Figure übergibt mit Helix 02 den ganzen Körper eines Humanoiden an ein neuronales Netz und streicht 109.504 Zeilen Steuerungscode

Mit Helix 02 hat erstmals ein kapitalstarker Humanoidenhersteller öffentlich seinen gesamten Low-Level-Regler durch ein gelerntes Netz ersetzt und gezeigt, wie dieses Netz beim Gehen lange, kontaktreiche Handhabungsaufgaben steuert. Figure legte konkrete Zahlen vor: System 0 mit 10 Millionen Parametern und 1 kHz, mehr als 1.000 Stunden Bewegungsdaten, über 200.000 Simulationsumgebungen, 109.504 ersetzte Zeilen C++. Der Burggraben eines Humanoidenherstellers verlagert sich damit vom Regelungswissen weniger Teams zu einem Datenbestand, der mit Flottengröße und Bewegungserfassung wächst.

Auch die Produktentwicklung ändert sich. Die Wohnzimmerdemo vom März und die Ergebnisse zu Helix 2.5 im September beschreiben neue Fähigkeiten als Ergebnis zusätzlicher Daten. Trifft das zu, sinken die Grenzkosten einer neuen Aufgabe auf die Kosten der Datenerhebung, und es gewinnt, wer die meisten Roboter und Menschendaten hat. Deshalb folgten auf Helix 02 der Datensatz Index und im September eine Rechenzusage über 3,5 Milliarden Dollar an Nscale.

Physical Intelligence ist der nächste reine Modellanbieter. Sein Gedächtnissystem vom 3. März zielt auf Aufgaben über zehn Minuten, länger als Figures Vier-Minuten-Lauf, doch das Unternehmen beliefert viele Hersteller und verantwortet keine 1-kHz-Ganzkörperregelung. NVIDIAs GR00T N2 ist die offene Alternative für Hersteller ohne eigenes Forschungslabor und setzt auf ein Weltaktionsmodell, das Videos vor dem Handeln vorhersagt.

In Europa positionieren sich NEURA Robotics mit einer Series C von bis zu 1,4 Milliarden Dollar im Juni 2026 und Humanoid aus London mit 152 Millionen Dollar bei 1,35 Milliarden Dollar Bewertung im Juli. Wandelbots, SCHUNK und EY bieten dem Mittelstand NVIDIA-basierte Physical-AI-Lösungen an. In den von ROBOTNESS ausgewerteten Veröffentlichungen dieser Anbieter finden sich keine Kennzahlen zu einem gelernten Ganzkörperregler in der Detailtiefe von Figure, was Figures Vorsprung bei der Verbindung von Gehen und Greifen zumindest dokumentarisch stützt.

Figures Post-Money-Bewertung von 39 Milliarden Dollar im September 2025 entspricht dem 15,0-Fachen der 2,6 Milliarden Dollar aus der Series B im Februar 2024. Skild AI stieg von 1,5 Milliarden Dollar in der Series A im Juli 2024 auf mehr als 14 Milliarden Dollar im Januar 2026, rund das 9,3-Fache. Beide Multiplikatoren bewerten Modellunternehmen; Hardware-orientierte Anbieter wie Humanoid mit 1,35 Milliarden Dollar liegen bei einem Bruchteil.

Helix 02 liefert den Nachweis, den Figure für diese Modellprämie braucht. Bewertungen, die auf einem proprietären Basismodell beruhen, verlangen sichtbaren Modellfortschritt zwischen den Runden; Figure brachte im Januar Helix 02 und im September Helix 2.5, dazwischen Haushaltsdemos im März und Mai. Das Risiko ist Kommodifizierung: Erreichen offene NVIDIA-Modelle auf Fremdhardware ähnliche Ganzkörperleistung, schrumpft die Prämie Richtung Hardwareniveau.

Helix 02 verschiebt die Stückliste Richtung Sensorik und Rechenleistung. System 1 hängt an Handflächenkameras und taktilen Fingerspitzen mit drei Gramm Empfindlichkeit; Kameramodule, taktile Häute und deren Ausleseelektronik gewinnen an Bedeutung. Lieferanten dafür hat Figure nicht genannt.

Der gelernte 1-kHz-Regler braucht weiterhin präzise Momente aus Getrieben, Motoren und Encodern, und damit ein Modell auf allen Einheiten funktioniert, müssen Aktoren eng toleriert und gleichförmig sein. Das spielt europäischen Zulieferern für Präzisionsantriebe in die Hände, deren Stärke Serienkonstanz ist. Beim Training bindet der Nscale-Vertrag über bis zu 100.000 NVIDIA-Vera-Rubin-GPUs die Modell-Roadmap an NVIDIA-Chips und den Ausbau eines einzigen Rechenpartners.

Erstens Zuverlässigkeitsdaten. Figure hatte für BMW ein Ziel von 99 Prozent Erfolg pro Schicht veröffentlicht; eine vergleichbare Kennzahl für Figure 03 unter Helix in Spartanburg, wo F.03 seit dem 30. Juni 2026 arbeitet, würde zeigen, ob gelernte Ganzkörperregelung im Werk besteht.

Zweitens Stückzahlen. 100.000 Roboter in vier Jahren bedeuten im Schnitt rund 25.000 pro Jahr, etwa das 2,1-Fache der 12.000 Einheiten der ersten Linie. Drittens Regulierung und Wettbewerb: die Konformitätsbewertung lernender Maschinensteuerungen bis August 2028 und die allgemeine Verfügbarkeit von GR00T N2 bis Ende 2026.

These: Helix 02 macht die Humanoidensteuerung von einer Ingenieurs- zu einer Datenfrage und begünstigt den Anbieter mit der größten Flotte und den meisten Bewegungsdaten. Zuversicht: mittel.

Nicht hoch, weil Figure für Helix 02 weder Erfolgsquoten noch Eingriffszahlen veröffentlicht hat und die einzige seither genannte Generalisierungszahl, 56 Prozent Zero-Shot-Erfolg in 30 Haushalten für Helix 2.5, weit unter Industrieanforderungen liegt. Die Architektur ist gut belegt, der kommerzielle Nutzen noch nicht. Belege für eingriffsfreie Schichten bei einem Kunden würden uns zu hoher Zuversicht bewegen.

Welcher Anteil der Helix-02-Läufe in Figures internen Tests endet ohne Eingriff, verglichen mit dem ersetzten klassischen Regler? Wie will Figure einen gelernten 1-kHz-Regler sicherheitstechnisch zertifizieren, etwa nach europäischem Maschinenrecht, wenn kein prüfbarer Steuerungscode mehr vorliegt?

Welcher Anteil der Trainingsdaten von System 1 und System 2 stammt inzwischen aus Menschenvideos und Index statt aus Teleoperation, und wie haben sich die Kosten je Stunde Roboterdaten seit Anfang 2025 entwickelt? Plant Figure, Helix an andere Hersteller zu lizenzieren, auch an europäische?