机器人前瞻（公众号：robot_pro）
作者 | 独林
编辑 | 漠影
机器人前瞻8月22日报道，世界机器人大会（WRC）还在如火如荼地进行着，人形机器人依然是展会上最拥挤的赛道：新品扎堆发布、demo轮番上演。
但热闹归热闹，一个问题始终绕不开：玩家这么多，到底谁真正走在最前面？要回答这个问题，得先有一把标尺。
放到全球范围看，这把标尺就是Figure。
这家成立于2022年的美国公司，用大约三年时间搭起了“本体+模型+工厂”的完整布局：自研Helix视觉-语言-动作（VLA）大模型，把人形机器人送进了宝马工厂，2025年又公布了设计年产能1.2万台的BotQ工厂。
无论从技术路线还是商业化进度看，它都是人形机器人公司的标杆。
于是一个值得认真讨论的问题出现了：中国有没有公司，能和Figure放进同一个讨论框架？注意，这里说的不是参数对标，而是本体+模型+工厂的全栈布局以及对终局判断的对标。
把这个问题放到国内一众公司身上，有一家深圳公司很难被绕过。它从创立起就把自己定位为一家全栈具身智能大模型公司，是少数在路线选择上对齐Figure的中国玩家。
一、Figure究竟强在哪里？
很多人以为Figure强在机器人本体，但它真正的核心壁垒，是自研的Helix VLA大模型，这是全球首个能够高效连续控制整个人形机器人上半身（包括手腕、躯干、头部和手指）的VLA模型，可以在机器人端侧完成高频实时控制，让机器人看懂指令、理解环境、直接输出动作，本体则只是它的执行终端。
该公司发布的Figure 03，相比上一代也并非只进行简单的升级，而是从零开始为大规模生产设计，Figure还在BotQ为其建立了全新的供应链和全新的制造流程。
▲Figure 03（来源：Figure）
从公开信息看，Figure机器人展示的能力则集中在结构化工厂场景：今年六月底，宝马集团宣布在美国斯巴达堡工厂正式部署Figure的Figure 03人形机器人，用于物流领域的排序上料任务。
而在此之前，Figure 02已在同一工厂的车身车间完成为期十个月的试点，参与生产了超过3万辆宝马X3，累计装载了超过9万件零件的定位与焊接，运行时间超过1250小时。
总体来说，Figure走的是“模型为重、本体承载、工厂放量”的路：先把大脑做扎实，再用本体和量产去摊薄成本，而大脑模型的训练，又需要庞大的数据做支撑，工厂的落地恰好为Figure提供了宝贵的真机数据。
换句话说，能不能和Figure放进同一个讨论框架，关键不在于谁的demo更炫，而在于模型、本体、及数据三条战线能不能同时成立。
拿这个标准去看国内一众人形机器人公司，其实大多数“本体公司”会率先被筛掉，并不是硬件不够好，而是路线本身就不一样。
二、这家深圳公司走了一条和Figure一样的路
以此来看，有一家深圳公司可以说和Figure走了一样的技术路径。
超维动力从创立起就定位为具身智能大模型公司，走的是一条与中国其他本体企业不同的路径：围绕具身智能构建一条从数据采集、具身智能模型、机器人本体到场景落地的完整链路。
超维动力联合创始人、香港大学计算与数据科学学院教授罗平有个判断：“语言模型的用户是普通人，具身大小脑的用户是机器人。”意思是，模型才是平台，本体可以多样，这其实和Figure押注的是同一个终局。
成立约一年，超维已经同时落地了五块拼图：人形整机KAI Bot、灵巧手KAI Hand、数据采集头环KAI Halo、世界模型KAI World Model、训练基础设施KAI Embodied AI Infra。
▲KAI BOT（来源：超维动力）
全栈自研意味着同时在硬件、模型、数据基础设施三条战线上作战，这种系统性投入本身会带来一种稀缺的能力结构。
对超维来说，本体只是模型的一个载体。一个直观的例证是：超维的SMASH算法被部署到宇树G1、智元远征A3等不同机器人本体上，照样能跑。这是可复用的模型能力，并非绑定单一硬件的单点demo。
三、叫板Figure，超维动力的底气从哪来？
虽然和Figure技术路线类似，那超维动力凭什么能做到呢?
把KAI Bot的参数摊开，有几个数字值得单独拎出来看。这台身高173厘米、体重70公斤的人形整机，全身自由度做到115个，8月又刷新到117个。
这是什么概念？以进宝马工厂的Figure 02为例，其全身自由度仅有30个，KAI Bot是它的三倍还多。
触觉也是如此：Figure 03的指尖传感器虽然能感知只有约3克压力的触碰，但KAI Bot直接把触觉皮肤铺满了全身约80%的区域，集成约18,000个触觉触点，理论上连0.1N的轻微触碰都能感知，这大概只是羽毛拂过皮肤的力度。
拟人化自由度和触觉感知密度，恰恰是可能决定下一代人形机器人能力上限的两个指标，超维动力在这两个方面至少已经有所布局，且并未落后于国际标杆。
▲KAI Hand（来源：超维动力）
单拎出来卖的灵巧手KAI Hand，同样经得起横向对比：其拥有37个自由度（（20主动+1被动+16柔顺），作为参照，Figure 03的灵巧手自由度虽然未公布，但我们可以比较它的上一代Figure 02，它的手部自由度仅有16个。
特斯拉的最新一代灵巧手则拥有22个自由度，即使是否主动自由度并未披露，超维动力的这只手还是没有落入下风。
在“像人一样灵活、像人一样有分寸”这件事上，超维的公开参数已经站到了全球前列，这是它和Figure同框讨论的硬件资格。
理论上的硬件能力还需要现实的验证。
Figure对外证明的，是机器人能在结构化工厂里干活。超维则把SMASH乒乓球系统拉到了户外，机器人完全依靠自身搭载的传感器完成球路识别、轨迹预测和全身击球，在非结构化环境下和真人完成对打。
▲KAI Bot在打乒乓球（来源：超维动力）
一个是受控场景里的稳定输出，一个是开放环境里的高动态交互，两者展示的是不同维度的落地能力。
更值得注意的是，这套系统最近升级到了SMASH2.0，完成了世界首个双机对打，在比赛里，机器人不再只是把球挡回去，而是能在连续回合里自主完成发球、接发球、轮换发球等动作。
当机器人开始理解比赛，真正的进化才刚刚开始。如果说户外对打证明的是硬件的运动上限，那么双机对打证明的就是模型的决策上限。这意味着人形机器人正在从单一动作执行，迈向连续自主决策、动态博弈与策略对抗。
但超维手里最重的一张牌，还不是硬件和运动控制，而是数据。
具身智能的竞争，很大程度上比的是谁能跑通数据飞轮，实现在智能、落地干活、数据反馈上持续迭代的闭环。
这一点上，特斯拉、Figure和超维动力三家的打法完全不同：Figure靠宝马工厂的真实部署积累数据，特斯拉背靠数百万辆车的数据飞轮，超维动力并没有这样的现成红利，于是用KAI Halo数采头环深入真实场景采集，目前已经积累了超过10万小时人类第一视角的多模态高质量数据。
据悉，该公司利用其数采设备，配合覆盖采集、训练、仿真到真机部署的Embodied AI Infra平台，让高质量数据的生产效率提升了10倍，模型训练与评测速度平均提升5—7倍。
▲KAI Halo（来源：超维动力）
为了使数据持续产生，超维还组织了数百名采集人员进入家庭、超市、商业空间和小型工厂等真实环境，产出人体全身关节轨迹、三维场景点云、手部3D可视化、动作语义标签等精标数据，尽可能减少数据进入训练前的重复处理成本。
和Figure、特斯拉这类有雄厚资金支持的机器人公司相比，超维动力的资金体量确实存在客观差距，数据效率就是它缩小差距最现实的杠杆。
四、中国速度：超维用一年时间实现了Figure三年的布局
Figure用大约三年搭起了“本体+模型+数据”的全栈技术路线，而超维动力成立约一年，就已经同时落地整机、灵巧手、数采设备、世界模型、训练基础设施五块拼图。
在2026年的WAIC上，超维也开始首次公开销售KAI Hand与KAI Halo Lite，售卖产品覆盖整机、部件与数据服务。
▲KAI Bot与WRC游客互动（来源：超维动力）
一家成立一年的公司，已经不只是在做研发，而是在同时打开多条收入通道。
超维动力速度的含金量在于，其并非专注于单点突破，而是全栈自研同时成型。在这背后依托的，是深圳乃至中国在供应链、工程人才和场景密度上的系统性优势。
当然，速度本身不是壁垒，但全栈成型的速度，能换来宝贵的时间窗口。
在具身智能这样以月为单位的赛道上，时间窗口往往就是胜负手。
结语：站上了牌桌，然后呢？
当然，现在谈“超越Figure”还为时过早——资金体量、真实场景验证、量产能力，超维动力都还有很长的坡要爬。这里说的“超越”，不是既成事实，而是对技术路线、全栈布局和进化速度的综合判断。
但这个判断并非没有支点：一家成立约一年的公司，同时在硬件参数、高动态能力和数据闭环效率上拿出全球第一梯队的表现，它就站上了牌桌，有资格被放进更大的讨论框架里。
如果这条路径后续被持续验证，那么行业的讨论框架或许会从“中国有没有公司能追上Figure”，变成另一个问题：Figure需不需要担心一个来自中国的对手？这个问题现在没有答案，但能被问出来，本身就是变化的开始。
