自变量机器人对标“Figure AI中国版”：200亿与2800亿的真实差距，一场直播能解决吗？

三个月前，Figure AI 做了一场200小时不间断分拣直播——多台机器人轮换上岗，累计分拣约24.9万件包裹，平均约2.9秒一件。

Figure AI，硅谷人形机器人赛道最耀眼的明星，其估值达390亿美元（约2800亿人民币），与宝马合作产线部署，资本市场给它贴上“通用人工智能进入物理世界”的标签，溢价拉满。

而2026年8月12日，在深圳顺丰仓库，自变量机器人开了一场几乎完全相同的直播——物流分拣、随机包裹、效率对标，但直播时长仅1小时左右。

最终，官方公布的挑战成绩是：一小时物流随机包裹分拣1816件，成功率超过98%。算下来，平均1.98秒一件。

看来来是极致胜利，但Figure AI的200小时和自变量的1小时，验证的却是完全不同的东西。

自变量没明说“中国版Figure”，但从直播形式到PR话术，每一步都在往这个标签上靠。

为什么这么急？

因为它正在冲击港股IPO——据钛媒体独家确认，自变量已向港交所秘密递表，并在市场里流窜着“计划募资约5亿美元”的说法，公司至今未官方回应。

连续完成B+、B++和C轮融资之后，自变量的估值是200亿人民币，不到Figure的7%。

这是一个微妙的时点。

招股书要问的，恰恰是直播不用回答的问题：付费客户、复购率、故障率、交付成本。

数字揭晓之前，一场“对标Figure”的直播，是聪明的预热。

“Figure AI中国版”是最现成的剧本：同样的技术路线，同样的场景，接近的效率。资本市场一旦接受这个对标，200亿到2800亿的想象空间就打开了。

问题是，这个叙事能成立吗？

01 直播：复制了形式，复制不了验证逻辑

先看两场直播的本质区别。

Figure那场200小时直播，回答的是一个产业级问题：机器人能不能在真实仓库里持续工作？长时间运行会不会过热、卡顿、机械臂磨损？出了问题能不能自己处理？遇到异常包裹能不能识别并应对？

200小时不是炫技，是压力测试。

Figure要证明的是：机器人已经过了“实验室Demo”阶段，可以进仓库干活了。

事实上，Figure官方5月26日宣布与Catalyst Brands的商业协议——机器人将部署到对方位于内华达州Reno的物流设施，这已经不是“测试”，而是“交付”的开始。

自变量的一小时直播，回答的是一个实验室级问题：在理想条件下，峰值效率能不能接近人类？

“理想条件”意味着传送带速度可控、包裹类型经过筛选、环境光线稳定、没有突发异常。一小时意味着不需要考虑耐久性、不需要验证连续作业的稳定性、不需要证明“今天能行，明天也能行”。

更微妙的是场景选择。

Figure的直播发生在真实客户的仓库里，是给客户看的“运营证明”；自变量的直播发生在合作方顺丰的仓库里，但“合作”和“规模化运营”之间还隔着验收、测试、小批量试用、大规模部署多个阶段。

根据财新的报道，自变量与58同城旗下58到家合作的“机器人进家庭”项目——2026年3月起在深圳做机器人保洁人机协同——“有时自主执行，有时由后台人类遥控操作”。这意味着即使在C端“全球首次落地”的叙事下，实际运行仍依赖人工兜底。

B端物流场景是否也处于类似阶段，外界不得而知。

Figure用200小时证明“我能一直干”，自变量用1小时证明“我峰值数据不错”。

两个证明之间，差着一条工程化落地的鸿沟。

复制了直播形式，复制不了验证逻辑。

02 技术：没有代差，但有工程化鸿沟

从技术路线看，自变量的叙事有一定基础，但魔鬼藏在工程细节里。

Figure AI的Helix是2026年最成熟的生产级VLA系统。

它的思路是给机器人装上分工明确的“三个脑”：S2是“慢脑”，负责理解任务、规划动作；S1是“快脑”，以每秒200次的频率实时控制上半身35个关节；2026年1月发布的Helix 02又加了一个“小脑”S0，专门管平衡和全身协调。一句话：S0管“不倒”，S1管“快准”，S2管“聪明”。

为什么要分快慢？

因为大模型“想”得慢，机械臂却需要每秒上百次的微调才能又稳又安全。

Helix的做法是让快慢脑各干各的、互不等待：慢脑在后台持续思考，快脑拿着最新的想法实时执行，而不是把动作预先算好再照本宣科。

Figure官方称，这套系统只用约500小时训练数据就实现了零样本泛化——这个数据量不到此前已收集VLA数据集规模的5%。

更关键的是，Helix不是纸上架构。

在5月13日至21日的200小时直播里，多台搭载Helix 02的Figure 03轮换上岗（约4小时一换、无线脚底充电），最终累计分拣约24.9万件包裹。

Figure官方称，全程零硬件故障、无遥操作，全部靠onboard双GPU实时推理——注意，这是公司单方宣称；直播期间有观众质疑机器人“摸头”动作疑似遥操介入，Figure予以否认。

自变量的WALL-B走的是另一条路。

它放弃了VLA的模块化拼接，提出“世界统一模型”（WUM）——官方口径是“把所有能力放进同一个网络从零联合训练”，目标是消除模块间的信息搬运损耗。CTO王昊在4月21日发布会上的公开比喻是：“VLA像老Mac，CPU、GPU、内存各自为政；WUM像Apple Silicon，统一内存，数据零搬运。”

这个架构在理论上确实更优雅。

WALL-B号称实现了三项能力：原生多模态（无需模块间转译）、内化物理常识（理解重力/惯性/摩擦力）、交互式自我进化（失败后自主调整策略并更新模型参数）。

自变量还自建数采工厂，开发专用设备XRZero，声称将训练数据成本降低95%。

但理论和量产的差距，恰恰是估值差距的技术来源。

Helix的控制频率是200Hz——这意味着机器人每秒能接收200次传感器反馈并调整动作，接近人类小脑的反应速度；WALL-B没有公开披露控制频率。在具身智能领域，控制频率直接决定了机器人能否做精细操作（比如拧瓶盖、夹取药片）。

Figure的Figure 03已经展示了用指尖3克力传感器提取单个药片的能力，这种精细度需要高频闭环控制。

另一个关键差异是数据闭环。

Figure的BotQ工厂已经量产了超过350台Figure 03，每台机器人在真实场景中运行的数据都会回流训练，形成“越用越聪明”的飞轮。自变量的“牛奶数据”策略（在真实家庭采集光照变化、物品乱放、宠物干扰等数据）方向是对的，但58到家的实际部署是“人机协同”——机器人做一部分，后台人类遥控兜底。这意味着自变量还没有形成真正的自主数据闭环。

更微妙的是硬件协同设计。

Figure 03集成了头部6摄像头系统、双掌内嵌广角摄像头（处理遮挡视角）、指尖触觉传感器（检测3克力）——全身共8个摄像头，这些传感器是专门为Helix神经网络设计的。

自变量的“量子二号”采用轮式+双臂方案，传感器配置没有公开披露，但从行业惯例看，大概率是通用方案而非为WALL-B定制的感知栈。

一句话：WALL-B的架构故事比Helix更“漂亮”，但Helix已经在工厂里证明了它能持续干活。在具身智能赛道，“能跑通的架构”比“理论上更优的架构”值钱得多。

03 产品形态：人形的溢价，轮式的代价

Figure 03是173厘米、61公斤的双足人形机器人，具备全身运动能力，能走楼梯、能弯腰、能用人类工具。

这个形态直接对应了“通用人工智能进入物理世界”的终极想象，资本市场愿意为“通用性”支付超额溢价。

自变量的“量子二号”是轮式双臂。

轮式在工业场景中更稳定、成本更低，但“人形”标签在二级市场有独立的赛道溢价。轮式机器人被归类为“自动化设备”，估值天花板天然更低。

这是一个不公平但真实的定价逻辑：Figure的2800亿里，有很大一部分买的是“想象空间”——“人形机器人可以进家庭、进办公室、进任何人类能去的地方”；自变量的200亿里，市场已经按“工业设备”打折了。

自变量选择轮式，工程上更务实。

但在“Figure AI中国版”这个叙事里，产品形态的差异是一个硬伤——你不是人形，就不太可能被资本市场当作“通用平台”来定价。

同样选择轮式的智平方，估值也破200亿。这说明轮式路线在一级市场有天花板，不是自变量一家的问题。

但如果自变量想讲“中国版Figure”的故事，轮式形态本身就是叙事的裂缝。

04 叙事能力：Figure破圈，自变量补课

Figure的CEO Brett Adcock是硅谷最会制造话题的创业者之一。

那场直播最初只定了8小时的挑战目标，后来干脆升级成“跑到跑不动为止”的无终点直播，还安排人类拣货员和机器人同场比拼。

直播期间，机器人一个“抬手摸头”的动作引发了“是不是有人在遥控”的质疑（Figure否认），参赛的人类选手则累到自嘲“前臂报废”——最终Figure实习生Aime Gerard以12924件对12735件险胜机器人，单件耗时2.79秒对2.83秒。

这些戏剧化细节让Figure成功破圈，连续数周霸占科技媒体头条。

自变量在这方面几乎空白。

在国内具身智能的第一梯队里，宇树靠春晚跳舞出圈；智元靠“稚晖君”IP积累百万粉丝（B站粉丝超283万），又收购上纬新材、推进港股IPO，话题不断；银河通用3月份官宣25亿融资时自称“国内估值最高未上市具身公司”——不过4月起星海图估值破200亿，到7月“200亿俱乐部”已有至少8家成员，这个标签早已不独占。

自变量的公众认知度，明显差了一个身位。

资本市场上，宇树已完成IPO申购——8月10日完成网上、网下申购，发行价150.80元/股，发行市值约610亿元；而智元母公司2025年5月后并无公开新融资，公开投后估值停留在150亿元，低于自变量官宣的200亿+——论2026年的融资速度，标杆恰恰是自变量自己，所以准确地说，智元领先的是公众认知，不是估值。

自变量不是不想做品牌，是不得不做。

在它当前的估值水位（200亿人民币）上，资本不会自动给它“Figure AI中国版”的标签，公众也不会主动记住一家没故事的机器人公司。它必须自己制造事件、制造话题、制造对标——否则上市募资时，拿什么说服二级市场？

自变量直到现在才想起来做一个“对标Figure”的直播，本身就说明它的市场节奏慢了半拍。

不是第一梯队，却想讲第一梯队的故事。这个落差，才是它急于贴标签的真实原因。

05 全明星股东，为什么只撑起200亿？

自变量的股东名单堪称豪华——

2025年5月美团战投A轮；2025年9月阿里云领投近10亿A+轮；2026年1月字节跳动与红杉中国等入局10亿元A++轮；2026年4月小米战投与红杉中国联合领投近20亿B轮；紧接着的2026年4月到6月，B、B+、B++、C四轮融资密集落地，C轮投资方名单里挤进了中国移动、红杉、IDG、源码、中金、达晨等30余家机构。

两个月四轮，四大互联网巨头罕见地“轮着投”同一家公司。

但“全明星”阵容恰恰引出一个问题：为什么这么多巨头投了，估值还是只有200亿？

IT桔子数据显示，2026年上半年具身智能赛道融资总额935亿元、共322笔，百亿估值独角兽至少22家。

祥峰投资管理合伙人夏志进曾对财新表示：“难以从估值差距看出技术差距，投资人主要看重市场潜力，加上AI大模型标的变少，资金集中转向机器人。”

换句话说，一级市场的200亿估值，更多反映的是“资金没地方去”的资产配置逻辑。

巨头们投自变量，本质上是在买一张“具身智能赛道”的船票——美团需要配送机器人，阿里需要仓储自动化，字节需要验证算法迁移能力，小米需要补齐生态链。

但当自变量进入港交所二级市场，支撑估值的将不再是巨头的战略诉求，而是真实的订单、收入和运营数据。

Figure有宝马的产线合作，又拿下了Catalyst Brands的物流设施部署协议。

自变量有什么？

与金杯股份合资成立的“金智变量机器人”已进入金杯旗下产线——金杯是华晨宝马座椅与内饰的一级供应商，换句话说，它进的是华晨宝马一级供应商的产线，而不是宝马自己的工厂；与顺丰的物流合作刚做完一场一小时直播；58到家的“机器人进家庭”还是人机混合操作。

全明星股东能撑住一级市场的200亿，但撑不起“中国版Figure”的叙事。