法拉第未来一次发布9款EAI机器人,从9990美元到92万元全开售

首页 / AI资讯 / AI硬件

0:00
0:00
1x
定时

机器人公司的发布会通常只拿出一两款样机,讲讲技术指标,再给一个模糊的量产时间。法拉第未来在919发布会上换了一种打法:一次性推出9款EAI机器人,覆盖人形、四足与轮腿三种形态,价格从9990美元排到13.79万美元,并且全部开售、启动交付。从发布到能下单之间没有留时间差,这在这条赛道上并不常见。

一次发布9款,从9990美元到13.79万美元

9款新品分布在5个型号、3个产品系列中。官方口径下,EAI机器人产品线已覆盖人形、四足与移动操作臂,形成5个产品系列、11个型号、24款产品的组合。价格区间横跨教育、科研、安防与工业巡检四个场景,最低一款不到1万美元,最贵一款13.79万美元,折合人民币约92.3万元。

渠道侧没有走定制化项目制路线。全部新品通过官网、亚马逊与机器人专业零售商开售,购买形式包括单机、技能包、整体方案与租赁。把机器人当标准商品上架电商平台,意味着售后、交付与备件都要按消费电子的节奏准备,这对传统做项目交付的机器人公司是一次流程改造。

定价分层也透露出策略。教育级与轻量安防产品负责走量、建立用户基数,全尺寸人形与工业四足负责撑起技术形象与毛利。官方披露的数据显示,基于二季度财报,机器人产品平均贡献毛利率约30%。

全尺寸人形:51个自由度与700 TOPS的算力配置

旗舰产品FF All-New Futurist是本次发布里规格最高的一款。它拥有51个主动自由度,升级灵巧手后可达71个;搭载1152瓦时双电池系统,标准工况下续航约8小时,并支持自主充电。Ultra版本使用英伟达Jetson Thor芯片,算力达700 TOPS。

算力配置的意义在于模型承载能力。官方称Ultra版结合视觉语言动作模型与世界模型,可以独立完成完整任务链,而不是执行单条指令。这个区别决定了机器人是遥控终端还是自主体:前者每个动作都需要人给指令,后者的价值在于接收一个目标后自行拆解步骤。

价格上,标准版8.99万美元、Ultra版12.99万美元,分别附赠价值1万和1.5万美元的技能包。面向大学科研、具身智能开发、企业服务与工业应用。把技能包与硬件打包销售,是把软件能力资本化的一种做法,也便于后续按技能而非按整机做升级收费。

低于1万美元的教育级人形,盯的是K-12市场

FF Master Mini是价格策略最清晰的一款。机身高度约95厘米,重约19.5公斤,三个配置分别提供48、117与200 TOPS算力,起售价9990美元,Pro版1.299万美元,Ultra版1.799万美元。官方称其为北美首款价格低于1万美元的紧凑型EAI人形机器人。

目标市场是K-12教育与机器人竞赛。配套方案把多款机器人型号与图形化编程、Python、ROS课程打包,加上教师培训、赛事组织与课堂管理工具。教育市场对机器人公司的价值不只在于销量,还在于用户习惯:学生在哪种平台上学会编程与调试,未来的开发者生态就更可能沿着那条路径生长。

科研侧则走另一条路。面向高校的方案使用全尺寸机型,提供统一软件开发工具包、ROS接口、仿真环境、数字孪生、数据采集与模型训练工具。这条线的客户数量远少于教育,但单笔金额与论文产出更高,也更容易形成技术口碑。

四足与轮腿:工业巡检与安防的现成需求

另外三款产品集中在四足与轮腿形态。FX Aegis Hyper是大型工业四足机器人,面向极端环境与高危作业,支持热成像、气体检测、3D扫描与通信中继等专业载荷,起售价13.79万美元,是全系最贵的产品。

FX Aegis Mega为中型轮腿式机器人,提供两个配置,最大负载50公斤,可连续攀爬25厘米台阶、跨越80厘米单障碍,热插拔双电池提供至少5小时空载续航,起售价7.499万美元。FX Aegis Classic Ultra-W机身约22公斤,面向安防与陪伴场景,支持二次开发与多机协同,售价1.299万美元。

选择四足与轮腿形态做工业切入是务实的判断。人形机器人在非结构化环境里的通用性更强,但稳定性、续航与成本都还在爬坡;四足与轮腿在巡检、安防这类路径固定、任务重复的场景里已经有可用性,客户愿意为明确的替代人力方案付费。巡检方案覆盖能源、制造、矿业与隧道,能力包括气体检测、三维扫描、仪表读数、异常检测与自动报告。

多形态共存背后的数据逻辑

官方把这次发布定位为四核全栈AI生态,把具身智能大脑与开发者工具、机器人硬件、行业应用以及数据工厂四层串起来。创始人在发布中引用李飞飞的观点,认为多种机器人形态会在同一个生态里共存:不同形态覆盖不同任务,同时从多样场景与交互中产出真实世界数据;这些数据再通过数据工厂反哺大脑训练、技能开发与设备迭代。

这个逻辑解释了为什么一家公司要同时做人形、四足与轮腿。形态越多,数据来源越杂,模型在跨本体迁移上的泛化能力就越有可能提升。数据工厂的角色是把散落在各场景里的操作与失败记录组织成可训练的资产,而不是让每次部署都从零开始采集。

把这件事放进产业节奏里看,竞争正在从单点产品转向生态与数据闭环。国内已有近20家车企布局机器人赛道,智能汽车与具身机器人的核心技术栈重合度超过70%,东风计划10月把人形机器人送进工厂做分拣与质检。硬件可以被快速复制,数据积累与技能库的沉淀速度才是长期变量。9款产品同时开售的意义,在于把交付量变成数据量的前提先搭起来。

素材来源:电子工程专辑、The AI Insider、快科技、财联社 发布时间:2026-09-22