更多工廠和任務——比「通用機器人一步到位」的策略更務實、風險更低。
行業展望
人形機器人行業在 2026 年面臨的關鍵問題不是「人形機器人能否工作」——而是「人形機器人能否在客戶的預算和可靠性要求下工作」。Figure 02 的 BMW 測試為「能工作」提供了證據——但持續改進可靠性和降低成本才是決定行業未來的真正戰場。Figure AI 如果能在 2027 年實現 90%+ 的任務成功率和 1,000 小時+ 的 MTBF——並將成本降至 15 萬美元以下——將有機會在人形機器人這個潛在萬億市場中建立不可動搖的先發優勢。競爭對手不會等待——Tesla Optimus 和 Boston Dynamics Atlas 各自擁有強大的技術積累和資源——人形機器人賽道的競爭才剛剛開始。