海外的具身智能赛道，出现了一只超级独角兽。
Figure获得了10亿美元C轮融资，投后估值达到390亿美元。
本轮融资由Parkway Venture Capital领投，重要的参投机构包括Brookfield Asset Management、NVIDIA、Macquarie Capital、Intel Capital、Align Ventures、Tamarack Global、LG Technology Ventures、Salesforce、T-Mobile Ventures以及Qualcomm Ventures。
在2024年2月，它获得6.75亿美元B轮融资，由Microsoft、OpenAI Startup Fund、杰夫·贝索斯等参投，C轮融资的主要参与者Parkway Venture Capital、Intel Capital、Align Ventures也均参与B轮投资。
尽管无论是海外还是中国市场，具身智能都是最热的赛道之一，但是连获两轮巨额融资的Figure仍然是现象级的，颇有大模型领域OpenAI的势头，那为什么这么多顶尖的投资机构青睐它，它的竞争优势和护城河又是什么？
软硬件结合的垂直整合，具身智能行业的特斯拉模式
2024年，Brett Adcock创立了Figure，并阐述了他创立Figure的终极目标：解决劳动力短缺，提升人类福祉。
他曾写道：“体力劳动的报酬是商品和服务价格的主要驱动因素，约占全球GDP的50%（约42万亿美元/年）。但当机器人‘加入劳动力大军’，劳动成本将会下降，随着时间的推移，当机器人能够制造其他机器人时，人类甚至可以完全退出生产环节——这将使价格进一步下降。机器人能够消除对不安全和不受欢迎工作的需求——最终让我们能过上更幸福、更有意义的生活。”
为此，他还仿照特斯拉公布了自己的Master Plan：
第一步：“构建一个功能完备的机电一体化人形机器人。”
第二步：“实现拟人化的操控能力。”
第三步：“将人形机器人融入劳动力大军。”
Brett Adcock此前是成功的连续创业者，他创立的Archer以27亿美元成功上市，Vettery则以1亿美元被收购。他组建的团队由来自波士顿动力、特斯拉、谷歌DeepMind以及Archer Aviation的顶尖AI机器人专家组成。
Figure创始人Brett Adcock（来源：Figure）
在早期阶段，创始人和团队是投资人判断的重要依据，Brett Adcock的连续创业者背景，他组建的强大团队，以及他的Master Plan，都是投资人们看重的因素。
垂直整合形成的飞轮效应和闭环，带来高壁垒
但是，Figure开始获得科技巨头巨额投资及合作，是B轮和C轮，在这个阶段，企业投资人们看的是技术和产品的竞争优势，而不仅是团队。Figure的竞争优势是什么？是它软硬件结合的垂直整合战略，以及对这个战略的执行情况。
相比软件，垂直整合战略在硬件方面，更容易占据优势，从苹果到特斯拉，莫不如此。
从自研的芯片，到专属的闭源操作系统，再到App Store软件生态系统，苹果掌控了从底层硬件到顶层软件的每一个关键环节；这构建了软硬件无缝结合的流畅体验，也为苹果带来了强大的品牌溢价能力，竞争对手极难复制。
特斯拉则拥有全自研的软硬件结合的自动驾驶系统，自己制造的电动汽车以及Robotaxi服务。它的自动驾驶系统与电动汽车结合，形成了自我进化的数据飞轮，而整车销售和Robotaxi服务又为整个系统的进化提供了强大的现金流。同样重要的是，这种垂直整合的模式，一旦起了规模，不但体验超越竞争对手，还能极大地降低成本。
在具身智能行业，大多数公司是专注于整个产业链的某一部分。无论是大脑（模型），感知，移动，灵巧手，都有不错的公司或大厂实验室在耕耘。
例如专注大脑的公司或实验室有Google DeepMind，他们开发了RT-X、RT-2等一系列VLA模型，而这一系列模型的核心人员又出去创立了Physical Intelligence这家公司，并打造了机器人通用大脑Π0。当然这个赛道上还有Covariant AI（AI大牛Pieter Abbeel创立）和NVIDIA等厉害的公司和实验室。
专注于感知的公司有Zivid（工业级3D彩色相机），SynTouch（触觉传感器）；专注于移动的有Agility Robotics，专注灵巧手的则有RightHand Robotics。
而Figure的机器人本体和模型都是自研的，更进一步，它还有自己的算力设施，自己的大规模制造能力，并且现在它的机器人已经在自有工厂里建造机器人。
这就形成了完整的飞轮效应和闭环：自研的机器人本体和模型无缝配合，形成最优的表现，自有的算力设施和大规模制造能力，长期看节省成本，掌握主动权，而让机器人自己建造机器人，既验证了机器人在场景中的能力，又为进一步提高模型能力，提供了数据。
这是特斯拉的套路，也是帮助Figure构建核心壁垒的必要路径。
为AI而生的躯体，会思考的大脑，能自我复制的工厂
Figure的机器人本体，现有的型号是Figure 02；下一代机器人本体Figure 03也已经完成了设计，Figure 03是一个完全机电一体化的人形机器人，它的手部也是自研的。
除了功能的进步外，更大的变化在其制造工艺。Figure 02采用了高复杂度、高公差、低效率的计算机数控（CNC）加工工艺，这使得它只能小规模生产，并且成本高。而Figure 03则转向了模具化工艺，如注塑成型、压铸、金属注射成型和冲压，以往需要超过一周CNC加工的零件，现在使用复杂的钢制模具可在20秒内完成制造。这使得机器人的大规模制造成为了可能。
此外，Figure还开发了F.03电池系统，新电池有2.3千瓦时（kWh）的电量，可支持机器人以峰值性能运行长达5小时，它也是首款正在进行UN38.3和UL2271双重电池安全标准认证的人形机器人电池；而且这款电池的成本相比上一代，降低了78%。
Figure机器人的智能，由一套叫Helix的智能系统提供，这套系统本质上是一个通用的视觉-语言-行动（VLA）模型，它在架构和功能上有诸多特点。
Helix采用了“系统1（快思考）+系统2（慢思考）”架构；系统2是一个70亿参数的VLM模型，主要负责场景理解和语言领悟，系统1是一个8000万参数的Transformer模型，负责执行快速的反应式视觉-运动策略，将系统2的语义表征转化为精确、连续的机器人动作。
Helix采用完全端到端的训练方式，仅使用一套神经网络权重便可学习所有行为，在Helix的驱动下，Figure的机器人可以实现物流分拣、叠衣服、装填洗碗机、自主导航等一系列任务，而且它是不需要对特定任务进行微调的。
除了以上特点，Helix还能实现零样本多机器人协调，这代表着大规模部署机器人，并让它们协同作业，成为了可能。
Figure相比其他海外具身智能公司，最大的一个特点，可能就是它自有的大规模制造能力。这个能力由BotQ工厂实现，据悉，BotQ的第一代生产线将具备每年制造多达12000台人形机器人的能力。
在BotQ工厂中的一个关键创新，是将Figure人形机器人的自动化能力融入了装配线，随着AI系统Helix的引入，它们将能利用机器人来组装生产线上的关键部件，并充当物料搬运员。通过利用机器人来制造更多机器人，这将加速生产进程，最终为未来自主制造奠定基础。
更进一步分析，让机器人在产线上制造机器人，直接让机器人积累了大量实操的数据，这些数据又可以反过来优化Helix智能系统，而Figure还与Brookfield合作，让人们在它旗下的住宅，商业办公和物流设施中积累数据，然后反哺Helix智能系统，因为人形机器人的视角和运动学特征与人类如出一辙，这使得直接从日常的人类活动视频中迁移知识成为可能。基于这两个数据采集来源，Figure有希望建立一个超大规模的机器人数据集。
同时，相比传统的，靠人类标注的数据训练模型，这种方式是无需编程和无监督的，可以说解锁了具身智能行业新的Scaling Law。
自有的本体，自研的模型，具有大规模制造能力的自建工厂，场景验证和数据采集的环境，将这些要素垂直整合，就是Figure的护城河与差异化竞争优势，也是它达到390亿美元估值的理由。
AI硬件重塑物理世界
在具身智能领域，想要实现软硬件结合的垂直整合路线，重要的不仅是设计能力，还要有制造能力、场景和产业链整合能力。很巧的是，中国市场的制造能力和产业链就很强，而且具有成本优势，这为中国的具身智能创业者们提供了良好的土壤。
目前有不少中国的具身智能公司，走了软硬件结合的垂直整合路线，例如宇树科技，银河通用，智元机器人，逐际动力等。
软硬件结合的垂直整合路线并不是一条好走的路，它们为什么要选？因为要走这条路，需要把软件，硬件，产业链，场景，数据等一系列难点都攻破，而攻破了这些难点，也就可以在AI时代建立很高的护城河。
这个道理，不仅适用于具身智能，也适用于重塑物理世界的Physical AI，适用于AI原生硬件。
正如阿尔法公社合伙人刘罡所说：“从硬件到具身智能。传统硬件是被动的工具，而AI原生硬件则是主动的智能体。硬件只是一个开始，是AI感知和影响物理世界的’触手’，未来将沿着‘单点硬件→智能体→具身智能平台’这条路径不断进化。我们看到的不仅仅是产品升级，更是一个全新的计算范式的诞生——从Marc Andreessen的‘软件吞噬世界’，到我们未来将要看到的‘AI硬件重塑物理世界’”
