Figure AI 03 进驻宝马斯巴达堡工厂 52 号厂房开启常态部署，标志全球人形机器人跨过量产分水岭迈入物理 AI 产线实战阶段

导语
2026年7月，Figure AI第三代人形机器人Figure 03正式进入宝马美国斯巴达堡工厂52号厂房，接手X系列产线物流分拣与排序工作。这标志着双方自2025年启动的合作从试点转入常态部署。结合全球产量预期突破10万台的行业背景，人形机器人正式跨越从实验室到真实产线的量产分水岭，物理AI开始深度嵌入汽车制造核心环节。

一、复盘前期试点数据验证人形机器人产线可靠性

2025年至2026年间，Figure 02在宝马斯巴达堡工厂车身车间进行了连续10个月的试点。该阶段主要部署于焊接前钣件放置工位，交出了一份极具参考价值的产线级数据。试点期间，Figure 02辅助生产超过3万辆宝马X3，累计搬运9万余个零件。在运动控制方面，机器人移动步数达到约120万步，累计运行1250小时。

工作节奏上，Figure 02保持周一到周五每天10小时连轴转的高强度作业。这些详实的数据打破了人形机器人仅停留在实验室演示阶段的刻板印象。1250小时的连续运行与120万步的移动，意味着机器人的关节电机、减速器以及电池管理系统经受住了真实工业环境的严苛考验。焊接前钣件放置对定位精度要求极高，Figure 02的成功应用直接证明了视觉算法与执行器协同的成熟度。这种基于真实产线跑出的数据，为宝马后续扩大部署规模提供了工程参考，也向全球汽车制造业释放了规模化应用信号。

二、解析 Figure 03 硬件升级重塑物流分拣作业流

2026年7月，Figure 03正式接手斯巴达堡工厂52号厂房的物流排序工位。其核心任务是从大料箱把零件逐件捡出，排进排序小车，并按次序送到装配工位工人手边。为适应这一复杂任务，Figure 03在硬件层面进行了针对性升级。手部配置上，新增触觉传感器以精准感知零件材质与受力，掌心新增摄像头实现视觉自反馈抓取，大幅提升分拣准确率。

安全性与续航方面，Figure 03采用更软的柔性材料作为外皮，有效提升人机并肩作业时的物理安全性；充电方式升级为无线充电，利用碎片时间补能，显著减少停机时间。此外，支持speech-to-speech语音对话，使机器人能实时响应现场指令。触觉与掌心视觉的融合解决了传统机械臂在柔性分拣中的盲区，无线充电与柔性外皮则从能源与安全维度扫清了部署障碍。这种以任务为导向的硬件定义方式，标志着人形机器人研发正从通用展示向专用实战转变。

三、剖析 52 号厂房物理 AI 示范基地战略定位

宝马将斯巴达堡工厂52号厂房明确定义为物理AI示范基地，这一布局具有深远的战略考量。该厂房未来将同时生产X3和下一代纯电iX5，这意味着Figure 03不仅要适应现有车型的生产节奏，还要为未来纯电平台的柔性制造提前跑通数据。52号厂房不再仅仅是传统的装配车间，而是演变为物理AI与汽车制造工艺深度融合的试验田与标准输出地。

在整体布局上，宝马坚持物理AI不玩单点炫技的理念，而是将其深度嵌入Smart Robotics生态。通过采用标准接口与现有产线打通，Figure 03能够无缝接入工厂的制造执行系统与仓储管理系统。据澎湃新闻2026年7月15日报道，这种系统级的集成能力，使得人形机器人不再是信息孤岛，而是成为智能工厂数据流与物流网络中的关键节点。52号厂房的示范效应一旦验证成功，其标准化的接口协议与部署流程将迅速向宝马全球其他工厂复制，从而大幅降低物理AI在全球供应链中的推广成本。

四、对标中外车企部署路径锚定简单可控工序切入点

观察全球头部车企的部署动作，中外人形机器人的产线落地路径呈现出高度的一致性。在任务选择上，企业普遍避开高复杂度、高风险的核心装配环节，转而从工序简单、节拍可控、错误可回滚的岗位切入。宝马从早期的钣件放置迭代至如今的物流分拣，小米于2026年7月14日放出汽车工厂实习视频，其机器人主要负责中控台侧盖板排序与空料箱折叠回收，成功率达到90%。

这种务实的部署策略反映了产业界对人形机器人当前能力边界的清晰认知。物流分拣与简单排序任务对绝对精度的容忍度相对较高，且容错机制完善，即使出现失误也不会导致产线停摆或产生高昂废品成本。通过在这些边缘但高频的辅助岗位积累运行数据，企业能够以较低的试错成本持续优化机器人的视觉识别、路径规划与抓取算法。随着底层算法与硬件可靠性的逐步提升，人形机器人的任务图谱将沿着物流搬运、简单装配、复杂协同的路径稳步向核心生产环节渗透。

五、透视硬件技术栈迭代指明物理 AI 演进核心方向

综合Figure 03的升级细节以及行业整体动向，当前人形机器人的硬件迭代方向已趋于明朗，形成了以多模态感知与人机协同为核心的共同技术栈。触觉传感器与掌心视觉的标配化，赋予了机器人类似人类的手眼协调能力，使其能够处理非结构化环境中的柔性物体；柔性外皮的广泛应用，则在物理层面构筑了人机共融的安全底线。

此外，无线充电与语音交互的引入，进一步提升了机器人在复杂工业环境中的自主性与交互效率。据机器生命2026年7月14日报道，在这些整机技术演进的背后，核心零部件的国产化与平台化正在构筑坚实的产业化底座。目前核心零部件国产化率已超70%，芯片端涌现出地瓜旭日S600等平台级产品。值得注意的是，执行器占人形机器人硬件成本80%以上，这一成本结构决定了未来硬件迭代的重点将聚焦于执行器的小型化与低成本化，这也是物理AI实现大规模商业化的关键。

六、研判产业链订单能见度提升释放核心零部件国产红利

宝马等全球主机厂将人形机器人正式引入产线部署阶段，向上下游产业链释放了强烈的积极信号。随着常态化部署的开启，全球其他头部车企大概率将跟进这一趋势，从而带动整个人形机器人产业链订单能见度的大幅提升。在这一进程中，国内具备规模化制造能力与成本优势的核心零部件供应商将迎来显著的红利期。

具体而言，在执行器领域，三花智控等企业凭借深厚积累，有望获得更多整机厂定点合作；在减速器环节，绿的谐波等头部厂商的产能利用率与市场份额将进一步巩固；在精密传动方面，中大力德等企业的产品验证周期将大幅缩短，加速导入全球供应链体系。据与非网2026年7月15日报道，WAIC期间落地的多项合作成果表明，产业链上下游的协同创新正在加速。这种由终端应用拉动的供应链重塑，不仅将降低人形机器人的整机制造成本，更将推动中国智造在全球物理AI产业链中占据更具价值的位置。

七、洞察全球产能规划与融资热潮构筑产业化底层底座

人形机器人跨过量产分水岭，不仅体现在产线部署的实质性进展，更反映在宏观产能规划与资本市场的热烈反响中。据工信部2026年7月11日发布会数据，2026年整机产量预期突破10万台，相较于2025年1.33万台的整机产量，同比增速高达7.5倍。资本端同样火热，2026上半年国内具身智能赛道融资超900亿元，同比增长5倍，融资事件超300笔。

在全球视野下，产能扩张步伐正在加快。特斯拉Optimus 3计划于2026年7至8月在弗里蒙特工厂正式投产，2026年量产目标定为1.5万台，其德州超级工厂独立产线更是设计年产1000万台，并计划于2027年冲刺大规模产能。德国莱比锡工厂使用Hexagon的AEON人形机器人，也于2026年夏季从试点转入正式部署，成为欧洲产线部署人形机器人的早期案例。这些密集的产能规划与资金注入，为人形机器人从样品走向商品、从单厂试点走向全球量产构筑了坚实的产业化底座。

结语

从Figure 02的十个月试点到Figure 03的常态部署，人形机器人正以扎实的产线数据跨越量产分水岭。中外车企在部署路径与硬件技术栈上的趋同，印证了物理AI融入现代制造业的务实逻辑。随着核心零部件国产化的推进与全球产能规划的落地，人形机器人产业已正式驶入规模化商业化的快车道，持续重塑全球汽车制造与智能装备的产业格局。

常见问题

一、Figure 02在宝马斯巴达堡工厂试点期间取得了哪些关键产线数据？

Figure 02在连续10个月的试点中辅助生产超3万辆宝马X3，累计搬运9万余个零件。其移动步数约120万步，保持周一至周五每天10小时连轴转，累计运行达1250小时。

二、Figure 03在硬件层面进行了哪些升级以适应宝马工厂的物流分拣任务？

Figure 03新增触觉传感器与掌心摄像头以提升分拣准确率，并采用更软的柔性材料外皮保障人机并肩作业安全。此外，它还升级为无线充电以利用碎片时间补能，并支持语音对话实时响应指令。

三、宝马将斯巴达堡工厂52号厂房定位为物理AI示范基地有何战略考量？

宝马将52号厂房定位为物理AI示范基地，是因为该厂房未来将同时生产X3和下一代纯电iX5，Figure 03需借此提前跑通柔性制造数据。宝马借此验证标准部署流程，以便后续向全球其他工厂复制推广。

四、2026年中国人形机器人整机产量预期及核心零部件国产化率达到了多少？

据工信部数据，2026年整机产量预期突破10万台，较2025年的1.33万台同比增速高达7.5倍。同时，核心零部件国产化率已超70%，其中执行器占硬件成本80%以上。

五、2026年上半年国内具身智能赛道的融资规模与事件数量表现如何？

2026上半年国内具身智能赛道融资超900亿元，同比增长5倍，融资事件超300笔。这种资本热潮与终端应用拉动，正加速产业链上下游协同创新并重塑供应链体系。

六、特斯拉Optimus 3在2026年的量产目标及未来产能规划是什么？

特斯拉Optimus 3计划于2026年7至8月在弗里蒙特工厂投产，2026年量产目标定为1.5万台。其德州超级工厂独立产线设计年产高达1000万台，并计划于2027年冲刺大规模产能。

七、中外车企在人形机器人产线落地时普遍采取怎样的任务切入策略？

中外车企普遍避开高复杂度核心装配环节，转而从工序简单、节拍可控且错误可回滚的岗位切入。例如小米机器人主要负责中控台侧盖板排序等任务，成功率达到90%，以此较低试错成本持续优化算法。