شرکت رباتیک هوش مصنوعی Figure AI: رقم سرمایهگذاری سری C یک میلیارد دلار و ارزشگذاری پس از جذب سرمایه ۳۹ میلیارد دلار
Figure AI، شرکت آمریکایی مستقر در سان خوزه کالیفرنیا که بر توسعه رباتهای humanoid عمومی با هوش انسانیمانند تمرکز دارد، اعلام کرد که بیش از ۱ میلیارد دلار سرمایه در دور Series C جمعآوری کرده و به valuation post-money ۳۹ میلیارد دلاری رسیده است. این دور، بزرگترین سرمایهگذاری در رباتیک humanoid در ۲۰۲۵ است و مجموع سرمایه Figure را به حدود ۲ میلیارد دلار میرساند، که آن را به یکی از ارزشمندترین استارتاپهای خصوصی رباتیک تبدیل میکند. سرمایهگذاری توسط Parkway Venture Capital رهبری شد و شامل Brookfield Asset Management، NVIDIA، Macquarie Capital، Intel Capital، Align Ventures، Tamarack Global، LG Technology Ventures، Salesforce، T-Mobile Ventures و Qualcomm Ventures است. Brett Adcock، بنیانگذار و CEO، این رویداد را “نقطه عطف حیاتی برای مقیاسپذیری رباتهای humanoid و پلتفرم AI Helix” توصیف کرد، که نشاندهنده اعتماد سرمایهگذاران به رهبری بازار Figure است. این خبر در حالی منتشر میشود که بازار رباتیک humanoid با سرمایهگذاریهای میلیاردی (مانند ۴۰۵ میلیون دلار Field AI در اوت ۲۰۲۵) داغ شده و رقابت با شرکتهایی مانند Tesla Optimus و Apptronik شدت گرفته است.
جزئیات دور سرمایهگذاری
دور Series C بیش از ۱ میلیارد دلار تعهد سرمایه را شامل میشود، که valuation را از ۲.۶ میلیارد دلار (در دور قبلی فوریه ۲۰۲۵) به ۳۹ میلیارد دلار افزایش داد – جهشی ۱۵ برابری که نشاندهنده هیجان سرمایهگذاران نسبت به پیشرفتهای فنی Figure است. Parkway Venture Capital به عنوان lead investor عمل کرد، در حالی که NVIDIA (با تمرکز بر GPUها) و Intel Capital (برای زیرساختهای محاسباتی) حمایت فنی ارائه میدهند. Brookfield (با ۱ تریلیون دلار دارایی) نقش کلیدی در دادهکاوی و زیرساخت ایفا میکند، و شرکتهایی مانند Salesforce (برای CRM رباتها) و T-Mobile (برای اتصال IoT) کاربردهای تجاری را تقویت میکنند.
Adcock در بیانیه مطبوعاتی تأکید کرد: “حمایت شرکای جدید و سرمایهگذاران موجود، جایگاه Figure به عنوان رهبر بازار را تأیید میکند و باور مشترک به آیندهای را نشان میدهد که این فناوری بخشی طبیعی از زندگی روزمره است.” این دور، Figure را در میان ارزشمندترین استارتاپهای رباتیک قرار میدهد (بالاتر از Agility Robotics با ۱ میلیارد دلار valuation)، و مجموع سرمایه رباتیک در ۲۰۲۵ را به رکورد جدیدی رسانده است.
استفاده از سرمایه و برنامههای توسعه
سرمایه برای سه حوزه اصلی تخصیص مییابد، همه متمرکز بر Helix (پلتفرم AI embodied intelligence برای ادراک، استدلال و کنترل رباتها):
- مقیاسپذیری تولید و استقرار: گسترش BotQ (کارخانه تولید ربات) برای ساخت رباتهای F.02 (با dexterity بالا برای کارهای انسانی مانند حمل جعبه یا جوشکاری). Figure هدف ارسال ۱۰۰,۰۰۰ ربات در ۴ سال آینده را دارد، با تمرکز بر استقرار در خانهها (کمک خانگی) و عملیات تجاری (انبارها، کارخانهها مانند BMW).
- زیرساخت محاسباتی: ساخت GPUهای نسل بعدی NVIDIA برای آموزش و شبیهسازی Helix، که مدلهای core را برای محیطهای پویا بهینه میکند. این سرمایهگذاری، sim-to-real gap (انتقال از شبیهسازی به واقعیت) را کاهش میدهد.
- جمعآوری داده: راهاندازی Project Go-Big برای بزرگترین dataset پیشآموزش humanoid (شامل ویدیوهای انسانی و ورودیهای multimodal). همکاری با Brookfield (با ۱۰۰,۰۰۰ واحد مسکونی و ۶۶۰ میلیون فوت مربع فضا) دادههای واقعی از محیطهای انسانی را فراهم میکند، که Helix را برای وظایف پیچیده مانند تمیزکاری یا لجستیک آموزش میدهد.
این برنامهها، Figure را برای تجاریسازی رباتهای $۳۰ در ساعت (هزینه عملیاتی) آماده میکند، با تمرکز بر کمبود نیروی کار جهانی (مانند ۸۵ میلیون شغل خالی تا ۲۰۳۰).
تحلیل: اهمیت و پیامدها
این سرمایهگذاری، اعتماد عمیق به humanoid robotics را نشان میدهد، که TAM آن را به “decatrillions” (دهها تریلیون دلار) میرساند – بزرگتر از بیتکوین به دلیل اتوماسیون جهانی تولید. حضور NVIDIA و Intel، بر نقش محاسبات پیشرفته (مانند GPUها برای Large World Models) تأکید دارد، در حالی که Brookfield کاربردهای واقعی (مانند املاک تجاری) را تضمین میکند.
پیامدهای اقتصادی: Figure میتواند هزینه تولید را با BotQ کاهش دهد (per-unit cost تا ۵۰٪ کمتر)، و re-shoring تولید (بازگشت به آمریکا) را تسریع کند، که چین را از سلطه نیروی کار ارزان محروم میکند. اما چالشهایی مانند دوام باتری، dexterity دست و sim-to-real باقی است؛ عملکرد واقعی در کارخانههای BMW تحت نظارت است.
رقابت: Figure پیشتاز است (بالاتر از Tesla Optimus در valuation)، اما رقبایی مانند Apptronik (با NASA) و Unitree (چین) فشار میآورند. سرمایهگذاریهای ۲۰۲۵ (مانند ۴۰۵ میلیون Field AI) نشاندهنده موج funding رباتیک است، اما M&A و IPOها کم هستند زیرا شرکتها early-stageاند.
واکنش جامعه: در X، پست CEO Adcock (با ۲۱۰۰ لایک) بر “sweet spot” humanoid (سختافزار بالغ + neural nets) تأکید دارد. کاربران مانند @TheHumanoidHub (۹۴۴ لایک) بر dataset Brookfield تمرکز دارند، و @Delphi_Digital (۴۴ لایک) آن را “سومین موج AI” (پس از agents) میدانند، با پتانسیل crypto tie-in (مانند $RICE برای DePIN داده). بحثها بر تأثیر بر نیروی کار (افزایش اولیه شغلها، سپس اتوماسیون) و geopolitics (rebalancing تولید) متمرکز است.
چشمانداز آینده
با این سرمایه، Figure timeline تجاری را تسریع میکند: ارسال ۱۰۰,۰۰۰ ربات تا ۲۰۲۹، با Helix برای وظایف unstructured. چشمانداز: بازار humanoid تا ۵۰ میلیارد دلار تا ۲۰۳۰، با Figure به عنوان رهبر، اما موفقیت به dataset Go-Big و استقرار واقعی بستگی دارد. این رویداد، رباتیک را به frontier بعدی AI تبدیل میکند، با پتانسیل تحول صنایع، اما نیاز به حل مسائل اخلاقی (مانند جابهجایی شغلی) دارد.
نتیجهگیری
این دور Series C، Figure را به پیشران humanoid robotics تبدیل میکند و هیجان سرمایهگذاران را برای embodied AI تأیید مینماید. با تمرکز بر Helix و BotQ، شرکت آماده مقیاسپذیری است، اما چالشهای فنی و رقابتی باقی میماند. این سرمایهگذاری، موج funding رباتیک ۲۰۲۵ را تقویت میکند و آیندهای را نوید میدهد که رباتها بخشی از زندگی روزمرهاند – از کارخانهها تا خانهها.
مقایسه محصولات Field AI و Figure AI: تحلیل جامع
مقدمه
Field AI و Figure AI دو پیشتاز در حوزه رباتیک embodied AI (هوش مصنوعی با بدن فیزیکی) هستند، اما رویکردهای متفاوتی دارند. Field AI (تأسیس ۲۰۲۳، Irvine، کالیفرنیا) بر نرمافزار “مغز ربات” تمرکز دارد که برای انواع رباتها (از wheeled تا legged) کار میکند و autonomy در محیطهای unstructured (بدون نقشه یا GPS) را فراهم میکند. این شرکت با ۵۰۶ میلیون دلار سرمایه (از Bezos Expeditions، BHP Ventures و NVIDIA) و valuation ۲ میلیارد دلاری، بر صنایع صنعتی مانند ساختوساز، نفت و گاز، کشاورزی و لجستیک تأکید دارد. در مقابل، Figure AI (تأسیس ۲۰۲۲، سان خوزه، کالیفرنیا) بر سختافزار humanoid (انساننما) تمرکز دارد، با هدف ایجاد رباتهای عمومی برای کارهای انسانیمانند. با بیش از ۲ میلیارد دلار سرمایه (از NVIDIA، Microsoft و OpenAI سابق) و valuation ۳۹ میلیارد دلاری، Figure بر تولید انبوه و کاربردهای خانگی/صنعتی مانند انبارها و کارخانهها (مانند BMW) تمرکز دارد. این مقایسه بر اساس محصولات کلیدی، ویژگیها، کاربردها، مزایا/معایب و چشمانداز ۲۰۲۵ است، با تمرکز بر اینکه Field AI “نرمافزاری” و Figure “سختافزاری” است – مانند مقایسه iOS با iPhone.
جدول مقایسه محصولات
| معیار | Field AI | Figure AI |
|---|---|---|
| محصولات کلیدی | – Field Foundation Models (FFMs): مدلهای AI risk-aware برای embodied intelligence. – نرمافزار autonomy برای multi-embodiment (legged, wheeled, flying, tracked). – پلتفرم بدون GPS/نقشه برای محیطهای dynamic. |
– Figure 02: ربات humanoid بipedal با ۳۵ درجه آزادی (DOF)، دستهای ۱۶ DOF، ظرفیت حمل ۲۵ کیلوگرم. – Helix AI: سیستم VLA (vision-language-action) برای reasoning و کنترل. – BotQ: کارخانه تولید ۱۲,۰۰۰ ربات در سال (با کمک رباتها). |
| ویژگیهای فنی | – Risk-aware AI: پیشبینی خطرات فیزیکی (مانند سقوط یا برخورد). – سازگاری با سنسورهای مختلف (LiDAR، دوربین). – یادگیری از دادههای واقعی (ویدیوهای انسانی، multimodal). – latency پایین برای real-time navigation. |
– Speech-to-speech: مکالمه طبیعی با AI (سابقاً GPT، حالا داخلی). – Computer vision: ۶ دوربین برای panoramic view. – باتری ۲.۲۵ kWh (دو برابر Figure 01)، GPU NVIDIA برای inference ۳x سریعتر. – Helix VLA: کنترل همزمان دو ربات، generalization اشیاء. |
| کاربردها | – صنعتی: ساختوساز (بازرسی سایت)، نفت/گاز (نظارت خطوط)، کشاورزی (برداشت)، لجستیک (تحویل شهری). – تمرکز بر scalability بدون نیاز به hardware خاص. |
– صنعتی: انبارها، کارخانهها (جوشکاری، حمل جعبه در BMW). – خانگی: شستشو، جابجایی groceries، کمک سالمندان (alpha testing ۲۰۲۵). – هدف: ۱۰۰,۰۰۰ ربات تا ۲۰۲۹. |
| مزایا | – انعطافپذیری: کار روی هر رباتی (از drone تا quadruped). – هزینه پایین: نرمافزار به عنوان سرویس (SaaS-like). – ایمنی بالا: risk-aware برای محیطهای unstructured. – سرمایه ۴۰۵M در ۲۰۲۵ برای R&D. |
– generality: humanoid برای کارهای انسانی (climb stairs، manipulate tools). – مقیاسپذیری: تولید انبوه با BotQ. – AI پیشرفته: Helix برای long-horizon tasks (چندمرحلهای). – valuation بالا (۳۹B) برای جذب استعداد. |
| معایب | – وابستگی به hardware دیگران: بدون ربات اختصاصی، adoption کندتر. – تمرکز صنعتی: کمتر برای خانگی مناسب. – رقابت با ROS (Robot Operating System) رایگان. |
– هزینه بالا: ربات کامل ~۳۰k-۵۰k دلار (عملکرد ساعتی ۳۰ دلار). – sim-to-real gap: چالش در انتقال از شبیهسازی به واقعیت. – تمرکز humanoid: کمتر انعطافپذیر برای wheeled/flying. |
| وضعیت بازار (۲۰۲۵) | – قراردادها در انرژی، ساختوساز (بدون نام مشتری). – رشد ۵۰۶M سرمایه، تمرکز بر export به اروپا/آسیا. |
– استقرار در BMW، هدف خانگی ۲۰۲۵. – ۱B+ سرمایه Series C، رهبری بازار humanoid. |
تحلیل جامع: تفاوتها، شباهتها و پیامدها
شباهتها: هر دو بر embodied AI تمرکز دارند – Field با FFMs و Figure با Helix – برای autonomy در محیطهای پویا. هر دو از NVIDIA (GPUها) استفاده میکنند و بر دادههای multimodal (ویدیو، سنسور) برای یادگیری تکیه دارند. هدف مشترک: حل کمبود نیروی کار (۸۵ میلیون شغل خالی تا ۲۰۳۰) با AI risk-aware، و تمرکز بر صنایع مانند لجستیک و ساختوساز. هر دو در ۲۰۲۵ موج funding رباتیک (رکورد ۱۰B دلار) را سوار شدهاند، با تیمهایی از DeepMind، NASA و Tesla.
تفاوتهای کلیدی:
- رویکرد: Field “نرمافزاری” است (universal brain برای هر رباتی)، مانند یک OS برای رباتها، که scalability را آسان میکند اما نیاز به شرکای hardware دارد. Figure “سختافزاری” است (humanoid اختصاصی)، که generality را برای کارهای انسانی (مانند دستکاری ابزارها) فراهم میکند اما گرانتر و پیچیدهتر است. مثلاً، Field برای drone در کشاورزی ایدهآل است، در حالی که Figure برای جابجایی جعبه در انبار BMW.
- فناوری: Field بر risk-aware models (پیشبینی خطرات فیزیکی) و multi-embodiment تأکید دارد، بدون نیاز به GPS، که برای unstructured environments (مانند سایتهای ساختمانی) برتر است. Figure با Helix VLA (vision-language-action) و speech-to-speech، reasoning انسانیمانند (مانند پاسخ به “این جعبه را بگذار”) ارائه میدهد، با ۳x inference سریعتر از NVIDIA. اما sim-to-real gap در Figure (انتقال از شبیهسازی به واقعیت) چالشبرانگیزتر است.
- بازار و کاربرد: Field صنعتیمحور (ساختوساز، انرژی) است و با ۴۰۵M سرمایه ۲۰۲۵، بر export تمرکز دارد، اما کمتر به خانگی نفوذ کرده. Figure دوگانه (صنعتی مانند BMW + خانگی alpha testing ۲۰۲۵) است و با BotQ، تولید ۱۰۰,۰۰۰ ربات تا ۲۰۲۹ را هدف دارد، که TAM را به ۵۰B دلار میرساند.
- چالشها: Field با رقابت نرمافزاری (مانند ROS) روبرو است و adoption کندتر دارد، در حالی که Figure با هزینه بالا (۳۰k+ دلار/ربات) و مسائل اخلاقی (جابهجایی شغلی) مواجه است. در Reddit، کاربران Figure را “overhyped” (بیشارزشگذاریشده) میدانند، اما Field را “عملیتر” برای صنعتی.
پیامدهای صنعتی و آینده:
در ۲۰۲۵، Field AI برای شرکتهایی که رباتهای موجود (مانند Boston Dynamics) دارند، ایدهآل است – ROI سریعتر با هزینه پایین (SaaS). Figure برای تحول کامل (از انبار به خانه) مناسبتر است، اما نیاز به سرمایه عظیم دارد. رقابت: Field با Agility Robotics (wheeled humanoids) همپوشانی دارد، Figure با Tesla Optimus (ارزانتر). آینده: ادغام (Field brain روی Figure body) ممکن است، با بازار humanoid ۳۸B دلاری تا ۲۰۳۴. هر دو به دادههای واقعی (Project Go-Big در Figure، multimodal در Field) وابستهاند، اما مسائل اخلاقی (privacy، جابهجایی شغل) و geopolitics (re-shoring تولید) را برجسته میکنند.
نتیجهگیری
Field AI “انعطافپذیر و صنعتی” است (نرمافزار universal برای scalability سریع)، در حالی که Figure AI “عمومی و تحولآفرین” (humanoid برای generality انسانی) است. Field برای ۲۰۲۵ عملیتر (با ۲B valuation) و Figure ambitiousتر (۳۹B، تولید انبوه). انتخاب بستگی به نیاز دارد: Field برای بهینهسازی موجود، Figure برای آینده humanoid. هر دو رباتیک را به frontier AI میبرند، اما موفقیت به حل sim-to-real و ethics بستگی دارد. اگر جزئیات بیشتری بخواهید، بگویید!### مقایسه محصولات Field AI و Figure AI: تحلیل جامع بر اساس فناوری، کاربردها و بازار در ۲۰۲۵
Field AI و Figure AI دو شرکت پیشرو در حوزه رباتیک مبتنی بر هوش مصنوعی (AI) هستند که هر دو بر “embodied AI” (هوش مصنوعی با بدن فیزیکی) تمرکز دارند، اما رویکردهای متفاوتی اتخاذ کردهاند. Figure AI، تأسیسشده در ۲۰۲۲ توسط Brett Adcock، بر رباتهای humanoid (انساننما) عمومی برای کارهای خانگی و صنعتی تأکید دارد و محصولاتش ترکیبی از سختافزار و نرمافزار اختصاصی است. در مقابل، Field AI، که در ۲۰۲۲ بنیانگذاری شد، بر مدلهای پایه نرمافزاری (foundation models) برای autonomy (خودمختاری) رباتها در محیطهای unstructured (غیرساختیافته و پویا) تمرکز دارد و embodiment-agnostic (مستقل از نوع سختافزار) عمل میکند. این مقایسه بر اساس محصولات کلیدی آنها در سال ۲۰۲۵ (با تمرکز بر Helix برای Figure و Field Foundation Models یا FFMs برای Field) انجام شده و شامل جنبههای فنی، کاربردها، مزایا/معایب، وضعیت بازار و چشمانداز آینده است. اطلاعات از منابع معتبر مانند سایتهای رسمی و گزارشهای ۲۰۲۵ استخراج شده است.
۱. بررسی کلی محصولات
- Figure AI (محصولات اصلی: Figure 01/F02 و Helix AI):
- سختافزار: ربات humanoid Figure 01 (نسل اول، ۲۰۲۳) و F02 (نسل دوم، ۲۰۲۵) با قد ۱.۷۵ متر، وزن ۶۰ کیلوگرم، ۴۱ درجه آزادی (DoF) در دستها برای dexterity بالا، و باتری ۵ ساعته. F02 ۴ برابر سریعتر و ۷ برابر دقیقتر از نسل اول در وظایف صنعتی عمل میکند، با تمرکز بر تعامل انسانی (مانند دستکاری اشیاء نرم یا حمل بار). کارخانه BotQ (راهاندازی ۲۰۲۵) برای تولید انبوه (هدف: ۱۰۰,۰۰۰ واحد تا ۲۰۲۹) طراحی شده و هزینه عملیاتی را به ۳۰ دلار در ساعت کاهش میدهد.
- نرمافزار: Helix، پلتفرم embodied AI، شامل مدلهای core برای perception (بینایی)، reasoning (استدلال) و control (کنترل). Helix از دادههای multimodal (ویدیو، سنسور) برای یادگیری end-to-end استفاده میکند و با NVIDIA GPUها آموزش میبیند. در ۲۰۲۵، Helix با Project Go-Big (dataset بزرگ از ویدیوهای انسانی) بهروزرسانی شد و sim-to-real gap (انتقال از شبیهسازی به واقعیت) را کاهش داد.
- وضعیت ۲۰۲۵: استقرار آزمایشی در کارخانه BMW برای جوشکاری و حمل جعبه؛ هدف: ورود به خانهها برای کارهای خانگی (تمیزکاری، آشپزی).
- Field AI (محصولات اصلی: Field Foundation Models – FFMs):
- سختافزار: Field سختافزار اختصاصی تولید نمیکند؛ FFMs نرمافزاری است که روی رباتهای موبایل (مانند AGVها) یا humanoidها (مانند Digit از Agility) اجرا میشود. تمرکز بر autonomy بدون نیاز به GPS یا نقشهبرداری دستی، با سنسورهای LiDAR، دوربین و IMU برای محیطهای unstructured.
- نرمافزار: FFMs، مدلهای پایه “physics-first” (اولویت فیزیک واقعی)، بر چهار ستون بنا شده: یادگیری تقویتی (RL) برای تصمیمگیری ریسکآگاه، مدلهای فیزیکی برای پیشبینی محیط، دادههای multimodal (ویدیو، لیدار، IMU) و embodiment-agnostic برای سازگاری با رباتهای مختلف. در ۲۰۲۵، FFMs با ۴۰۵ میلیون دلار سرمایهگذاری (اوت ۲۰۲۵) مقیاسپذیر شد و autonomy را در محیطهای پویا (مانند انبارهای شلوغ یا مزارع) تا ۱۰ برابر بهبود بخشید. FFMs از “unstructured autonomy” برای ناوبری بدون مسیر از پیشتعریفشده استفاده میکند.
- وضعیت ۲۰۲۵: استقرار در کشاورزی (مانند برداشت محصول) و لجستیک (همکاری با Amazon برای ۱ میلیون ربات)؛ تمرکز بر رباتهای غیرhumanoid، اما قابلیت ادغام با humanoidها.
۲. جدول مقایسه محصولات
برای وضوح، مقایسه را در جدول زیر خلاصه کردهام:
| جنبه مقایسه | Figure AI (Helix + F01/F02) | Field AI (FFMs) |
|---|---|---|
| نوع محصول | سختافزار humanoid + AI اختصاصی (end-to-end) | نرمافزار autonomy (foundation model، مستقل از سختافزار) |
| تمرکز فنی | Embodied intelligence برای کارهای انسانی (dexterity، تعامل اجتماعی)؛ ۴۱ DoF دست، Helix برای reasoning. | Physics-first autonomy برای محیطهای unstructured؛ RL ریسکآگاه، بدون نقشهبرداری. |
| کاربردها | خانگی (تمیزکاری، آشپزی) و صنعتی (انبار BMW، حمل بار)؛ مناسب وظایف چندمرحلهای. | لجستیک (انبار Amazon)، کشاورزی (برداشت)، معدن؛ مناسب ناوبری پویا در فضاهای باز. |
| عملکرد ۲۰۲۵ | ۴x سریعتر، ۷x دقیقتر در وظایف صنعتی؛ dataset Go-Big برای یادگیری از انسان. | ۱۰x بهبود autonomy؛ ادغام با ۱M+ ربات Amazon؛ ریسکآگاهی برای ایمنی. |
| مقیاسپذیری | BotQ برای تولید انبوه (۱۰۰K واحد)؛ هزینه ۳۰$/ساعت. | Embodiment-agnostic؛ اجرا روی رباتهای موجود (موبایل/humanoid)؛ سرمایه ۴۰۵M$. |
| مزایا | تعامل انسانی بالا؛ مناسب کارهای پیچیده خانگی/صنعتی؛ valuation ۳۹B$. | انعطافپذیر (غیروابسته به سختافزار)؛ ایمنی در unstructured؛ هزینه پایینتر. |
| معایب | وابستگی به سختافزار اختصاصی؛ sim-to-real gap در dexterity؛ گران (تولید انبوه چالشبرانگیز). | عدم تمرکز روی dexterity انسانی؛ نیاز به سختافزار خارجی؛ کمتر برای کارهای خانگی. |
| سرمایهگذاری ۲۰۲۵ | >۱B$ Series C (۳۹B$ valuation)؛ شرکا: NVIDIA، Intel. | ۴۰۵M$ (مجموع ۵۵۰M$)؛ شرکا: Intel، Radical Ventures. |
| وضعیت بازار | رهبر humanoid (بالاتر از Tesla Optimus)؛ TAM: ۵۰B$ تا ۲۰۳۰. | رهبر نرمافزاری autonomy؛ TAM: unstructured robotics (لجستیک/کشاورزی) ۱۰۰B$. |
۳. تحلیل فنی: تفاوتهای کلیدی
- رویکرد AI: Figure با Helix (مدل end-to-end مبتنی بر vision-language-action) بر شبیهسازی رفتار انسانی تمرکز دارد، که برای وظایف long-horizon (چندمرحلهای مانند “پخت غذا”) مناسب است. FFMs Field بر “physics-first” تأکید دارد، که فیزیک واقعی (مانند جاذبه، اصطکاک) را اولویت میدهد و autonomy را در محیطهای ناشناخته (مانند انبارهای شلوغ) بدون دادههای عظیم فراهم میکند – ایدهآل برای ریسکآگاهی (اجتناب از برخورد). در بنچمارکهای ۲۰۲۵، Helix در dexterity (دستکاری اشیاء) برتر است، اما FFMs در navigation unstructured (۱۰x سریعتر) پیشتاز.
- انعطافپذیری: Figure محصولاتش را برای humanoid خاص طراحی کرده، که محدودیت ایجاد میکند (نیاز به سختافزار اختصاصی). Field با FFMs، “brain” نرمافزاری ارائه میدهد که روی هر رباتی (موبایل مانند Digit یا humanoid مانند Optimus) اجرا میشود، که مقیاسپذیری بالاتری دارد – مثلاً ادغام با ۱ میلیون ربات Amazon در ۲۰۲۵.
- چالشهای فنی: هر دو با sim-to-real gap روبرو هستند، اما Figure با dataset Go-Big (ویدیوهای انسانی) و Field با دادههای multimodal (LiDAR+ویدیو) آن را کاهش میدهند. Figure در تعامل اجتماعی (مانند گفتگوی صوتی) قویتر است، در حالی که Field بر ایمنی (ریسکآگاهی در کشاورزی) تمرکز دارد.
- نوآوری ۲۰۲۵: Figure با F02 و BotQ تولید را مقیاس داد (۴x کارایی)، Field با FFMs autonomy را به humanoidها گسترش داد (همکاری با Intel برای GPU).
۴. تحلیل کاربردها و بازار
- کاربردها: Figure برای بازار humanoid (خانه/کارخانه) مناسب است، جایی که dexterity انسانی کلیدی است – مثلاً کمک به سالمندان (بازار ۵۰B$ تا ۲۰۳۰). Field برای unstructured autonomy (لجستیک/کشاورزی) ایدهآل است، با TAM ۱۰۰B$ (مانند انبارهای Amazon). ترکیب آنها ممکن است: FFMs میتواند brain Helix را تقویت کند.
- مزایا رقابتی: Figure با valuation ۳۹B$ و شرکای NVIDIA/Intel، رهبری سختافزاری دارد؛ Field با ۴۰۵M$ سرمایه (اوت ۲۰۲۵) و embodiment-agnostic، نرمافزاری انعطافپذیرتر است. هر دو از کمبود نیروی کار (۸۵M شغل خالی تا ۲۰۳۰) سود میبرند، اما Figure ریسک جابهجایی شغلی بیشتری دارد.
- معایب و ریسکها: Figure گرانتر (سختافزار) و وابسته به تولید BotQ است؛ Field نیاز به ادغام با سختافزار دیگران دارد و کمتر در dexterity انسانی قوی است. بازار رباتیک ۲۰۲۵ رقابتی است (Tesla Optimus، Boston Dynamics Atlas)، با Figure در humanoid و Field در نرمافزاری پیشتاز.
- وضعیت بازار: Figure (سری C >۱B$) پیشتاز humanoid (TAM decatrillions) است، Field (مجموع ۵۵۰M$) در autonomy unstructured (همکاری Amazon) رشد میکند. سرمایهگذاریهای ۲۰۲۵ (Figure ۱B$، Field ۴۰۵M$) موج funding رباتیک را نشان میدهد، اما IPOها هنوز دور است.
۵. چشمانداز آینده و پیشنهادها
در ۲۰۲۵، Figure با Helix/F02 به سمت رباتهای خانگی عمومی حرکت میکند (ارسال ۱۰۰K واحد تا ۲۰۲۹)، در حالی که Field با FFMs autonomy را دموکراتیک میکند (ادغام با humanoidها مانند Figure). ترکیب (نرمافزار Field + سختافزار Figure) پتانسیل بالایی دارد. چالشها: اخلاقی (جابهجایی شغل)، ایمنی (sim-to-real) و مقررات (EU AI Act). پیشنهاد: برای صنایع لجستیک، Field؛ برای خانگی/صنعتی، Figure. هر دو بخشی از “سومین موج AI” (embodied) هستند، با TAM تریلیون دلاری.
