AREX Feed Article
Brett Adcock：没人按你需要的量卖零件，Figure 自己造了 9000 个执行器、下线 1000 台机器人
在不到 120 天里，Figure 把人形机器人的生产节拍从每天 1 台提到了每小时 1 台。7 月 23 日，第 1000 台 F.03 在加州 BotQ 工厂下线。
博文里那组数字已经够扎眼：9000 多个自研执行器、500 多个电池包、350 多台已交付。但在 4 月底的 Sourcery 播客采访中，Figure 创始人兼 CEO Brett Adcock 讲的东西比数据本身更值得细看——这家公司不是在搞组装，而是在从零造一条本不存在的供应链。
"你只有在没人卖你零件时才自己造"
Adcock 在 Sourcery 播客里对主持人 Molly O'Shea 说了一句话，切中了 Figure 过去两年最核心的制造逻辑：
Figure 自己设计电机、转子、定子、传感器和电池包。在一个人形机器人供应链还不存在的行业里，没有供应商能按你需要的量卖给你，自研是唯一选项，不是一道选择题。8 月 4 日，Adcock 在 X 上把这句话说得更直白：
自研列表涵盖了人形机器人最关键的动力和感知部件。电机决定机器人能不能平稳走路，传感器决定它看不看得见自己在干什么，电池包决定它能干多久。
这些如果依赖外部供应商，交期不可控。一旦出现设计缺陷，排查和修复的周期会把整个迭代速度拖死。
唯一的例外是执行器里的电子驱动部分，这一块交给英飞凌（Infineon）。 Adcock 对此没有遮掩。
电子驱动是成熟品类，有现成的工业级方案。而电机、转子、定子这些，因为人形机器人的扭矩密度和体积要求远超传统工业电机，根本没有合用的货架产品。选择 Infineon，反而说明 Figure 的自研策略有边界：只在"没人卖"的地方自己造。
24 倍提速是怎么做到的
2026 年 4 月 29 日，Figure 在官方博客上正式披露了 BotQ 工厂的制造数据：
BotQ 在 2025 年 3 月首次亮相时还只是一个概念：设计年产能 12000 台的人形机器人专属工厂。到 2026 年 4 月，这个工厂已交付 350 多台 Figure 03，产线上跑着 150 多个联网工作站，靠一套自研的制造执行系统统一调度。
提速的关键不在设备，在良率。Figure 先卡死了来料质量：对数百家供应商执行进货检验标准，确保不合格零件根本不进车间。然后在产线上嵌入 50 多个在制检验点。
结果是：产线末端一次通过率超过 80%，电池产线一次通过率 99.3%。
每台机器人出厂前还要跑 80 多项功能验证测试，包括多肢体应力测试和"burn-in"老化测试。机器人在产线上连续做深蹲、肩推、慢跑，以千次为单位的循环提前暴露早期硬件故障。
到 7 月，速度还在往上走。7 月 11 日，。7 月 23 日，。从 4 月"每小时 1 台"到 7 月累计 1000 台，中间不过三个月。
执行器是另一个维度的规模证据。Figure 的官方口径是超过 10 种不同 SKU 的执行器，每种对应机器人身上不同关节和力度需求。9000 多个执行器的累计产量，反推过来就是数百台机器人的实际装配量。
Nvidia 的 $500 和 Jensen 的到访
硬件自研之外，Figure 的芯片方案指向另一个方向的合作。Adcock 在 Sourcery 采访中透露，Figure 正与 Nvidia 做人形机器人参考设计，单台机器人的芯片成本约 500 美元。放在一台售价可能数万美元的机器人里，这个数字不算高，但它指向一个更重要的信号：Nvidia 正在把机器人视为继自动驾驶之后的下一块芯片战略阵地。
8 月 6 日，，配文"Jensen is back in the house!!"并称 Nvidia 是"phenomenal partners"。照片里两人站在一排 Figure 03 机器人前面。
这张照片没有附带任何具体合作公告，但在 Figure 刚完成 24 倍产能爬坡的时间点放出来，Nvidia 对机器人赛道的押注姿态已经足够直白。
"这不是制造问题，是智能问题"
产能数据好看，Adcock 自己在 Sourcery 采访里却给这个叙事浇了冷水：
他的逻辑很直白：把机器人造出来只是第一关。真正的瓶颈是 AI——让一个人形机器人在真实世界里连续自主工作 7 到 10 个小时不出故障，每天如此。
他毫不掩饰这件事有多难："人形机器人这件事太难了，我甚至没法形容它有多难。光让它做我们今天展示的那些事情，差点要了我的命。"
Figure 的硬件代际迭代恰好证明了这一点。F.01 跑大约一小时就会出故障。F.02 把这个频率降到大约一天一次。F.03 目前在整个机队中的故障频率是每周级别。
而 7 月 9 日，Adcock 在 X 上透露 。从 F.01 到 F.04，三代机器人的设计和行走都在一年之内完成。当供应链握在自己手里时，硬件迭代可以快到这个程度。
AI 侧同样在加速。Figure 的 Helix 模型最近获得了感知条件全身控制能力。之前的 S0 模型只能靠本体感觉在平地上走，现在通过 RGB 摄像头输入 3D 场景信息，可以在没有人工干预的情况下零-shot 爬楼梯、过不平地面。策略在仿真里训练，直接部署到实体机器人，不需要真实世界的微调。
Adcock 把最终目标称为"物理世界的 AGI"：一个能像人一样在任何环境里观察、推理、行动的人形机器人。他说："你可以把它丢进任何一个地方，它会环顾四周，理解发生了什么，然后开始做事。"
制造数据不是终点。9000 多个执行器、1000 台机器人、每小时下线一台。在一个没有现成供应链的行业里，自己动手造的人，迭代速度反而不会被供应商锁死。