本报告导读：

Figure 物流场景部署顺利，创新的隐式立体视觉技术，为纯视觉方案提供了新思路，同时跨机器人迁移部署，有望推动人形机器人大规模应用落地。

投资要点：

投资建议：F igure 发布多台机器人在物流工厂中分拣包裹视频，机器人能够识别、抓取不同尺寸、形状、重量和硬度的包裹，并按逻辑摆放，同时能确保运输标签方向正确以便扫描。从宝马工厂的12个月部署到物流场景的30 天落地，Figure 商业部署进展迅速，进一步推动了人形机器人的大规模应用。推荐标的为兆威机电，受益标的为长盈精密、银轮股份。

隐式立体视觉深度感知，提供纯视觉方案新思路。Figure 的隐式立体视觉通过双摄像头数据融合，构建了具有深度感知的3D 场景理解能力。与单目视觉相比，该系统在物流分拣场景中吞吐量提升60%，并能零样本处理未训练的扁平包裹（如信封）。这意味着机器人在面对复杂多样且未知的实际环境时，具备更强的适应能力，拓宽了机器人的应用场景。同时Figure 的隐式立体视觉技术验证了纯视觉方案在工业场景的可行性，相比传统“视觉+激光雷达+力控”的多传感器方案而言，硬件成本明显降低，为人形机器人行业降成本与轻量化发展提供了新思路。

数据质量优于数量，数据成本大幅降低。高质量数据对模型性能提升效果明显，通过精心筛选人类示范数据，排除低质量操作数据，使用经过整理的高质量示范数据训练的模型，尽管训练数据量减少了三分之一，但吞吐量却提高了 40%。强调数据质量而非数量，是Figure 公司数据策略的一大亮点，仅需 8 小时示范数据，就能生成灵活且熟练的策略，这大大降低了对大规模数据的需求，此数据优化方法对降低机器人部署成本具有重要意义。

跨机器人迁移部署，推动人形机器人大规模应用落地。借助学习校准和视觉本体感知模块，Figure 能够将在单台机器人上训练的策略应用到多台其他机器人上，且在不同机器人平台上保持相当的操作性能水平，降低了针对不同机器人重复开发和训练策略的复杂性，提高了整体部署效率。跨机器人部署技术的成熟对于机器人在工业场景中的大规模应用至关重要。以物流行业为例，大量使用机器人进行包裹处理和分拣任务时，统一的策略部署和高效的跨机器人协同作业，能够提高物流处理效率、降低运营成本。

风险提示：1）人形机器人产业化进程不及预期；2）产业政策落地不及预期。