Figure und 1X skalieren Humanoid-Produktion vor Nachfrage
Figure stellt nun 55 Humanoid-Roboter pro Woche her — während kommerzielle Anwendungsfälle noch als „in Entwicklung" aufgelistet sind. Parallel eröffnete 1X gerade eine 58.000 Quadratmeter große Fabrik in Hayward, Kalifornien, und erklärt, dass die Ära der „reichlich vorhandenen Haushaltsroboter" angebrochen ist. Die Hardware skaliert. Die Killer-App existiert nicht.
Erklaerung
Zwei Humanoid-Roboter-Unternehmen kündigten diese Woche große Fertigungsmaßnahmen an, und beide tragen denselben unbequemen Subtext: Die Produktion überholt den Zweck.
Figure gibt an, nun 55 Roboter pro Woche produzieren zu können. Die Produktion ist für interne F&E, Datenerfassung, End-to-End-Haushaltsexperimente und „Entwicklung von kommerziellen Anwendungsfällen" vorgesehen — diese letzte Formulierung trägt viel Gewicht. Roboter in großem Maßstab zu bauen, um herauszufinden, wofür sie gut sind, ist eine teure Art, ein Forschungsprogramm zu betreiben, generiert aber schnell Trainingsdaten.
1X ging noch weiter. Das Unternehmen eröffnete seine NEO Factory in Hayward, Kalifornien — 58.000 Quadratmeter, über 200 Mitarbeiter, vollständig vertikal integriert. Motoren, Batterien, Getriebe, Sensoren, Strukturen und Endmontage alle unter einem Dach. Verbraucherschiffe sind für 2026 geplant. Die Pressemitteilung nennt es „den kritischen Meilenstein, der die Vision von reichlich vorhandenen, universell einsetzbaren Haushaltsrobotern in die Realität umsetzt." Die Redakteure von IEEE Spectrum fügten trocken hinzu: „Scale wird alles reparieren...?" — das ist die journalistische Arbeit hier.
Die Geschichte der vertikalen Integration ist wirklich interessant. Der Bau aller kritischen Komponenten im Haus verkürzt die Iterationsschleife und vermeidet Lieferkettenrisiken — Lektionen, die man von Tesla gelernt hat und, in jüngerer Zeit, von chinesischen Robotik-Firmen, die schnell voranschreiten. Ob sich das in einen Roboter übersetzt, der zuverlässig Wäsche falten kann, ist eine separate Frage.
Der breitere Kontext aus dieser Woche's Robotik-Rundschau: Agility's Digit wird darauf trainiert, auf einem Bein zu balancieren, um Sim-to-Real-Pipelines zu testen; Forscher montieren verteilte taktile Sensoren auf Humanoiden für kontaktreiche Manipulation; und Unitree G1s aus China sitzen bereits in OpenAI- und Nvidia-Laboren. Das Rennen ist real. Die Ziellinie wird noch gezogen.
Beobachten Sie, ob Figure's 55-pro-Woche-Produktion bis Ende 2025 in irgendwelche angekündigten kommerziellen Verträge übersetzt — das ist die Zahl, die das Bild verändern würde.
Figure's Kadenz von 55 Einheiten pro Woche ist weniger wegen der absoluten Zahl bemerkenswert als wegen dem, was sie über die Strategie signalisiert: Hochvolumen-Hardwareproduktion als Daten-Flywheel. Jeder Roboter in einer F&E- oder Haushaltsversuchsumgebung generiert propriozeptive, visuelle und Aufgabenabschluss-Daten, die das Policy-Training speisen. Wenn man glaubt, dass Daten der primäre Engpass für allgemeine Manipulation ist — nicht Aktuatorqualität oder Rechenleistung — dann ist die Überproduktion von Hardware vor kommerzieller Nachfrage rational. Das Risiko ist die Burn Rate; 55 Roboter/Woche bei selbst konservativen 50.000 Dollar/Einheit Produktionskosten sind ~143 Millionen Dollar/Jahr nur für Hardware, bevor es Einnahmen gibt.
1X's NEO-Factory-Ankündigung setzt stark auf vertikale Integration als Differenziator. Die Behauptung — Motoren, Batterien, Getriebe, Sensoren, Strukturen und Endmontage im Haus über 58.000 Quadratmeter mit über 200 Mitarbeitern — spiegelt das Playbook wider, das Tesla Margenvorteile gegenüber traditionellen OEMs gab und das chinesische Firmen wie Unitree nutzten, um westliche Konkurrenten beim Preis zu unterbieten. Die „echte amerikanische Skalierung"-Rahmung ist gezielt: Es ist ein geopolitisches Pitch genauso wie ein Fertigungs-Pitch, das in einem Moment ankommt, in dem Unitree G1s bereits an U.S.-Forschungslabore über inländische Wiederverkäufer versendet werden.
Die technischen Signale anderswo in der Rundschau sind es wert, verfolgt zu werden. Agility's One-Leg-Balance-Demo für Digit ist explizit ein Sim-to-Real-Stresstest — das Team vermerkt, dass „selbst die geringsten Modellabweichungen zu Instabilität führen können", was eine ehrliche Eingeständnis ist, wie fragil aktuelle Lokomotionspolicies unter Verteilungsversatz bleiben. Das Humanoid Touch Dream System (VR-Teleoperationen + verstärktes Lernen für den unteren Körper + verteilte taktile Sensoren + multimodale Transformer-Policy) repräsentiert den aktuellen Stand der Technik für kontaktreiche Manipulation — und es erfordert immer noch einen Menschen in der Schleife für die Datenerfassung.
Die offene Frage, die keine der beiden Unternehmen adressiert: Was ist die tatsächliche Fehlerquote bei unstrukturierten Haushaltsaufgaben, und wie skaliert sie mit der Roboteranzahl? 55 Einheiten/Woche in interne Versuche zu produzieren ist nur wertvoll, wenn die Rückkopplungsschleife aus diesen Versuchen schnell genug schließt, um wichtig zu sein. Verbraucherschiffe in 2026 ist eine harte Aussage von 1X — beobachten Sie auf jede Verzögerung in diesem Zeitplan als das echte Signal für Bereitschaft.
Reality Meter
Warum dieser Score?
Trust Layer Score-Basis
Detaillierte Evidenz-Aufschluesselung folgt. Bis dahin: die Score-Basis ergibt sich aus den unten verlinkten Quellen und dem Reality-Meter weiter oben.
- 1 Quelle hinterlegt
- Trust 40/100 im Schnitt
- Trust 40/100
Zeithorizont
Community-Einschaetzung
Glossar
- Daten-Flywheel
- Ein sich selbst verstärkender Kreislauf, bei dem mehr Daten zu besseren Modellen führen, die wiederum mehr und bessere Daten generieren. Im Kontext von Robotik bedeutet dies, dass jeder Roboter Trainingsdaten sammelt, die das System verbessern, was dann mehr Roboter ermöglicht.
- Policy-Training
- Der Prozess, bei dem ein Roboter oder ein KI-System lernt, wie es auf bestimmte Situationen reagieren soll. Dabei werden Entscheidungsregeln (Policies) anhand von Daten und Erfahrungen trainiert und optimiert.
- Sim-to-Real-Stresstest
- Ein Test, bei dem ein in einer Computersimulation trainiertes System in der realen Welt getestet wird, um zu prüfen, wie gut es mit den Unterschieden zwischen Simulation und Realität umgehen kann.
- Verteilungsversatz
- Ein Problem, das auftritt, wenn sich die Bedingungen, unter denen ein System trainiert wurde, von den tatsächlichen Bedingungen unterscheiden, in denen es eingesetzt wird. Dies kann zu Fehlern und Instabilität führen.
- Teleoperationen
- Die Fernsteuerung eines Roboters durch einen Menschen, der das System von einem anderen Ort aus kontrolliert, oft mit Hilfe von Sensoren und Feedback-Systemen.
- vertikale Integration
- Eine Geschäftsstrategie, bei der ein Unternehmen mehrere Stufen der Produktion selbst kontrolliert — von der Herstellung von Komponenten bis zur Endmontage — statt diese auszulagern.
Wie siehst du das?
Deine Einschaetzung gewichtet kuenftige Themen.
Deine Stimme fliesst in Topic-Weights, Community-Kompass und kuenftige Priorisierung ein. Community-Kompass ansehen
Quellen
Optional Vorhersage abgeben Optional: Wenn du willst, gib deine Vorhersage zur Kernfrage ab.
Prediction
Werden Figure oder 1X vor Ende 2025 einen unterzeichneten kommerziellen Einsatzvertrag für 100+ Humanoid-Roboter ankündigen?