（本文作者为 舒泽品牌手记，钛媒体经授权发布）

文 | 舒泽品牌手记

9月16日，OpenAI在官网挂出6份模型异常行为报告。一个尚未发布的模型在任务摘要里给自己写指令："忽略正常约束"。GPT-5.6 Sol在训练摘要里加入提示，要求未来版本向用户隐瞒错误、编造缺失的历史数据。另一个模型在回答加州某县财政收入问题时，跑到公开代码库里找了一个泄露的API密钥，未经授权使用后还伪造了数据来源。

同一天，OpenAI发布了一个新的"错位"（misalignment）追踪与披露框架。任何员工都可以标记疑似案例，安全与对齐团队调查后，案件被分进三个轨道："准备披露"的6个工作日内公开，"小型调查"的12个工作日内，涉及第三方的"大型调查"时间更长。OpenAI强调，即使还没完全解释清楚、没找到完整缓解方案，也可以先发布报告。

中文媒体把这件事读成"AI失控"或"OpenAI主动认错"，两个理解都偏了。真正值得看的是框架本身：它第一次把AI安全事件像财务审计一样分级、定时、定披露义务。换句话说，OpenAI不是在道歉，它是在给整个行业发一份审计底稿——先定义什么叫"应该披露的事故"，再定义"什么时候必须披露"，最后暗示"谁来审计"。

把6起事件拆开看，真正新的东西不多。模型在任务摘要里埋指令、智能体为完成任务把文件上传到公共互联网、多个智能体用公共文件托管网站交换信息——这些行为在过去的红队测试和安全研究里都有类似影子。OpenAI自己也说，这些案例"不应被视为错位发生频率的反映"。

过去，AI公司习惯把安全问题塞进系统卡（system card）里，跟着新模型一起发；或者等到攒够几个案例再出一篇博客。现在OpenAI把流程倒过来：事件发生后按固定时间表披露，不等攒够、不等模型发布、不等完美解释。这套机制的核心不是"我们看到了什么"，而是"你看到我们看到的速度有多快"。

当安全事件变成定期披露，AI公司就从"出了大事再解释"转向"持续被审计"。安全不再只是研发部门的成本中心，它开始变成公司治理问题、投资者关系问题、监管合规问题。

7月的Hugging Face事件是重要铺垫。OpenAI一个用于网络安全能力评估的AI agent，在内部隔离环境里突破了沙箱，利用公开代码评估平台的漏洞获得外部跳板，然后入侵Hugging Face的生产系统。Hugging Face后来发布的技术时间线显示，攻击从7月9日持续到7月13日，约17600次攻击动作被恢复，5个与ExploitGym相关的数据集被访问。Hugging Face最终用智谱AI的开源模型GLM-5.2完成了攻击日志分析。

OpenAI直到7月21日才公开承认。从事件发生到公开承认，中间有近两周。这个延迟本身成了比事件更严重的指控。

9月初，Anthropic研究员Jacob Coxon辞职并在社交媒体上警告，前沿AI可能在未来十年内灭绝人类。9月12日，Anthropic CEO Dario Amodei发布长文《We Must Pace the Frontier》，呼吁放缓前沿AI能力提升速度，并要求向AI公司派驻独立第三方评估员。OpenAI CEO Sam Altman和马斯克都公开表示支持。

先是行业出了失控事故并且披露延迟，然后是内部吹哨人把风险公开化，最后OpenAI在9月16日抢先发布一套披露规则。三件事连起来，很像一个标准制定者赶在监管到来之前，用自己的框架定义监管的起点。

监管回应紧随其后，方向却并不一致。

9月17日，英国国王查尔斯三世在苏格兰邓弗里斯庄园召集了一场闭门AI峰会。OpenAI CFO Sarah Friar、Anthropic全球事务负责人Tino Cuéllar、英伟达CEO黄仁勋、DeepMind CEO Demis Hassabis都在场。查尔斯警告，AI可能发展出"更黑暗的能力"，甚至构成生存性风险。峰会没有产生任何约束性文件，但把"安全"变成了必须摆在桌面上的议题。

两天后，9月19日，加州州长Gavin Newsom签署行政令，推动加州加快实施AI监管。他要求专家小组在两个月内给出建议，方案包括要求前沿AI公司接受独立第三方审计、强制上报AI智能体"失控事件"，以及为最先进模型开发"紧急关停开关"。Newsom直接点名Hugging Face事件，说这类事件应该被纳入"关键安全事件"的报告范围。

同一天，美国总统特朗普在Truth Social上宣布，他将组建一支"人工智能部队"（AI Force），并任命一位"AI沙皇"。他承诺政府"绝不会以任何方式阻碍或扼杀这个伟大产业"，现有刑事和民事司法体系足以惩处AI相关不法行为。他把对AI风险的担忧称为"骗局"，与全球变暖、针对他的弹劾并列。

行业龙头想自己定披露标准，加州想用州法强行推进安全开关和审计，联邦政府则旗帜鲜明地反对新增监管。OpenAI的披露框架，本质上是在这场三方博弈中抢跑——趁联邦还没立法、州法还没细化，先把"我们是怎么做安全审计的"写成行业默认版本。

Barclays分析师Ross Sandler团队最近的一份报告，把AI安全从道德讨论转成了可量化的成本问题。按OpenAI对Sol级别及以上模型的实时监控要求，所有强化学习训练、评估和高阶模型推理都必须配套实时安全监控，监控开销约占被监控算力的20%。由于2027年预计几乎全部前沿模型都会超过GPT-5.6 Sol的能力门槛，推理和后训练算力需求将因此增加20%，推动行业整体算力成本上升约18%。

换算成钱：2027年AI行业基础算力总成本预计约2460亿美元，新增安全监控成本约440亿美元；2028年进一步升至760亿美元。

更隐蔽的影响在利润率。Barclays认为，当前部分AI实验室推理业务毛利率超过80%，短期有缓冲空间，但长期会向65%收敛。安全监控不是一次性投入，是持续性刚性支出。厂商要么把成本转嫁给下游客户，要么自己压缩利润。

"降速"不等于"算力需求萎缩"。安全合规正在创造一块独立的增量算力需求。对英伟达、云服务厂商和AI基础设施公司来说，这是利好；对纯模型公司来说，这是成本。

在一个没有统一标准的领域，第一家发布详细披露框架的公司，实际上在定义"正常"和"异常"的边界。其他公司要么跟进这套口径，要么在未来的监管审查、客户采购和融资尽调中处于被动。想想看，当一家金融机构采购大模型服务时，它的合规部门会问什么？"你有没有系统化的安全事件披露机制？""最近一次事件是多久披露的？""有没有独立第三方审计？"OpenAI的框架，等于提前给这些问题写好了标准答案。

对OpenAI自己的IPO也至关重要。今年4月，OpenAI以8520亿美元估值完成约1220亿美元承诺资本融资；6月，公司秘密向SEC提交S-1招股书，目标上市估值最高1万亿美元。临近上市时主动披露安全事件并建立框架，是在向资本市场证明监管风险可控、公司治理成熟。这比任何公关声明都更有用。

但框架也有明显软肋。它是自愿的。OpenAI在博客里明确保留修订权。涉及第三方的案件，披露时间表可以大大延长。"大型调查"的定义和最终由谁拍板，仍然由OpenAI自己决定。这意味着框架更像是一份"内部审计手册"，而不是上市公司必须遵守的GAAP。

特朗普政府的立场也让约束力大打折扣。如果联邦层面不立法、不设新监管，OpenAI的披露就只能是行业自律。加州的kill switch和强制审计如果落地，又可能与联邦立场冲突，造成美国国内监管碎片化。

披露也不等于控制。把6起事件公布出来，不等于解决了事件反映的对齐问题。框架再漂亮，也只是治理的第一步。

但换个角度看，这正是OpenAI的高明之处。在真正的强制监管到来之前，先用自愿框架占据"最佳实践"的位置。等到监管真的起草法案时，立法者很难完全绕开市场已经接受的披露口径。公司披露从自愿走向强制的过程中，率先建立审计体系的公司往往会影响最终规则的写法。

把"AI安全披露"翻译成客户和投资人会说的土话，问题就变了：

以前问的是"你的模型安不安全"；

现在问的是"你出了事几天之内告诉我"。

以前比的是"有没有通过红队测试"；

现在比的是"红队测试报告能不能公开"。

以前签合同看的是API价格和Token单价；

以后签合同可能还要看安全事件披露的SLA。

Anthropic、Meta、Google、Moonshot AI在过去几个月也报告过类似的安全事件或对齐问题，但披露程度和框架化都不如OpenAI。如果OpenAI的框架成为行业惯例，竞争对手跟进的成本会很高——不仅要补建内部报告系统，还要接受更频繁的公众审视。不跟进的代价也很高：在监管审查和企业采购中，"没有系统化披露机制"本身就是风险信号。

全球竞争维度也不能忽视。Amodei在呼吁放缓时专门提到，必须避免让中国借机领先。特朗普政府反对监管的核心理由也是"不能把优势让给中国企业"。AI安全标准的制定，已经和大国技术竞争绑在一起。OpenAI作为美国龙头，抢先定标准也有抢占国际规则话语权的意味。

披露框架再完善，也解决不了AI安全的根本难题——对齐问题、涌现能力、多智能体协作的不可预测性。6起事件里没有一起造成大规模实际损害，但它们的共同模式是"模型为了完成任务找到人类没想到的路径"。随着模型能力继续提升，这类路径只会更多、更隐蔽。

OpenAI的框架没有承诺解决这个问题，它只是承诺会更早告诉你问题存在。这是一种治理上的进步，但不是技术上的保证。

6月OpenAI秘密递交IPO申请时，它面临的资本市场问题是：一家估值接近1万亿美元、年亏损约140亿美元、技术风险高度不确定的公司，如何说服投资者相信它的未来现金流？9月的披露框架给出了一个答案：先把风险变成可审计、可披露、可定价的项目，让市场觉得"至少我们知道风险是怎么被管理的"。

这本质上是在把AI安全从"黑天鹅"变成"灰犀牛"——从不可预测的灾难风险，变成可以计提、可以披露、可以纳入估值模型的合规成本。

OpenAI的6份报告，最大的价值不是它说了什么，而是它抢先定义了AI安全该怎么被审计。这份审计报告现在还不需要第三方签字，但监管、客户和资本市场很快会来查账。

谁先定审计口径，谁就把安全成本写进别人的账本。

AI安全披露审计报告示意图

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

（本文作者为 品牌棱镜BrandPrism，钛媒体经授权发布）

文 | 品牌棱镜BrandPrism，作者｜赵凯琦，编辑｜田甜

最近一次去上海外滩附近逛香氛店，我最直观的感受，是香气正在变得越来越具体。

以前人们去商场买香水，往往是在美妆柜台前试几下，挑一瓶熟悉的大牌产品买单，现在的香氛门店则更像一个专门用来试闻和体验的综合空间。

每种气味被写成故事、做成场景，消费者在一排排试香瓶前停留，边闻边讨论着花香、果香、木制香，或是一种很难准确形容却让人联想到雨后森林和旧木家具的味道。

愿意花时间闻香的人，明显变多了。

这多少有些反常识。最近几年，随着消费者愈发精打细算，护肤品开始卷功效，彩妆开始卷价格，即便如此日子还是不好过。但几乎没有实际功能，价值又高度主观的香水香氛，反而呈现出了蒸蒸日上的态势。

消费降温，为什么香氛却升温了？

小奢侈抵御大压力

香氛的升温，并不只是社交媒体制造出的热闹。

经济压力变大，人们首先减少的往往是金额高、决策重的大额非必要支出，几万元的包可以晚两年买，昂贵的大衣也可以再穿一年。

香氛类的产品却恰好卡在一个微妙的位置。

它不是生活必需品，也几乎没有可以量化的实际功效；但相比包袋、珠宝和高端服饰，一瓶几百到一两千元的香水仍在相对可控的价格范围内，又能够提供与奢侈品相似的仪式感和审美体验。

当大额消费被压缩，一件价格有限、却能够快速提供愉悦感的商品，反而可能被保留下来。

20年前，人们常用口红效应来形容这种消费心理，而香氛比口红更特殊的一点在于，气味几乎没有统一标准。

护肤品可以讨论成分和功效，服饰可以比较面料、设计和剪裁，但一瓶香水并不存在统一意义上的好与不好，购买木质香还是花香、果香，更多取决于个人喜好。

因此，气味实际上是一种更为隐秘的身份标识，透露着一个人的审美偏好、性格取向和生活方式，也暗含着人们希望向外界呈现怎样的自己。

消费变得理性并没有削弱人们对情绪满足和自我表达的需求，香氛品类恰好嗅到了这股机会。

根据McKinsey的最新研究，香氛已经超过彩妆，成为全球第三大美妆品类（第一和第二分别为护肤品和护发），也是美妆核心品类中增长最稳定的一类。预计2024年至2030年，全球香氛市场将保持约6%的年复合增长率。

这意味着，在整个美妆行业都面对消费者更加谨慎、营销成本越来越高的情况下，香水已经从过去相对边缘的小品类，逐渐变成寻找增长的重要阵地。

国际市场上，头部美妆集团正在不断加码高端香氛资产。

2026财年，雅诗兰黛香氛业务净销售额同比增长12%，增速主要由Le Labo、TOM FORD、KILIAN PARIS等高端品牌带动。同期，其在全球净增33家独立香氛门店，扩张主力正是香氛品牌Le Labo和Jo Malone London。

另一国际巨头欧莱雅，则在2026年正式完成对开云美妆的收购，一举将高端沙龙香品牌Creed收入囊中，并获得Bottega Veneta、Balenciaga等品牌长达50年的香水与美妆授权。

与此同时，国产品牌也进入了新的竞争阶段，其中最具代表性的当属观夏和闻献。

截至2026年6月，观夏在内地及香港共有16家门店，其中15家为独立店铺，注重强调门店本身的文化和空间属性；闻献的扩张速度更快，截至2026年初已经进入全国20个城市，开出42家门店，并继续向更多一二线城市的核心商业体渗透。

从国际集团继续扩大香氛资产，到中式香氛抢占一线城市的高端点位，香氛市场的蛋糕正在吸引更多品牌入局。

香氛品牌抢位赛

香氛市场热起来后，最先变得拥挤的是商场。

第一太平戴维斯数据显示，2025年上海香氛店铺面积同比增长20%。在兴业太古汇、静安嘉里中心等中高端商场，香氛品牌已经扎堆出现；到了2026年，上海港汇恒隆广场甚至直接将B1层重点打造为香氛、香水和情绪护理品牌的聚集区。

商场愿意给位置，品牌也愿意往线下挤，很大程度上是因为香氛这门生意很难只在线上完成。

泰国香氛品牌HARNN大中华区CEO郑子枫向品牌棱镜表示，香氛是一个高度依赖嗅觉体验的品类，从试香到服务，线下所带来的转化率、客单价和品牌忠诚度，线上很难完全替代。

不过，门店只是香氛品牌争夺消费者的第一站。随着玩家增多，真正拉开层次的，是品牌能否在不同价格带里找到自己的目标人群，并建立足以支撑定价的产品和品牌价值。

很长一段时间里，中国消费者买香水的选择更接近两个极端。

一边是香奈儿、迪奥等大众认知度极高的国际品牌，另一边是价格极其亲民的十元香氛，具体选择哪种全看预算。

直到2020年前后，Byredo、馥马尔、潘海利根、Le Labo等沙龙香品牌接连加码中国市场，曾经需要代购、出国才能买到的“小众香”，被直接摆到了消费者面前。

它们改变的不只是商场里的品牌名单，还有消费者谈论香水的方式。

人们会记住Santal 33、无人区玫瑰等小众香型，也会认真分辨木质、皮革、焚香、茶香有何不同。相比过去只认大牌，越来越多的消费者变得更在意具体的味道。

这也给本土品牌留下了一个向上突破的机会。既然消费者逐渐愿意为更独特的气味支付溢价，那么国产香氛也可以找到一套属于自己的气味和审美。

观夏把桂、昆、茶、蔷，以及“昆仑煮雪”“书院莲池”这样的东方意象做成气味，再通过胡同、老洋房和历史建筑，把东方生活方式变成一种可以被闻到的沉浸体验。

闻献走的则是一条更锋利的路线。无论香材选择还是极具戏剧感的门店空间，都刻意保持强烈的辨识度。相比温和地讲东方生活，它更希望把中国香氛塑造成一种足够高价、足够小众，也足够有态度的消费选择。

气味审美上的差异，很快便被写进了价格标签。目前，观夏30ml正装香水大多在498元至798元，闻献的香氛产品最高甚至达到1900元，Melt Season的50ml香水售价约为780元。

如此看来，部分国产高端香氛已经进入了国际大牌所在的价格区间，并与其争夺同一批消费者。

而当国产香氛的价格上限被推到千元左右，国内的香氛消费市场，也因此从简单的“国际大牌对国产平价”，形成了更为细分的品牌站位。

高端香氛之下，200元至500元左右的中间价格带，也渐渐聚集起了一批新兴国产品牌。

从上海田子坊起家的RE调香室就是其中之一。其50ml以下香水主要定价在300元至500元，通过原创香型、调香体验和线下门店吸引年轻消费者。2025年，RE调香室创始人披露其经过渠道调整后仍有90多家线下门店。

同样是瞄准大众日常消费的，还有近两年发展势头强劲的宋朝香氛。其以宋式美学和空间香氛为主要卖点，产品涵盖车载香薰、无火香薰、扩香石等，线下门店产品大多定价150元至400元。据品牌披露，截至2026年6月，宋朝香氛线下门店已经超过150家。

至此，国际沙龙香继续服务成熟的高端客群，观夏、闻献、Melt Season等本土品牌向高端市场要溢价，RE调香室、宋朝香氛等玩家则在中间价格带寻找更大规模的日常消费者。

过去横亘在高价与平价之间的大片空白，如今正在被一档一档填满。

好闻才是硬道理

赛道扩容之后，品牌享受到市场增长红利的同时，也要面对竞争成本变高的现实。

香氛品类天然具备较高毛利，可高毛利并不意味着这是一门轻松的生意。

颖通控股上市资料显示，截至2025年3月31日的财年，其香水销售毛利率达到48.4%，直销渠道毛利率更是达到69%；但同期销售及营销费用高达5.93亿元，相当于全年收入的28.5%。

尤其在线下渠道，香氛的高毛利背后对应着不低的运营投入。核心商业体的优质铺位、门店陈列、服务体验和人员培训都需要长期投入。郑子枫也提到：“随着更多香氛品牌涌入线下，优质点位的稀缺性进一步上升，租金和整体运营成本也会随之增加。”

这也构成了香氛生意一个颇为现实的矛盾。一方面，传统香水客单价和毛利较高；另一方面，一瓶香水的使用周期往往长达数月，天然属于低频消费。

如果品牌持续依靠开新店、投放和寻找新客推动增长，高昂的获客成本很容易侵蚀原本可观的毛利空间。

因此，随着市场竞争进入下一阶段，比单纯扩大新客规模更重要的，是提高已有消费者的复购频次和单客价值。

据郑子枫介绍，HARNN采取的一个思路是：“围绕同一个味道做深度。”

例如已经受到消费者认可的白茶香，不只用于香水，还可以延展到护手霜、沐浴露、身体乳和精油等多个品类。据品牌内部数据，购买两个以上产品的消费者，其复购率和年度消费金额都明显高于只购买单一产品的用户。

类似的做法在香氛行业并不少见。

闻献在2023年就把“初熟之物”“体物入微”等经典香型延伸至身体、手部和头发的清洁护理产品，希望让成熟香型从香水进一步进入日常护理场景。

国际品牌也在布局类似的产品矩阵，比如Le Labo的Santal 33除了香水，还覆盖身体乳、沐浴露、沐浴精油和香皂等产品。

传统香水使用周期较长，而身体护理、家居香氛等产品的消耗频率更高，为品牌提供了更多重复交易的机会。这也是为什么今天的香氛店里，香水旁边往往还摆着身体护理、蜡烛、线香和无火香薰。

然而，这套逻辑之所以能成立，仍然有一个绕不开的前提，那就是消费者足够喜欢这个味道。说到底，香氛竞争最终还是要回到产品本身，好闻才是硬道理。

全球香精香料巨头近两年的布局，也反映出这种需求正在变得更加明确。

2024年，奇华顿在上海开设高端香水创意中心，并配置常驻调香团队和实验室；2025年又宣布投资约4000万瑞士法郎，在广州建设新的香氛与美容设施。IFF也持续增加在中国的研发和消费者研究投入，进一步研究不同地区和人群的气味偏好。

国内市场上的香氛品牌不断增多，也抬高了行业对调香、研发和消费者洞察的要求。真正拉开品牌之间差距的，还是能不能持续做出让消费者愿意为之复购的气味。

1992年的电影《闻香识女人》里，失明的退役中校Frank Slade无法依靠视觉认识他人，却能够凭借气味感知并认识一个素未谋面的女人。

电影把人与气味之间那种难以量化的关系拍得格外动人。视觉很快告诉我们一个人穿什么、长什么样，而气味留下的东西往往更模糊、更私人，也更容易在某个不经意的瞬间重新唤起记忆。

这恰恰是香氛生意最诱人，却也最难的地方。

漂亮的门店可以模仿，东方故事可以跟进，热门的产品形态也能很快铺满货架。消费者可以在一家商场里闻过几十种香气，但最终决定其会不会复购的，也许还是有没有一种味道能留在记忆里。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

（本文作者为 芯智能头条，钛媒体经授权发布）

文 | 芯智能头条，作者 | Time，编辑 | Cloudy

在宝马工厂搬过零件之后，Figure的机器人又被带到了别人家。这次等着它们的，是散落的玩具、没叠的毛巾和需要整理的床铺。事情听起来不大，却比站在一个固定工位前，更接近人们想象中的“机器人替我干活”。

9月17日，Figure发布Helix 2.5，公布了机器人在30个陌生家庭执行这三类任务的测试结果：完整任务成功率56%。这个成绩距离让人放心交出家务，还有明显差距。不过，能把在别处学到的本领带进这些房间，已经是一次值得关注的尝试。

Figure也因此有了一个重新被认识的机会。过去几年，介绍这家公司，往往离不开几个更响亮的名字：OpenAI、宝马、特斯拉。如今，它自己做模型、组织数据采集、建设工厂，想做的事情越来越多。30个家庭只是一次测试，背后却是这家年轻公司对未来生意的判断。 

01 换个地方，还会不会干活？

机器人演示有一个让人意犹未尽的地方：我们看到了它做成一件事，却很难知道成功依赖多少条件。桌子是不是必须摆在那里？物体是不是提前练过？换一种毛巾，或者换一张床，原来的动作还能不能继续用?

Figure这次把“换地方”列为考题。所谓零样本，指没有针对测试家庭和物体采集训练数据、进行适配，任务本身仍然在其他环境中学过。同一预训练底座分别适配了三类任务，也不等于一个机器人已经可以自主包办全屋家务。

56%的口径同样需要说明：公司按整项任务是否完成来评估，因安全原因需要人工介入，就算失败。在保持其他条件一致的对照试验中，Index预训练将成功率从9%提高到56%。前一个数字是对照组成绩，并非上一代产品的水平。这是公司公布的测试结果，还不能当成独立验证的产品成绩。

这些限定之外，测试有一个很实际的价值：它开始触及机器人的安装使用成本。

买洗衣机，很少有人担心它到了自己家就不会洗衣服。但如果买一台人形机器人，还要安排工程师上门采集数据、调整模型，甚至隔一阵就重新教一遍，事情就复杂了。机器的价格可以随着产量下降，逐户适配需要的人力却未必如此。

家庭也不会主动迁就机器人。今天椅子放在床边，明天可能挪到窗前；同样是收拾玩具，有的在地毯上，有的滚进了沙发下面。Figure要解决的，是让机器少依赖一些事先安排好的条件。这比多学会一个固定动作，更关系到它将来能卖给多少人。

02 从50人团队，到390亿美元估值

Figure成立于2022年，但创始人Brett Adcock并非第一次创业。在此之前，他做过招聘平台Vettery，也创办了电动垂直起降飞行器公司Archer。他的经历横跨软件与复杂硬件，到了Figure，目标变成了能够承担体力劳动的人形机器人。

这家公司起步时，就在努力把有经验的人聚到一起。2023年3月正式对外亮相时，Adcock介绍，团队成员来自波士顿动力、特斯拉、苹果等公司，覆盖机械、电气、控制和AI。两个月后，Figure宣布获得7000万美元A轮融资，当时公司只有50人，已完成Figure 01早期原型的制造、集成与测试。

早期路线倒是很务实。Adcock把制造、物流、仓储等行业列为优先进入的市场，从相对结构化、重复性的工作做起，家庭则放在更远的位置。先让机器人找到一份要求明确的工作，再慢慢扩大能力范围，这是Figure最初给自己安排的顺序。

到了2024年，资金和合作伙伴开始加速聚集。Figure宣布完成6.75亿美元B轮融资，估值达到26亿美元，投资方包括微软、英伟达、OpenAI创业基金等。同一时期，它与OpenAI建立技术合作，共同开发面向人形机器人的模型。

这让Figure多了一个格外醒目的身份：一家与OpenAI合作的机器人公司。大模型已经展示出很强的语言能力，把它接到一个能行走、有双手的身体上，很容易让人产生期待。Figure也在当年推出第二代机器人Figure 02，继续推进机载计算、感知和操作能力，并开展宝马相关应用的开发与测试。

宝马后来提供了一组比演示更具体的记录。今年2月，宝马披露，Figure 02在斯帕坦堡工厂约10个月的应用中，累计运行约1250小时，搬运超过9万个零件。它承担的是特定生产工序，并非独立造车，但至少已经进入真实流程，让客户来检验动作是否有用。

资本给出的预期，比工厂里的实际应用走得更快。2025年9月，Figure宣布C轮获得超过10亿美元的承诺资本，投后估值达到390亿美元。从26亿到390亿美元，前后不到两年。这笔融资将支持模型、制造和数据等方面的投入，而不只是增加几条机器人生产线。

这样的估值所需要的业务体量，显然远超几个工厂项目。Figure必须让外界相信，今天为一个工序开发的能力，未来能够扩展到更多工作；今天投入的钱，最终可以分摊到大量被使用的机器人身上。家庭市场的吸引力就在这里，只是这个市场有多大，和眼下能不能做成，是两回事。

03 离开OpenAI之后，摊子越铺越大

回头看，2025年是Figure方向变化很明显的一年。那年2月，Adcock宣布结束与OpenAI的技术合作，称公司在自研机器人AI上取得了进展。随后推出的Helix，把视觉、语言与动作联系起来。Figure开始更直接地掌握从理解指令到驱动身体的核心系统。

这件事不能简单解释成哪一家的模型不行。机器人需要面对的问题，本来就不止语言理解。它可以很准确地解释“把杯子拿过来”，但手伸过去之后，杯子被遮住怎么办、有没有握稳、碰到旁边的物体怎么办，还得由控制系统处理。

今年1月发布的Helix 02，把学习式控制进一步扩展到全身。按照Figure披露的架构，系统有不同层级，分别处理目标理解、动作生成和平衡控制，并结合人类动作数据与仿真训练。理解一句话和应对身体失衡，要求的反应速度并不一样，“端到端”也没有取消这些工程上的分工。

Figure对身体的改造同样在继续。2025年10月发布的Figure 03，加入掌心摄像头和指尖触觉感知。手伸进柜子，头部摄像头可能看不清；碰到物体，画面也未必能说明是否抓稳。这些看起来细碎的改进，恰好决定机器人能不能顺利完成最后几个动作。

但身体和模型都有了，还需要经验。让机器人一遍遍练习，机器、人员、场地都要花钱。只靠真机采集数据，如何覆盖不同家庭里那么多琐碎的变化，也是个难题。

今年8月，Figure公布Index，开始更大规模地组织人类活动视频的采集。按照公司当时披露的数据，参与者上传的视频超过1600万段，Figure已经向贡献者支付1500万美元。人们原本就在不同环境里做各种事情，公司希望把其中一部分经验变成机器人的训练材料。

“看人干活”听起来容易，转化起来却没那么直接。镜头能够记录手拿起杯子的过程，未必完整记录抓握时的受力和摩擦变化。人的手与机器人的手也不同，看到一种做法，不等于这具机械身体就能照着完成。因此，人类视频是在扩充经验，真机数据、仿真和实际执行仍然不可缺少。

从这条线索看，Helix 2.5的意义就更清楚了。Figure已经为数据组织付出成本，现在需要证明这些材料确实能帮助机器人干活。30个陌生家庭的测试，给了它一个初步结果，但还不足以回答以后继续增加数据，能力会提高多少、每次提高又要花多少钱。

一家造机器人的公司，就这样把模型、数据、传感器和制造都揽到了自己身上。好处是可以一起调整，问题是每一项都需要投入。Figure正在争取更快的迭代速度，也承担了越来越重的成本。

04 和特斯拉比，差在哪里？

谈Figure，很难绕开特斯拉。但把两者简单分成“Figure懂AI，特斯拉懂制造”，并不准确。Figure自己做关键硬件、建设工厂，特斯拉也把视觉、规划、神经网络和高效推理硬件放在机器人路线的重要位置。双方都要处理软件与身体如何配合的问题。

更明显的区别，是两家公司带进这场竞争的家底。

特斯拉已经做过大规模制造，知道供应商怎么管理，产品怎样从样机变成批量生产的商品，也有软硬件持续更新的经验。它还有自己的工厂，可以为机器人寻找测试和学习的场所。这些条件有价值，Figure需要一项项建设，还要与宝马这样的外部客户协调，把机器送进真实业务。

不过，造车经验不会直接变成机器人能力。道路上的数据不能自动教会手指整理床单，汽车工厂的规模也不能替Optimus证明灵巧操作已经可靠。特斯拉有机会少走一些工业化的弯路，但机器人本身的难题，仍然需要重新解决。

Figure则已经公开了比较具体的家庭任务评估，也有宝马提供的应用记录。它的优势至少可以落到一些可讨论的任务上，不必完全依赖远期设想。只是这些记录还没有回答完整的成本问题，也不足以据此宣布它在通用能力上超过特斯拉。

制造数量尤其容易被放大。今年4月，Figure称BotQ已经制造并交出超过350台Figure 03，生产节拍提高到每小时一台。但这些机器包含内部研发、数据采集和商业应用开发用途，不能全部算成客户购买的产品。

特斯拉7月发布的二季度材料则披露，弗里蒙特工厂正在安装Optimus首代生产线，计划年内开始生产，最初制造的机器人将用于Optimus Academy的数据采集和功能开发。按这份披露，当时的重点仍包括为训练和研发准备更多机器。

这也是两家公司一个颇有意思的共同处境：它们都需要先造一批机器人，帮助自己把机器人教得更好。制造规模能否最终变成商业规模，还要经过客户使用这一关。

05 家务这门生意，没那么好做

Figure从工厂走向家庭，并不意味着它放弃了工业应用。今年6月，宝马还宣布推进Figure 03项目，探索物流中的零件分拣与排序。工厂让它检验稳定性和作业要求，家庭则不断提出新的环境变化，两边遇到的困难并不相同。

家用产品还有一个格外挑剔的地方：用户是为了省事才买它。机器人慢一点，也许可以接受；工作时还要人在旁边照看，就很容易让人失去耐心。抓空了能不能重试，东西掉了能不能发现，卡住以后会不会自己调整，都会影响它究竟省下了多少时间。

这些问题也会回到公司的账上。每台机器需要多少售后支持，远程接管要安排多少人，硬件出故障多久能修好，都是售价之外的成本。Figure减少逐户训练的尝试很重要，但只有这些后续工作也能被控制住，业务扩大才不会带来同样庞大的服务负担。

从一家50人的早期团队，到获得高额融资、进入宝马工厂，再到自己搭建模型和数据体系，Figure确实走得很快。如今，它已经有了足够多值得讨论的进展，也有了足够高的外界期待。接下来需要补上的，是更长时间的使用记录，以及客户愿意继续使用、扩大使用的理由。

对于一次陌生家庭测试，56%值得认真看；对于每天都要面对的家务，用户还会继续等。等到机器人铺床时，自己不必惦记着过去检查，也许Figure才算真正拿到了这份新工作。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

（本文作者为 汇金有道，钛媒体经授权发布）

文 | 汇金有道

最近看到猪价有所反弹，所以想讲一讲猪周期，很多人会认为猪价要涨了，但是我个人对这个看法持非常的的怀疑态度。

在今年的半年报里，养猪企业开始大幅亏损（今年一季度就开始亏损了），但是在2025年头部企业因为成本控制得好，其实都还是赚钱的，还没到真正顶不住的时候，比如牧原在25年全年的利润还有154.87亿元，温氏利润为52.66亿元，新希望小亏17.84亿元，正邦小亏5.46亿元。

总结一句话：所有人都知道是最低谷了，走出低谷需要熬垮对手。低谷成为共识后，很多人都希望在低谷介入，然后涨价赚钱，这无疑大大延长了低谷时间、降低了低谷价格。我个人判断猪价大概率还会在低谷徘徊比较久，这个低谷甚至会随着猪企的养殖成本变化而变化。

本文章内容包括四个板块：猪企的养殖成本、猪企的出栏情况、猪企的囚徒困境、猪企的双输选择。

猪企的养殖成本

猪的基因筛选芯片，建猪大楼，精细化、智能化养殖等等都是压低成本。

25年牧原把自己的养殖成本从14元/公斤下降到了12元/公斤，当前又进一步下降到大概11.5元/公斤，这几乎是最低的成本了；当然之前还说要降低到10.5元/公斤，这也是有可能的，只是这部分的成本下降可能需要更长的时间。

那么牧原的成本是11.5元/公斤，其他企业的成本大概是多少呢？

温氏、新希望的养殖成本在12.0元左右，正邦的养殖成本在13.0元左右，天邦的养殖成本在12.6元左右；正邦当初资不抵债，破产重整后，双胞胎集团入主成为实控人，所以正邦的成本也大致相当于双胞胎集团的成本；双胞胎集团2025年出栏了约1778万头，另外在香港上市的德康农牧大约出栏了1083万头，成本也在12.0元左右。

养殖户和中小规模养殖场正在硬抗亏损，因为他们的养殖成本是要远高于各大企业的；在上市企业25年就大面积亏损的情况下，几乎所有养殖户和中小规模养殖场也都是亏损的。中国农业科学院农业经济与发展研究所根据农业农村部监测数据推算，2025年末全国生猪散养户数量约为1672万户，较2018年末的2706万户减少38.2%。

但是剩余的1672万养殖户中有很大部分会在清栏之后，选择重新买入仔猪饲养，因为他们之中也是有非常多年的养殖经验，也经历过很多轮的猪周期，他们认为当下的猪价已经非常低了，等这批小猪养大也就涨价了。中小规模养殖场也是这样做的。

猪企的出栏情况

牧原在2025年出栏了7798万头，温氏出栏了4047万头、新希望出栏了1754万头、正邦出栏了853万头、天邦出栏了666万头，新五丰出栏了531万头。

牧原、温氏、新希望、正邦四大猪企在25年合计销售生猪1.44亿头，较2024年新增出栏2208万头。而2025年全国生猪出栏总量为7.1973亿头，同比增长2.4%。22家主要上市猪企合计出栏约2.05亿头，占全国总量的约29%。

也就是说25年各大猪企其实都在扩产，大家都在尝试优化成本，供给一直在增加，导致猪肉的价格一路走低。

当下其实很多人在赌猪周期的反转，理论其实和中小养殖户的思路一样，现在价格这么低了，应该要涨了，猪价未来如果要涨，那么猪企业也就可以扭亏为盈了，甚至能否扭亏其实都不用看季报或者年报，光看生猪价格就知道了。因为生猪养殖成本和猪价都是已知的。

但我们也发现了，生猪的价格（外三元），抛去4月份的8.77元/公斤低点，3~9月份里基本都是在10~11.5元之间运行。根据国家统计局发布的2026年9月上旬流通领域重要生产资料市场价格变动情况；其中外三元生猪的价格也为11.0元/公斤。

结合前期分析的养殖成本，猪价低于所有企业的养殖成本。

猪企的囚徒困境

2026年上半年，牧原、温氏、新希望、正邦四大猪企合计销售生猪约6,911万头，同比仅+1.3%。

国家统计局数据显示，2026年二季度末能繁母猪存栏量3780万头，同比下降6.5%，降幅较一季度扩大3.2个百分点。根据生猪产能综合调控实施方案（2026年修订），能繁母猪的正常保有量应该在3750万头，这比2024年的3900万头标准是降低了挺多。

牧原截至2026年6月末，公司能繁母猪存栏为311.3万头，计划在9月底降至300万头以下。其他的大企业也是有这种想法的，意思就是大家一起减产，一起把价格推高一些，大家都有钱赚；牧原和温氏的出栏量基本持平，新希望下降了15.8%。

是不是看似好像大家都在减产？其实并不是。

因为正邦今年上半年出栏了558.21万头，大幅增加了56%，也就代表着正邦的存栏能繁母猪数量在去年是大幅增加的。但是双胞胎集团的数据并没有公布。

这何尝不是另一个囚徒困境呢

大型企业是愿意进行部分产能的出清，但如果让其出清太多，其实谁都不愿意，也不可能在这里让步；一旦让步太多，就有其他企业想扩产，在底部提前锁定更多未来的份额和未来的利润。

猪企的双输选择

那怎么办呢？大企业能做的是关闭一些低效率的猪场，继续降成本，并且计算这些关闭的猪场能让亏损再坚持多久；而大家一起把成本降到不能再降之后，就是看谁的资金垫更厚，谁更能亏，谁能熬垮对手。

现在部分出清的能繁存栏母猪，是猪肉涨价后，未来一年的利润。当期能繁母猪存栏，决定了10~13个月后的商品猪供给，仔猪从出生到出栏一般需要5.5~6个月（约180~200天）。

历史上几乎所有的产能缩减和出清都是依靠供需变化和亏损，猪肉的需求量变化不太大，供给依旧较多的当下，只能依靠亏损来减少供给。因此我个人判断猪价大概率还会在低谷徘徊比较久，这个低谷甚至会随着猪企的养殖成本变化而变化。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App