Figure发布Helix 02：一个神经网络接管人形机器人全身控制，删掉10.95万行手写C++代码
美国人形机器人公司Figure AI于2026年1月27日发布机器人基础模型Helix 02，从摄像头画面和指尖触觉一直到1kHz的关节指令全部由学习系统完成。公司称，一个1000万参数的学习型控制器取代了109504行手写C++代码，Figure 03在完整厨房中连续4分钟、61个动作完成洗碗机卸载与装载，全程无重置、无遥操作。
美国人形机器人公司Figure AI于2026年1月27日宣布，已从其人形机器人中删除109504行人工编写的C++控制代码，改由一个1000万参数的神经网络接管。这个被公司称为System 0的学习型控制器位于Helix 02的最底层，Helix 02是Figure在2025年2月首次发布的机器人基础模型Helix的第二代，如今腿、躯干、手臂直到手指的每一个关节指令都由它以每秒1000次的频率给出。
比起随之发布的洗碗机演示，这次删代码才是真正的新闻。迄今为止，能走能干活的人形机器人，无论在实验室还是工厂试点，大多是为双手配一个学习型"大脑"，再为平衡和行走配一套工程师手工调参的经典控制器。Figure押注的是，这两层之间的接缝正是人形机器人难以完成家庭和工厂长流程任务的原因，而这道缝可以靠数据而非工程来弥合。对正在批量出货的中国整机厂而言，这意味着竞争焦点可能从运动控制算法转向数据规模。
三层架构，Figure披露了什么
据Figure介绍，Helix 02由三层系统叠加而成。System 2负责场景理解和语言，向下传递潜在目标，其参数量和运行频率未披露。System 1是运行在200Hz的Transformer，输入头部摄像头、双手掌心新增的摄像头、指尖触觉传感器和全身本体感知，输出精确到每根手指的全身关节目标。System 0以1kHz读取关节状态和底盘运动并输出执行器指令。公司表示，System 0使用了超过1000小时、重定向到机器人关节的人体动作数据，并在超过20万个并行仿真环境中经大量域随机化训练而成。
核心演示是一次完整的自主任务：Figure 03在全尺寸厨房中走动，卸下洗碗机里的餐具、归位，再重新装入。公司称这次任务持续4分钟，串联61个移动操作动作，没有重置、没有人工干预、也非遥操作，并称这是人形机器人自主完成的时程最长、最复杂的任务。Figure同时发布了四段灵巧操作视频，包括拧开瓶盖、从药盒中取出单粒药片、用注射器精确推出5毫升液体，以及在BotQ工厂从杂乱料箱中拣取金属件。公司没有公布成功率或失败次数。
- System 2参数量（十亿）
- 7
- 无数据
- System 1控制频率（Hz）
- 200
- 200
- System 1参数量（百万）
- 80
- 无数据
- 学习型全身控制器System 0参数量（百万）
- 无数据
- 10
- System 0控制频率（Hz）
- 无数据
- 1,000
- 披露训练数据（小时）
- 500
- 1,000
- 被取代的手写C++代码（行）
- 无数据
- 109,504
- 披露的最长自主任务（分钟）
- 无数据
- 4
Helix：S1与S2约500小时遥操作数据。Helix 02：仅System 0使用超过1000小时人体动作数据，S1与S2数据未披露。空值为未披露。数据均为Figure AI公开披露，非估算。
截至 2026年10月1日
一年间的变化
与第一代对比更能看出进展。Figure在2025年2月披露，第一代Helix的System 2是运行在7至9Hz的70亿参数开源权重视觉语言模型，System 1是200Hz的8000万参数策略，用约500小时遥操作数据训练，仅控制上半身35个自由度。Helix 02保留200Hz动作层，把控制范围扩展到双腿，并首次让策略依赖掌心摄像头和触觉，这两项随2025年10月9日发布的Figure 03硬件而来。Figure称该机型每个指尖传感器可感知低至3克的力。
3月9日，Figure又发布客厅整理演示，称未引入新算法、未做专门工程，只是向同一模型增加了数据。视频包括用喷壶和毛巾擦拭、抛掷物体、手内调整物体姿态等。新技能是数据问题而非代码问题，这正是Helix 02的商业逻辑，而它能否成立取决于是否有足够资金去采集数据、部署机器人。
资金与工厂决定模型的分量
Figure具备验证这一逻辑的财力。公司在2025年9月表示，C轮融资超过10亿美元，投后估值390亿美元，是其2024年2月B轮融资6.75亿美元时公布的26亿美元估值的15.0倍。其BotQ工厂首条产线设计年产能最高1.2万台，目标是四年累计生产10万台。上一代Figure 02在宝马斯帕坦堡工厂工作11个月，公司称累计运行超过1250小时，上料超过9万件，参与生产超过3万辆X3。按ROBOTNESS测算，相当于每机器人小时约72件。
- Figure AI
- 美国
- C轮
- 1,000,000,000
- 39,000,000,000
- 2025-09-16
- 15
- Skild AI
- 美国
- C轮
- 1,400,000,000
- 14,000,000,000
- 2026-01-14
- 9.33
- Apptronik
- 美国
- A轮扩展
- 520,000,000
- 无数据
- 2026-02-11
- 无数据
- 众擎机器人
- 中国
- B轮
- 200,000,000
- 无数据
- 2026-04-10
- 无数据
- Humanoid
- 英国
- A轮
- 152,000,000
- 1,350,000,000
- 2026-07-21
- 无数据
倍数=最新投后估值/上次公开估值（Figure 390亿/26亿美元；Skild 140亿/15亿美元）。Figure C轮金额为公司所称超过10亿美元。空值为未披露。来源：ROBOTNESS公司数据库，均为公开披露数据，非估算。
截至 2026年10月1日
中美路线分化
竞争对手正从不同方向逼近同一问题。为多家整机厂提供模型的Physical Intelligence于3月3日表示，新的记忆机制使其模型可完成十分钟以上的任务。英伟达3月16日在GTC上预告GR00T N2，主张先预测视频再行动的世界动作模型。Skild AI于1月以超过140亿美元估值融资14亿美元。中国方面，众擎机器人4月完成2亿美元B轮；宇树科技8月登陆科创板，募资61亿元人民币；优必选上半年交付921台全尺寸人形机器人；智元机器人称2025年营收超过10亿元。中国厂商赢在出货量和供应链，Figure押注的则是自有本体、自有模型、自有工厂的垂直一体化。
ROBOTNESS 分析
Helix 02的意义不在洗碗机演示，而在于证明人形机器人最后一层手写控制也能被学习替代，行业瓶颈由此从控制工程转向数据采集和实机运行时长。
证据在于Figure删掉了什么。用基于人体动作训练的1000万参数网络取代109504行C++，意味着行走和平衡与操作技能走同一条数据管线迭代。Figure的后续发布也印证了这一点：3月靠加数据扩展家务技能；9月17日发布的Helix 2.5以自有人类经验数据集Index预训练，在30个从未见过的家庭中把零样本成功率从从头训练模型的9%提升到56%。
最有力的反方观点是，Figure没有公布Helix 02任何可靠性指标。一次4分钟的成功只证明能力，不证明可用率，制造业客户看的是每班干预次数。Figure自己在宝马项目中给出的目标是每班放置成功率超过99%、零干预。学习型全身控制器也让原本可逐行审查的安全逻辑变成黑箱，认证环节必然受到追问。
乐观情形。数据驱动控制让Figure的机队规模、与Brookfield合作获得的家庭数据和BotQ产量形成复利，采用经典控制器的对手难以追赶，新技能通过一次模型更新下发到数千台机器人。
悲观情形。预训练后家庭长程任务成功率仍只有56%，当前付费的工厂客户更看重稼动率而非通用性，英伟达等开放模型在Figure放量之前缩小差距。
对中国产业链的含义：工信部预计2026年具身智能机器人产量将超过10万台，中国整机厂拥有远超Figure的出货规模，若控制能力真由数据和实机时长决定，这是中国厂商的结构性优势；但掌心摄像头、高灵敏触觉和实时推理芯片将成为新的卡点，触觉传感器和灵巧手厂商的议价能力随之上升。
值得关注的信号：
- Figure是否公布2026年6月30日进驻宝马斯帕坦堡工厂的Figure 03在Helix驱动下的干预次数或成功率。
- 2027年BotQ产量能否跟上四年10万台目标，即年均约2.5万台，约为首条产线产能的2.1倍。
- 英伟达承诺2026年底前正式发布GR00T N2，以及中国头部厂商是否公布同类全身学习控制方案。
- 2026年1月27日（Figure AI官网）
- Helix 02，三层架构（S2推理、S1 200Hz、S0 1kHz）
- System 0，1000万参数，取代109504行C++
- 超1000小时人体动作数据，超20万个并行仿真环境
- 掌心摄像头、指尖触觉（3克灵敏度）
- 洗碗机卸载与装载，4分钟、61个动作、无重置
- Figure 03（2025年10月9日发布）
- C轮投后390亿美元（2025年9月16日）
为何重要
Helix 02是资金充裕的人形机器人公司首次公开把底层控制器整体换成学习型网络，并展示该网络在行走中完成长时程、多接触操作。Figure给出的数字很具体：1kHz运行的1000万参数System 0，超过1000小时人体动作数据和20万个以上仿真环境，取代109504行C++。这意味着人形机器人公司的护城河从少数团队手中的控制经验，转向随机队规模和动作采集量增长的数据资产。
产品迭代方式也随之改变。3月的客厅演示和9月的Helix 2.5都称新技能来自追加数据而非新工程。如果成立，新任务的边际成本将趋近数据采集成本，谁拥有最多机器人和人类数据谁就占优。这也解释了Figure为何在Helix 02之后推出Index数据集，并于9月与Nscale签下35亿美元算力合作。
竞争对手分析
在纯模型公司中，Physical Intelligence是最接近的对手。其3月3日发布的记忆机制面向十分钟以上的任务，时程长于Figure的4分钟演示，但它向多家整机厂供货，并不直接负责1kHz全身控制。英伟达GR00T N2是没有自研团队的整机厂最可能采用的开放方案，走的是先预测视频再行动的世界动作模型路线。
中国厂商的优势在规模。宇树科技8月科创板上市募资61亿元，优必选上半年交付921台全尺寸人形机器人，智元机器人称2025年营收超过10亿元，众擎机器人4月完成2亿美元B轮。但在已公开资料中，只有Figure披露了1kHz学习型全身控制器及其取代的代码行数，这是它在打通行走与操作接缝上最清晰的证据。
估值背景
Figure 2025年9月C轮投后估值390亿美元，是2024年2月B轮时公布的26亿美元的15.0倍；Skild AI从2024年7月A轮的15亿美元升至2026年1月的140亿美元以上，约9.3倍。两者定价的都是模型公司而非整机厂；以硬件为主的公司，如2026年7月估值13.5亿美元的英国Humanoid，公开估值只是其零头。
对照中国市场，宇树科技以219倍市盈率在科创板上市，说明二级市场同样愿意为人形机器人支付高溢价，但定价锚是盈利和出货，而Figure的估值锚是模型。Helix 02是Figure维持模型溢价所需的证据；一旦英伟达开放模型在第三方硬件上达到相近的全身性能，这一溢价可能向整机厂水平收敛。
供应链影响
Helix 02把物料成本的重心推向感知和算力。System 1依赖掌心摄像头和可感知3克力的指尖触觉，摄像头模组、触觉皮肤及其读出电路的重要性上升。Figure未披露这些部件的供应商。对中国的灵巧手和触觉传感器厂商而言，触觉成为策略输入是明确的需求信号。
1kHz学习型控制器依然依赖减速器、电机和编码器提供精确力矩，而且要让一个模型适用于每一台机器人，执行器的一致性要求更高，这对国内谐波减速器和关节模组厂商的品控提出更高门槛。训练端，Figure 9月与Nscale签署最多10万块英伟达Vera Rubin GPU的协议，使其模型路线图与英伟达芯片和单一算力伙伴的扩建进度绑定。
后续看点
第一是可靠性数据。Figure曾为宝马项目公布每班99%成功率目标；若6月30日进驻斯帕坦堡的Figure 03在Helix驱动下公布同类指标，可判断学习型全身控制能否经受产线考验。
第二是产量。四年10万台目标意味着年均约2.5万台，约为首条产线1.2万台产能的2.1倍。第三是竞争：英伟达2026年底前正式发布GR00T N2，以及宇树、优必选、智元等是否公布全身学习控制方案。
分析师观点
核心判断：Helix 02把人形机器人控制从工程问题变成数据问题，有利于机队规模和人体动作数据最多的公司。置信度：中。
之所以不是高，是因为Figure没有公布Helix 02的成功率或干预次数，此后唯一的泛化数字，即Helix 2.5在30个家庭中56%的零样本成功率，远低于工业要求。架构层面的说法有充分文件支撑，商业层面尚未得到验证。若客户现场出现无干预的整班运行数据，我们将上调至高。对中国厂商而言，这一判断反而意味着出货量优势可能转化为数据优势。
值得追问的问题
Helix 02在Figure内部评测中无需人工干预完成的比例是多少，与被取代的经典控制器相比如何？在失去可逐行审查的控制代码后，如何为1kHz学习型控制器做安全认证？
System 1和System 2的训练数据中，来自人类视频和Index而非遥操作的比例有多大，一小时机器人数据的成本较2025年初下降了多少？Figure是否会把Helix授权给其他整机厂，包括中国厂商？