从仓库到客厅：Figure 如何在 4 个月内把通用人形机器人推向量产拐点
距离我上次在博客中惊叹于Figure公司的人形机器人Helix系统仅仅过去数月，那时它如“超级大脑”般快速学习新任务的能力已经让人印象深刻。而今天，Figure那位在社交媒体上极为活跃的CEO Brett Adcock，分享了公司全员会议的核心要点。本文将结合这次Figure全员会议要点、Helix 系统在物流实战场景的成绩、以及官方生产线BotQ这三大重点来对Figure机器人公司的最新进展做一次“从战略到产线、再回到算法”的全景式解读。
CEO 全员会：从 293 人到 10 万台的“压强式”野心
Adcock 的会议纪要首先强调了“通用机器人技术的窗口期”与“竞赛紧迫性”两大主题。Figure 将核心资源投注在通用性而非单场景解决方案，并采用 “CEO 亲自审批每一个新编制/HC” 的极端控制来确保团队始终保持工程效率和“作战密度”。
在产能侧，Figure 确认将在Q3将把当前产能提升3倍，并规划好了10万台机器人规模化量产的能力。为此已在北加州的新园区整合设计、工程、BotQ制造和机器人车队运营，同时现有团队人数规模也翻了三倍来到了293人。
更让我瞩目的是，内部会议中的这页ppt中明确提到Figure已开始为家庭使用场景进行机器人训练，目标是利用Helix系统将智能带入每一个家庭。尽管家用环境复杂度远高于工厂与仓库，但 Figure 似乎选择了“先把工业产线跑通，再反哺家庭市场”的策略：产能、成本和可靠性一旦被工业规模摊平，家用只剩下应用侧“上层建筑”的问题。
根据之前的Figure公司融资传闻，其正在洽谈一笔15亿美元新融资，估值或飙升至 395 亿美元，资本市场显然也在押注他们能率先把人形机器人做到量产。
Helix 物流场景最新战报：速度+20%，识别率95%
距离今年3月我跟踪Helix这套机器人“最强大脑”还不到四个月，Figure在最近又更新了Helix系统在一线物流场景中的实战表现，结果还是相当不错的：
- 在处理包裹的任务中，Helix的平均处理时间已从约5.0秒缩短至4.05秒，速度提升了近20%。更重要的是，这是在处理包括柔软塑料袋、填充信封等更复杂、更易变形的包裹类型的情况下实现的；
- 通过更先进的视觉和控制算法，Helix能将包裹的条形码正确朝向扫描仪的成功率，从大约70%的水平，一举跃升至约95%；
- 有趣的是，Helix在一线学会了微妙的自适应行为。例如，在扫描前，它会像有经验的工人一样，轻轻拍平包裹表面的褶皱以确保扫描成功。这种从人类演示中学习而非硬编码的“智能”，正是通往通用智能的关键；
这些显著的进步，得益于更大规模的训练数据和关键的架构升级，包括赋予机器人短期记忆的视觉记忆模块和提供“触觉”的力反馈系统。
如果结合之前那批已经在BMW工厂中“打工”的一批机器人收集到的一线数据，这些无疑都为 Figure 打造规模化数据飞轮奠定了良好基础：工业场景 → 自家产线 → 家用 的场景梯度将持续反哺模型学习。
BotQ工厂揭秘：实现十万产能的“工业心脏”
CEO口中的“十万台产能”并非空谈。Figure用一座名为 BotQ 的全新机器人工厂，将这一雄心壮志变为了具体的生产计划。
如官方视频和资料所展示的，BotQ所体现的“工业之美”令人叹服：
- 为规模而生：BotQ的第一代产线年产能即可达到12,000台人形机器人。其供应链的设计更是能轻松扩展至年产10万台机器人或300万个驱动器；
- “周”与“秒”的竞赛：通过重新设计机器人架构（新一代Figure 03），将制造工艺从缓慢的CNC（计算机数控加工，Computer Numerical Control）加工转向注塑、压铸等方式，极大地压缩了时间。过去需要超过一周CNC加工的零件，现在用钢铁模具仅需不到20秒即可完成；
- 垂直整合的掌控力：Figure决定将核心技术的组装（如驱动器、手、电池）牢牢掌握在自己手中，以控制制造流程和质量。他们甚至自研了名为MES的制造执行软件，作为整个工厂运营的“数字主干”；
- 机器人制造机器人：这不是科幻电影！今年内，Figure的人形机器人将被部署在BotQ的产在线，用于组装自己的“同类”。这一举措将极大提升产线的自动化水平，为自主制造的未来奠定基础；
结语：Figure的速度与激情
观察Figure扩大生产规模将是一个令人着迷的过程，因为这些机器人生产线的视频给我的感觉是一种看见”未来劳动的秩序感” - 这也是Figure开始像Tesla的地方，希望其未来可以成为一个新的工业美学品牌。。
最后引用一句Figure CEO在内部全员会议上的这句话 – “人类历史上，通用机器人的实现从未像今天这样近在眼前”。