Figure (AI)

在产业链中的位置

主属行业：L4-09-具身智能模型

公司定位一句话 具身智能模型龙头 —— 人形机器人规模化生产成本下降 + “具身智能”数据飞轮启动

主营业务关键词：具身智能模型、人形机器人规模化生产成本下降、“具身智能”数据飞轮启动 与本行业的关联点：作为 L4-09-具身智能模型 龙头，里程碑产品交付与早期商业验证 + 资本加持下的研发与产能冲刺

公司近况（2026-05-05 更新）

根据公开信息，Figure AI作为一家专注于开发通用人形机器人的科技公司，目前仍处于产品化与商业化的早期阶段，暂未产生规模化营收。公司最新财务里程碑为2024年2月完成的B轮融资，融资额约6.75亿美元，投后估值达到395亿美元（数据来源：公司官方公告及多家权威媒体报道）。此轮融资由亚马逊创始人杰夫·贝索斯旗下基金领投，微软、英伟达、英特尔资本等跟投，反映了顶级科技资本对其技术路线的认可。目前公司尚无公开的财务评级或盈利预测，市场定位为前沿AI与机器人硬件结合的稀缺标的，其估值主要由技术潜力、创始团队（CEO Brett Adcock）及早期合作订单（如与BMW的试点协议）驱动。

公司业务结构

盈利方式

目前，Figure AI作为初创公司，其主要的收入来源尚未形成规模。公司现阶段的“盈利方式”实质为获得风险投资与战略投资。远期规划的盈利模式主要包括：1）向企业客户销售人形机器人硬件设备；2）提供基于机器人平台的自动化解决方案与订阅式软件服务；3）通过部署的机器人网络获取数据，并可能衍生出数据服务或模型优化服务。

分板块业务（口径：年报披露）

公司主营业务为通用人形机器人的研发、生产与销售。目前产品仍处于预商业化或早期商业化阶段，业务尚未按传统财务板块进行拆分披露。所有研发与运营活动均围绕核心产品“Figure”系列人形机器人展开。

核心投资逻辑

短期逻辑（6-12 个月）

• 里程碑产品交付与早期商业验证：公司核心产品Figure 02人形机器人已于2024年8月发布，并计划在2025年内向首批企业客户（如BMW）进行小批量交付。若能在2025年下半年成功实现首批商业化部署并收集到积极的运营数据，将构成明确的商业化拐点。
• 资本加持下的研发与产能冲刺：2024年初完成的巨额融资为公司在未来12-18个月的研发迭代和工程化能力建设提供了充足弹药。预期在2025年内将展示在真实工厂环境中执行复杂任务的持续能力提升。
• 战略合作深化：与BMW等汽车制造巨头的合作预计在2025年从试点扩展至更具规模的实际应用部署阶段，形成行业标杆效应。

长期逻辑（1-3 年）

• 人形机器人规模化生产成本下降：通过软硬件一体化设计、自研关键部件及供应链优化，公司目标在2026-2027年将单台机器人成本显著降低，为大规模进入物流、制造等场景奠定经济性基础。
• “具身智能”数据飞轮启动：随着部署机器人数量的增加，公司通过实际运行收集的多模态交互数据将指数级增长，预计到2027年，其积累的数据量将成为训练更强大通用AI模型的独特壁垒。
• 平台化与生态系统构建：长远看，公司意图打造机器人操作系统与开发平台，吸引第三方开发者构建应用生态，从硬件销售转向“硬件+软件+服务”的多元化盈利模式，目标在2028年形成初步生态雏形。

产销链分析

主要客户（口径：年报）

根据公司公告，其首个公开的重要客户为宝马集团（BMW）。双方于2024年宣布合作，计划将人形机器人部署到BMW的制造工厂。目前处于试点阶段，具体订单金额及占比未披露。公司预期未来客户将集中于汽车制造、物流仓储、零售等劳动密集型行业。由于商业化刚起步，前五大客户集中度、订单能见度等详细信息均未披露。行业分析师普遍认为，BMW的订单是其验证商业模式、树立行业标杆的关键。

主要供应商（口径：年报）

公司供应商信息未公开披露。根据人形机器人行业特性，其核心供应链可能涉及：1）高性能计算单元（如AI芯片，可能依赖于英伟达等供应商）；2）精密执行器与传感器（伺服电机、力矩传感器、视觉传感器等）；3）电池与动力系统。其中，用于机器人“大脑”的先进AI芯片存在单源或寡头供应依赖的可能性。公司作为初创企业，备货策略预计偏向小批量、敏捷响应，以匹配其早期生产计划，并可能通过战略合作或投资锁定关键部件供应。

关键财务指标

财务健康解读 成长性与盈利能力：公司尚未产生规模化营业收入，因此营收与利润的成长性无法用传统财务指标衡量。其“成长性”主要体现在技术突破、产品迭代速度及融资估值提升上。当前阶段属于典型的研发投入期，净利率为负，ROE无法计算。

现金流质量：经营活动现金流净额预计为大幅负数，这是高科技硬件初创企业在产品研发和测试阶段的典型特征。公司的现金流主要依赖于融资活动现金流，2024年初6.75亿美元的融资为其未来一段时间的运营和资本支出提供了保障。现金流质量评估的重点在于融资金额是否能有效支撑其研发和早期运营里程碑的实现。

资产负债结构：资产负债表结构预计较为简单，资产端以货币资金、无形资产（技术专利）、研发设备为主；负债端可能包括少量经营性负债，但资产负债率预计不高，因其资金主要来自股权融资而非债务。财务结构相对稳健，无即期偿债压力，但净资产规模取决于累计投入的研发费用及估值提升带来的账面影响。

费用端异常项：作为研发驱动型公司，研发费用将是其最主要、且数额巨大的费用支出项，用于算法、硬件、系统集成的持续开发。销售管理费用预计也将随着商业化团队的组建而增长。由于尚未盈利，这些高额费用是导致公司亏损的直接原因，也是市场评估其未来增长潜力时重点关注的投入指标。

注：表格列名必须明示口径（YYYY 年报 / YYYYQ?）。

海外对标对比

对标公司具体数字依赖 _AP-Agent海外财报追踪.md 周扫填充

行业分析

需求端驱动：全球劳动力短缺（尤其在制造业、物流业）、劳动力成本持续上升、以及企业对生产柔性化和自动化程度要求的提高，共同构成了人形机器人潜在的巨大市场需求。工业场景需要机器人能适应为人类设计的工作环境与工具，这为人形机器人提供了区别于传统机械臂的增量市场空间。

技术迭代路径与当前节点：行业正经历从“专用自动化”向“通用具身智能”的范式转变。当前技术节点聚焦于：1）AI大模型与机器人的结合，使机器人具备理解、规划与泛化操作的能力；2）硬件的轻量化、高扭矩密度与安全性。目前行业整体处于从实验室技术验证（L1）到有限场景商业试点（L2）的过渡期，技术成熟度曲线处于“泡沫期”顶峰附近，即将进入“幻灭期”爬坡。

供给瓶颈：主要瓶颈在于：1）硬件成本，尤其是高性能执行器、传感器和计算单元，导致单台机器人成本高昂，难以规模化；2）数据与场景稀缺，缺乏大规模、高质量、多样化的操作数据用于训练通用模型；3）可靠性、安全性与耐用性，在连续工作、与人共融环境下的长期稳定运行仍待验证。解决这些瓶颈是公司实现商业化跨越的关键。

同业对比

与海外对标公司相比，Figure AI的特点鲜明：

• vs. 特斯拉 (Optimus)：特斯拉拥有庞大的制造业场景（超级工厂）进行内部测试与迭代，具备从汽车到机器人的供应链和成本控制能力。Figure AI作为创业公司，技术迭代可能更敏捷，但缺乏自有的规模化应用场景和制造底蕴。特斯拉的Optimus更倾向于从工业制造切入。
• vs. 波士顿动力 (Atlas)：波士顿动力以极致的动态运动能力（如后空翻、跑酷）闻名，但长期面临商业化路径不明的挑战，其产品成本极高。Figure AI从设计之初就强调“通用性”和“商业可行性”，产品设计更偏向可量产和实际任务执行，在商业化思路上可能更清晰。 Figure AI的差异化在于其“AI优先”的软硬件一体化整合能力，以及明确的“首先服务工业客户”的商业策略。

逻辑链

AI capex → 环节 → 公司受益点 大模型迭代加速 → 算力/数据需求扩张 → 公司 人形机器人规模化生产成本下降 形成竞争力

催化事件时间表

自动跟踪（dataview 拉 04-催化事件）

风险与跟踪点

风险

• 下游需求风险：人形机器人的市场需求仍处于早期培育阶段。若宏观经济下行导致企业资本开支收缩，或实际应用效果（投资回报率、可靠性）不及预期，可能导致客户需求推迟或规模不及预期。
• 供应链风险：核心部件（如高性能芯片、精密减速器）可能面临供应紧张、价格波动或地缘政治导致的断供风险。作为初创公司，在供应链中的议价能力和保障能力相对较弱。
• 技术迭代风险：人工智能与机器人技术发展路径存在不确定性。若出现更优的技术路线（如非人形但更高效的具身形态），或竞争对手实现关键突破，公司现有技术路线可能面临挑战，导致前期投入无法收回。
• 市场竞争/价格战风险：随着特斯拉、小米、多家国内科技巨头及初创公司涌入人形机器人赛道，行业竞争将急剧加剧。可能出现价格战，侵蚀早期参与者本就微薄的利润空间，或迫使公司持续进行高强度研发投入以保持领先，拉长盈利周期。
• 财务与估值风险：公司持续亏损且营收微薄，高度依赖外部融资维持运营。若后续融资不畅或估值出现大幅调整，可能对公司研发、运营及团队稳定造成冲击。当前基于远期潜力的高估值蕴含较大的波动风险。

跟踪点（含频率）