实验本身没什么花活，难的是「没见过」三个字

这次演示的设置故意做得很朴素：租 **30 栋旧金山湾区的陌生房子**，让 Figure 03 进门就干活——整理客厅、折毛巾、整理床铺，三种长时序行为。关键约束只有一条：Figure 从未针对这些房子内部的环境或物体做过任何数据采集、微调或适配。这对机器人是三重叠加的难题。房子布局没见过，家具位置没见过，光线和杂物分布也没见过。机器人必须把穿行环境本身当作任务的一部分：在狭小、杂乱的空间里调整身体位置，才能观察、够取并操作物体。结果层面，官方给出两组数字。第一组是总账：引入 Index 人类行为数据集预训练后，任务成功率从 **8% 提升到 56%**——而且这中间任务专用数据、模型架构、训练流程、评测方法全部保持不变，唯一的变量就是预训练数据。第二组是效率账：相比前代 Helix 02，Helix 2.5 只用了**一半的任务专用数据**，就把行为泛化到了 30 个前所未见的新环境。

零样本实验的关键数字依据科创板日报报道整理

陌生房屋

30 栋

任务成功率（无预训练）

任务成功率（Index 预训练）

56%

算力合同上限

最高 60 亿美元

成功率为厂商单方口径，判分规则未独立核验；条形为示意比例。

比成功率更值得注意的是「从错误里爬出来」

报道里最容易被略过的一段，其实是自纠错行为：搭载 Helix 2.5 的机器人在陌生环境中会**后退以重新定位**、**改变站姿**，或者**绕着整张床移动以修正折叠**。Figure 把这种从错误中恢复、持续推进任务的能力归因于 Index 预训练。为什么这条重要？因为长时序任务的失败从来不是单点失败，而是级联失败：一步抓偏，后面全乱。能否在失败后不重置、不返场，自己把局面捡回来，是「演示视频」和「能交付的产品」之间最硬的一条分界线。8% 到 56% 的提升说的是「做对的比例」，自纠错说的是「做错之后的下限」——后者对商业化可能更关键。

一个需要标注的量纲疑点：报道称「Index 每秒都会生成约 35 分钟的全新人类行为数据」，照字面理解是每秒产出 35 分钟数据，量纲上明显有张力，更可能是「每秒采集的行为折算为 35 分钟等效数据」之类的口径。本文照录不采信，等 Figure 原始新闻稿核对。

真正的消息在实验之外：60 亿美元买的是数据管道

把视线从房子挪开，这次发布真正的重量级信息是算力合同：Figure 已承诺投入价值 **35 亿美元**的算力资源用于训练 Helix，本月与 AI 基础设施供应商 Nscale 签订多年期协议，锁定约 **10 万块英伟达 Vera Rubin 系列 GPU** 的算力供应，并预留扩展空间，合同总规模最高有望达到 **60 亿美元**。这笔钱买的不是「更聪明的模型」，而是**数据到能力的转化管道**。Figure 的逻辑链条很直白：Index 每天都在产生新的人类行为数据 → 预训练数据直接决定零样本泛化的成功率 → 成功率决定机器人能不能进家庭 → 进家庭又产生更多真实场景数据。官方那句「是时候扩大规模了」，翻译过来就是：既然数据规模对成功率的转化已被验证，那就把烧钱的方向从调架构改成铺数据。

判断：Figure 这次发布把行业竞争的焦点又往回挪了一格——从「模型架构创新」挪向「预训练数据资产」。8%→56% 这个数字的含义是：在架构和任务数据都不动的前提下，单纯换血预训练数据就能带来七倍的成功率提升，这是对「数据飞轮」路线最直接的商业验证。对国内同行的含义有两层：其一，只卷模型参数、不沉淀自有行为数据管道的团队，零样本泛化这条线会越落越远；其二，60 亿美元的算力合同意味着这条路线的门票价格已经从「融到 A 轮」涨到了「锁得起十万卡」，国内数据基建类公司（数采、评测、仿真）被资本密集下注，逻辑与此完全同源。要保留的怀疑是：全部数字出自厂商自测，30 栋房子的判分规则未公开，56% 离「可交付」仍有距离——它证明的是路线有效，不是产品成型。

来源：Figure 官方发布（当地时间 2026-09-17），经科创板日报 2026-09-18 09:32 中文报道；素材时间窗：2026-09-18 09:00 → 19:00，窗口内增量为该中文报道及国内扩散；实验为厂商自测，成功率判分规则与算力合同细节均未独立核验。