Стартап Figure AI начинал с модели Figure 01 — эффектного гуманоидного робота для складов, логистики и производства. Демо выглядело как видео из будущего: робот ходит, манипулирует предметами, понимает команды и обещает закрыть задачи, где людям тяжело, скучно или опасно.
Но демонстрации в робототехнике почти ничего не доказывают. Настоящая проверка ждет в цеху: перегрев приводов, сбои, плохой хват, износ, брак, забравшийся на конвейер кот. За три года Figure дошла до этой точки. Figure 01 остался пилотным проектом, а фокус сместился на Figure 03, завод BotQ и собственную VLA-модель Helix. Компания решила поставить все на конвейер — выпускать одного робота в час (около 9 тысяч в год), самостоятельно делать запчасти, собирать, тестировать, контролировать качество и отказаться от внешнего ИИ в пользу собственного стека.
Здесь и возникает главный вопрос: роботы действительно готовы заменить людей или это все еще дорогие демо-модели, оторванные от реальности? Можно ли изъять человека из производственной цепочки и поставить на его место гуманоида? Способен ли робот отработать смену без поломок, брака и травм?
Figure пытается доказать, что этот момент уже близко — на заводах, складах и в логистике, где задачи фиксированы и нет активного взаимодействия с людьми. Компания предлагает универсальную физическую платформу — «тело» для ИИ, которому давно не хватало возможности выйти из экрана в реальный мир. И это как раз тот уровень развития ИИ и робототехники, который находится на подъеме. Давайте разберем каждый шаг в контексте технологических волн и попытаемся заглянуть в будущее.
При чем здесь технологические волны
Мы уже писали о циклах Кондратьева и как ИИ катается на этих волнах. Здесь мы наблюдаем развитие этой теории. Если не читали — рекомендую, чтоб было понятнее о чем речь.
Но если коротко, Кондратьев отмечал, что значимые открытия нередко возникают на фазе экономического спада, но по-настоящему массовое применение получают уже в период следующего подъема. Позже Йозеф Шумпетер развил эту мысль, введя представление о «кластерах инноваций».
Кластер инноваций — это не отдельная технология, а совокупность взаимосвязанных решений, которые усиливают друг друга и вместе формируют новый цикл роста. В предыдущей цифровой волне такой кластер сложился вокруг микропроцессоров, персональных компьютеров, интернета, мобильной связи, облачных сервисов, платформенной экономики и больших данных. Его результатом стал постоянный обмен информацией между людьми, компаниями и рынками.
Сегодня новый кластер формируется вокруг ИИ-моделей, GPU, дата-центров, энергетической инфраструктуры, массивов данных, ИИ-агентов, робототехники, космических технологий и новых пользовательских интерфейсов. Но его роль уже иная: стать ключевым элементом производственных цепочек и глубоко интегрироваться в экономику.
Вот по каким стадиям проходит цикл:
Зарождение новой технологии. На первом этапе технология остается дорогой, сырой и понятной лишь узкому кругу специалистов. В этот период появляются первые изобретения, эксперименты, прототипы и компании, которые пытаются превратить новую идею в работающую бизнес-модель.
Фаза быстрого роста. Затем технология дешевеет, становится доступнее и начинает массово внедряться. Под нее создается инфраструктура — как когда-то под железные дороги, электричество, автомобили, нефтехимию, компьютеры и интернет. В этот момент формируются новые лидеры рынка, резко растут инвестиции, меняется спрос на сырье, оборудование, кадры и энергию.
Зрелость. Со временем технология встраивается в экономику и перестает восприниматься как нечто революционное. Она становится нормой. Темпы роста производительности замедляются, конкуренция усиливается, маржа снижается. Компании переходят от агрессивного строительства нового к оптимизации затрат и повышению эффективности.
Фаза накопленных противоречий. Это ключевой этап цикла. Основные фонды — заводы, сети, дата-центры, оборудование, транспортная и энергетическая инфраструктура — имеют разные сроки службы. Одни активы еще не успели окупиться, другие уже устарели, третьи требуют дорогостоящей модернизации. Капитал по-прежнему связан со старой инфраструктурой, тогда как новая технология требует иных мощностей, других компетенций и иной экономической логики.
На этой стадии растут издержки и долговая нагрузка, часть прежних инвестиций оказывается переоцененной. Начинаются списания, банкротства, консолидация рынка и поиск новой модели роста. Однако в логике Кондратьева кризис связан не только с износом заводов, ЦОДов и оборудования. Не менее важна перестройка занятости: старая структура профессий уже не нужна в прежнем объеме, а новая еще не успела создать достаточно рабочих мест, устойчивых ролей и понятных карьерных траекторий.Затем возникает следующий технологический кластер — и цикл запускается заново.
А теперь следите за руками. Figure AI 2 марта 2023 года представила Figure 01 — полноразмерного гуманоидного робота общего назначения. Компания сразу позиционировала его не как домашнего помощника, а как машину для производства. Его место работы — склады, розница, логистика, производство — всюду, где не хватает людей или работа слишком однообразная и тяжелая. В релизе стартап даже называл Figure 01 «коммерчески жизнеспособным» гуманоидом.
Сейчас уже появился Figure 03, и компания перестала продавать идею, что робот умеет ходить и носить предметы — это умеют многие. Вместо этого она демонстрирует скучные, но важные результаты: сколько часов робот отработал на линии, сколько деталей сложил, какой процент годных изделий ему удается изготовить с первого раза, сколько приводов и батарей собрал.
Figure AI прошла те же фазы, которые описывает теория длинных волн. Сначала компания увидела системную проблему: на заводах все труднее закрывать позиции с тяжелыми, рутинными, однообразными задачами. Рабочих рук не хватает, а классическая промышленная модель накопила столько противоречий, что уже не может развиваться бесконечно в прежнем виде. Вот так консалтинговое агентство McKinsey описывает перспективы рынка труда Европы: Агенты, роботы и мы: как ИИ перекраивает рынок труда в Европе.
Именно поэтому промышленности нужен гуманоидный робот
Если передать роботу часть простых и средних по сложности задач, а людей, которые их выполняли, переобучить на управление, обслуживание и контроль систем, возникает компромиссная модель. Рабочие места не исчезают полностью, производство получает возможность масштабироваться, а экономика начинает сходиться.
Почему именно гуманоиды, а не обычные промышленные роботы? Инфраструктура рабочих мест изначально спроектирована под человека: его рост, моторику, телосложение, геометрию движений и способы взаимодействия с инструментами. Поставить за конвейер гуманоида и не перестраивать линию часто дешевле, чем проектировать все заново под специализированные промышленные машины. Гуманоиды — плавный переход от человеческого труда к роботизированному без глобальной перестройки инфраструктуры.
Figure 01 как прототип: быстрый старт и ставка на дефицит рабочих рук
Figure 01 появился как ответ на эту промышленную проблему. Компания утверждала, что первый полноразмерный прототип был собран примерно за шесть месяцев. На старте команда насчитывала около 40 человек, среди которых были специалисты с опытом в Boston Dynamics, Tesla, GoogleX, Cruise, Apple SPG и IHMC. Техническим директором стал Джерри Пратт — инженер, много лет работавший с гуманоидной робототехникой и участвовавший в DARPA Humanoid Robotics Challenge.
В мае 2023 года Figure 01 сделал первые шаги, а позже стал платформой для демонстраций с речевым управлением и ИИ-моделями. В марте 2024 года компания показала ролик, где робот общается с человеком, распознает предметы на столе и выполняет простые действия. Однако такое видео не равносильно доказанной автономной работе в производственной среде.
Фаза быстрого роста
В 2024 году технология начала расти и трансформироваться, появилось второе усовершенствованное поколение роботов и первые испытания «в бою» — проверка теории на практике.
Figure 02: переход от витрины к промышленным испытаниям
Figure 02 представили в августе 2024 года как второе поколение робота. Компания заявила о полной переработке аппаратной и программной части, встроенной батарее, улучшенной проводке, более компактной конструкции и трехкратном росте вычислительных возможностей для ИИ по сравнению с первым поколением. Робот получил шесть RGB-камер, речевое взаимодействие и более развитые кисти. NVIDIA сообщала, что Figure использовала NVIDIA Omniverse и их графические процессоры для автономных задач, симуляций и обучения.
Ключевым этапом для Figure 02 стали испытания на заводе BMW Manufacturing: там собирали данные и отрабатывали производственные сценарии.
BMW: первый крупный промышленный кейс
В январе 2024 года Figure и BMW объявили о коммерческом соглашении: гуманоидов должны были протестировать на заводе BMW в Спартанбурге (Южная Каролина). Этот завод выпускает автомобили BMW X и считается крупнейшим экспортером автомобилей из США. Завод построили еще в 1990-е: США — один из главных рынков для кроссоверов и внедорожников бренда, поэтому производство разместили ближе к покупателю, чтобы адаптировать машины под местный спрос.
BMW сформулировала цель осторожно: проверить, как гуманоиды могут использоваться в автомобильном производстве. Сначала надо выбрать операции, где робот не мешает линии, не создает рисков для безопасности и может доказать экономическую целесообразность.
Позднее Figure раскрыла результаты 11-месячного развертывания Figure 02 на заводе BMW Group Plant Spartanburg. Роботы работали на активной линии каждый рабочий день, закрывали десятичасовые смены с понедельника по пятницу, накопили более 1250 часов работы, загрузили свыше 90 000 деталей и участвовали в производстве более 30 000 BMW X3.
Задача была сложной для робота: брать листовые металлические детали из контейнеров или стоек и укладывать их на сварочную оснастку. Для человека это монотонная и тяжелая физическая операция. Для гуманоида — проверка зрения, ходьбы, баланса, хватов, точного позиционирования, обработки исключений и устойчивости к повторяющимся циклам.
Figure описывала целевые параметры так: полный цикл около 84 секунд, время загрузки около 37 секунд, точность размещения выше 99% за смену, ноль вмешательств оператора.
Самая ценная часть BMW-кейса — список проблем. Figure признала, что предплечье Figure 02 стало главным слабым узлом. Причина типична: плотная компоновка, несколько степеней свободы, высокая нагрузка и требование к точности. Следующее поколение роботов делали с учетом этих данных.
Сколько инвестировали в Figure и за что она получила такой кредит доверия
В феврале 2024 года Figure привлекла 675 млн долларов в раунде Series B при оценке 2,6 млрд долларов. Среди инвесторов — Microsoft, NVIDIA, OpenAI Startup Fund, Intel Capital, Bezos Expeditions, Parkway Venture Capital и другие. Тогда же Figure объявила о сотрудничестве с OpenAI: план был в том, чтобы объединить опыт OpenAI в языковых и мультимодальных моделях с робототехнической платформой Figure.
В сентябре 2025 года Figure сообщила о новом раунде Series C: собрано более 1 млрд долларов при оценке компании в 39 млрд долларов после сделки. Figure заявила, что завершение этапа финансирования играет решающую роль для следующего этапа развития человекоподобных роботов — расширения платформы Helix AI и собственного производства BotQ.
Инвесторы вложились в платформу с расчетом, что если гуманоиды станут массовым устройством для физической работы, победитель получит рынок, сравнимый с промышленной автоматизацией, логистикой и частью сервисной экономики. Риски тоже крупные: пока никто не доказал, что человекоподобных роботов можно выпускать миллионами, дешево обслуживать и окупать в реальных задачах. А про отношение инвесторов новой школы и старой школы к подобным технологиям мы написали отдельный материал.
Figure пытается масштабировать гуманоидов сразу в трех направлениях: производство, вычислительная инфраструктура и данные для обучения. Компания делает ставку на то, что человекоподобные роботы смогут работать не только в лаборатории или на демонстрационном стенде, но и в реальных условиях — на заводах, складах, в офисах и, в перспективе, в домах.
До фазы зрелости Figure AI еще не дошла. Однако ее очертания стали видны, когда компания решила отказаться от партнерства и замкнуть все процессы на себя — как разработку «мозгов» роботов, так и их производство.
Разрыв с OpenAI и собственная VLA Helix: Figure решила делать «мозг» сама
Изначально Figure продвигала партнерство с OpenAI как ускоритель разработки. OpenAI должен был помогать с моделями, позволяющими роботу понимать речь, воспринимать сцену и планировать действия. Для 2024 года это выглядело логично: языковые модели резко улучшили интерфейс между человеком и машиной, а роботам нужен именно такой слой понимания команд.
В феврале 2025 года Figure сменила курс и вышла из сотрудничества. Гендиректор Бретт Эдкок объяснил: для роботов нужен глубоко интегрированный ИИ, связанный с конкретным железом, сенсорами и приводами. Одно дело — отвечать текстом в чате, другое — управлять телом весом десятки килограммов, которое может уронить деталь, повредить оборудование или ударить человека.
Так появилась ставка на собственную систему Helix. Figure описывает ее как VLA-модель «зрение — язык — действие»: робот получает изображение и команду, превращает это в физическое действие. Для гуманоидов мало понять фразу «убери чашку»: машина должна определить чашку, подойти, выбрать хват, учесть скольжение, поднять предмет, не задеть соседние объекты и понять, куда ее поставить.
Figure заявляет, что Helix управляет верхней частью тела робота: головой, торсом, запястьями и пальцами. Модель должна знать ограничения конкретного тела — силу приводов, задержки камер, геометрию кистей, ресурс батареи, поведение сенсоров, допустимые нагрузки.
Отдельная ставка Figure — обучение на реальных данных. Для Helix нужны не только лабораторные демонстрации, но и видео с сенсорными данными из домов, офисов, складов и производственных зон. Поэтому компания развивает проекты по сбору видеоматериалов, снятых людьми, а также мультимодальных данных: изображений, движений, тактильных сигналов, информации с камер и других датчиков. Чем разнообразнее среда, тем лучше робот справляется с предметами, которых раньше не видел.
В Project Go-Big Figure пошла еще дальше: компания предлагает обучать гуманоидов на видео от первого лица, снятых людьми. Идея в том, чтобы робот переносил человеческий опыт в собственное тело. Человек идет к холодильнику, открывает дверь, берет предмет — модель учится не только распознавать объекты, но и понимать последовательность действий в реальном пространстве. Это один из способов обойти главную проблему робототехники: хороших данных для обучения гуманоидов мало, а собирать их через ручное управление роботами дорого и медленно.
Для Figure 03 Helix стала частью общей производственной логики. Новая версия робота получила более быстрые камеры, меньшую задержку, более широкое поле зрения и камеры в ладонях. Все это необходимо для стабильного потока данных. Чем лучше робот видит мир и чувствует контакт с предметами, тем точнее Helix управляет движениями. Поэтому Helix — центральный элемент стратегии Figure. Без такой модели Figure 03 оставалась бы просто сложной механической платформой. С Helix компания пытается превратить ее в универсального работника.
Слабое место этой истории — проверяемость. Figure много рассказывает о возможностях Helix, показывает демонстрации с сортировкой посылок, бытовыми задачами и совместной работой роботов, но независимых тестов пока мало.
Figure 03: робот, спроектированный под серийный выпуск
Figure 03 — главный герой текущего этапа. Его представили как робота, спроектированного с учетом серийного выпуска, домашнего и коммерческого применения. Компания делает ставку на производственные характеристики, ремонтопригодность, сенсорную обработку и сбор данных, а также безопасность.
В Figure 03 переработали сенсорную систему: камеры с более высокой частотой кадров, меньшей задержкой и более широким полем зрения. В ладони добавлены камеры для работы в тесных местах, где голова не видит объект. Это важно для бытовых и складских задач: рука часто оказывается внутри коробки, шкафа, корзины или узкого пространства, где обычная фронтальная камера мало помогает.
Кисти получили мягкие пальцы и тактильные датчики собственной разработки. Датчик на кончике пальца способен регистрировать давление порядка 3 граммов — примерно вес скрепки. Для робота это разница между тем, чтобы схватить предмет, и тем, чтобы раздавить его, уронить, смять, повредить и даже не понять, что уже коснулся поверхности.
Для домашнего применения добавлены мягкие внешние элементы, защита от защемлений, беспроводная зарядка, улучшенное голосовое взаимодействие и батарея с сертификацией UN38.3 (безопасной для транспортировки). Figure 03 стал легче и компактнее Figure 02 — видна попытка уйти от образа цехового манекена к устройству, которое потенциально может жить в человеческой среде.
BotQ: зачем Figure понадобился собственный завод
В конце января 2025 года Figure AI заявила, что собирается поставить 100 000 роботов в течение следующих четырех лет, удваивая производство каждый год, и построить центр повышения безопасности в своей штаб-квартире в Саннивейле (Калифорния).
Figure изначально заявляла, что первая линия BotQ будет способна выпускать до 12 000 гуманоидных роботов в год. Свежая производственная метрика скромнее: компания сообщает о достигнутом темпе один Figure 03 в час. В пересчете на круглосуточный режим это около 8 760 роботов в год (примерно 9 000). Разница не обязательно означает отказ от первоначальной цели: 12 000 — это проектная мощность линии, а один робот в час — текущий подтвержденный производственный цикл. Чтобы выйти на этот показатель, Figure нужно сократить время сборки примерно до 44 минут на робота или добавить параллельные участки.
Собственный завод BotQ
В марте 2025 года Figure представила BotQ — производственный комплекс для выпуска гуманоидных роботов. Компания решила замкнуть производство на себя, а не отдавать на аутсорсинг. Для ранней стадии это логично: конструкция еще меняется, и обратная связь от сборки должна быстро попадать к инженерам.
Массовый гуманоид — это не только алгоритмы, но и повторяемая, воспроизводимая сборка приводов, батарей, датчиков, конечностей, корпуса, кистей. Ошибка в разъеме или перегрев узла превращают «умного робота» в очень дорогой брак. BotQ позволяет спроектировать узел, собрать партию, найти дефект, изменить конструкцию, обновить процесс, снова собрать — это лучше, чем получить партию брака и не знать, что с ней делать.
Контроль качества тоже замкнут на себя и доведен до высокой степени. Figure утверждает, что имеет более 50 контрольных точек в процессе сборки и более 80 функциональных тестов для каждого готового робота. Первичный выход годных изделий на финальной линии компания оценивает выше 80%, а линия батарей якобы достигла 99,3% выхода годных блоков с первого прохода. В обычной потребительской электронике такие цифры можно было бы обсуждать как производственную статистику. В гуманоидной робототехнике это пока еще редкий уровень, но независимой проверки этих метрик нет.
Параллельно Figure развивает инфраструктуру графических процессоров для обучения, моделирования и тестирования собственной VLA-системы Helix (зрение — язык — действие). Она должна помогать роботу воспринимать окружающую среду, понимать команды на естественном языке, рассуждать о задаче и превращать это в движение: подойти, взять предмет, удержать, переложить, не задеть лишнее и завершить действие без вмешательства оператора.
Такая система требует много вычислительных мощностей. Робота нельзя обучать только на красивых демонстрациях — нужны симуляции, проверка тысяч сценариев, обработка видео, данные с камер, тактильных датчиков и других сенсоров. Чем сложнее среда, тем дороже обучение. Заводская линия, склад и квартира дают роботу разные типы ошибок: на производстве важна точность и повторяемость, на складе — навигация между коробками, в быту — понимание хаотичной сцены.
Еще один элемент бизнеса — сбор данных из реального мира. Figure развивает проекты, в которых используются видео от первого лица и мультимодальные данные с сенсоров. Такие наборы помогают Helix лучше ориентироваться в сложных, меняющихся условиях: двери, столы, коробки, инструменты, мебель, предметы разной формы и веса. Для гуманоидов это особенно важно: промышленный манипулятор обычно работает в заранее настроенной зоне, а человекоподобный робот должен действовать в пространстве, созданном для людей, которое постоянно меняется.
Дальше — больше?
Figure — не единственная компания в гонке гуманоидов. Вокруг той же идеи работают Tesla Optimus, Agility Robotics, Apptronik, Unitree, Fourier Intelligence и другие игроки. Разница в том, что Figure пытается одновременно закрыть три слоя: железо, ИИ и собственное производство. Это дорогой и рискованный путь, но именно он может дать преимущество, если рынок действительно перейдет от пилотов к массовому производству.
Главный открытый вопрос — экономика. Когда роботы смогли работать на линии BMW, это стало примером первой конверсии человеческого труда в труд роботов. Чтобы все «взлетело», рынку нужны цифры по цене устройства, стоимости обслуживания, сроку службы приводов, простою, страхованию, интеграции, обучению персонала и реальной окупаемости. Без этого гуманоид остается инженерным достижением, но не становится массовым инструментом бизнеса.
Китайские игроки уже сильны масштабом, ценой и скоростью: у UBTech, например, заявленные планы выходят на уровень около 5 000 роботов в год, Unitree выпустила в 2025 году 5500 единиц, а в 2026 году собирается поставить 20 000. У Figure с BotQ заявленный темп один робот в час означает примерно 8 000–9 000 машин в год при непрерывной работе линии, что ниже Unitree, но выше других. Главный смысл гонки теперь в том, кто первым соберет полноценный технологический кластер — ИИ-модель, данные, GPU-инфраструктуру, производство, энергетику, сервис и реальные промышленные кейсы.
Если Figure удастся подтвердить эти темпы устойчивой эксплуатацией роботов на заводах, это будет означать переход гуманоидной робототехники к следующей фазе цикла: от экспериментальной технологии к инфраструктуре новой экономики труда.
Пока это не история о мгновенной замене людей на заводах. Скорее — первая стадия большого перехода. Гуманоиды начинают с фиксированных задач в контролируемой среде: взять деталь, переложить коробку, отработать смену на понятном участке линии. Именно там проще измерить пользу, собрать данные, найти слабые узлы и улучшить следующую версию. Дальше логика масштабирования становится почти циклической: несколько роботов выходят на предприятие, компания получает реальные ошибки и статистику, дорабатывает железо и модель, затем выпускает следующую партию. После промышленных операций придут менее изолированные сценарии — ритейл, склады, сервисные зоны. Домашние роботы будут последним и самым сложным этапом: слишком много хаоса, людей, исключений и ответственности. Figure сейчас находится в начале этой лестницы, но впервые видно, как по ней можно подниматься.
