Figure AI Helix 2.5实测：零样本泛化率56%，人形机器人告别“场地依赖”？

【科技纵览】当人形机器人不再需要为每个新家庭重新“上课”，而是能直接走进陌生环境开始干活，这或许才是具身智能真正落地的转折点。9月17日，Figure AI发布了新一代模型Helix 2.5，并在30个真实的湾区民宅中完成了一次极具挑战性的零样本测试。尽管视频中机器人叠毛巾、整理床铺的动作看似平淡无奇，甚至让部分观众觉得“习以为常”，但其背后的技术突破却不容小觑。

这次测试的核心在于“陌生”。30个住宅保留了原有的沙发、床铺和折叠台面，未做任何针对评测的改造；所用的玩具、毛巾等物品也经过AI初筛与人工复核，确认未出现在任何训练数据中。在420次盲测试验中，Helix 2.5取得了237次成功，零样本成功率达到56%。值得注意的是，没有任何单一评测任务在Index预训练数据中的占比超过1.90%，这意味着机器人几乎是“凭空”应对每一个新场景。作为对照，同样硬件条件下未经过Index预训练的策略，成功率仅为9%。Index预训练将零样本任务成功率从9%提升至56%，整体成功率提升了522%。

更引人深思的是与上一代模型的对比。今年1月发布的Helix 02虽然能完成卸洗碗机等长时任务，但需先在目标场地采集数据。而Helix 2.5仅用一半的适应数据量，就在30个从未见过的家庭中追平了Helix 02在单一场地的成功率。Figure CEO Brett Adcock称这是“迄今做过最重要的项目”，并强调机器人在所有30个家庭中均记录到了成功。

这一进展的背后，是Figure构建的庞大数据库——Index。该数据集于今年5月低调上线数据采集入口，8月25日正式公开，号称“迄今最庞大、最多样的机器人训练数据集”。数据显示，Index上线时已有26.4万次下载，覆盖108个国家，每周活跃创作者超4.4万人，累计上传视频超1600万条。上传速度一度达到每秒30分钟新视频，相当于每天涌入4.9年的人类工作量，9月初更提速至每秒35分钟。Figure已为此支付1500万美元给创作者，并计划未来12个月投入超10亿美元用于数据和算力，旨在将采集规模扩大100倍。每1000小时收集的数据包含373个不重复任务、1146个不重复操作对象和116个不重复环境，且需经过筛选、反作弊、去重、分布再平衡和文字标注五道工序才能进入训练。

Index之于人形机器人，犹如早期互联网文本语料之于大语言模型。实验显示，随着预训练数据规模翻倍，机器人动作预测误差呈现规律性下降。在使用四档数据规模的实验中，最大与最小相差8倍，误差曲线平滑到可提前用小规模实验预测最大规模训练的损失值，偏差仅0.54%。公司将其称为人类到人形机器人迁移的“缩放定律”。

相比之下，其他厂商的路径仍显沉重。1X的Neo虽已开启预订，售价2万美元，但复杂动作如从冰箱取水、叠毛衣等仍需依靠代号“Turing”的远程操作员通过VR设备实时接管。特斯拉Optimus则依赖大规模人类遥操作，由操作员佩戴传感设备完成动作轨迹采集，再交由神经网络模仿优化。Figure的策略则是先让模型从海量人类视频中学会一般性行为模式，再用少量任务数据适配具体动作，理论上摆脱了对每个新家庭单独采集或远程接管的依赖。

当然，56%的成功率并非终点。目前测试仅涵盖三个任务，若能扩展至10至12类日常任务（如擦拭镜子、做饭等），并将零样本成功率提升至80%-90%，家庭部署的可行性将大幅增强。Helix 2.5具备自我修正和重试功能，类似孩子学习铺床的过程，多次尝试后终能成功。然而，真实生活的混乱远超实验室，地毯上的乐高、沙发缝里的充电线都可能改变通行路线。若需用户事先收拾干净再让机器人工作，显然违背了购买初衷。

为支撑这一愿景，Figure正疯狂扩充算力。9月初，云计算公司Nscale宣布向Figure提供至少35亿美元算力，双方计划将规模扩至60亿美元以上，最多部署10万块英伟达Vera Rubin芯片，首批设备预计2027年下半年在得州巴斯托落地。Nscale同时入股Figure，成为其“优先算力供应商”。Adcock坦言，当前最大瓶颈仍是数据和算力。随着Index持续收集人类经验，迁移效果有望可预见地提升。接下来值得关注的，是在更大规模训练和更庞杂任务集合下，那56%的数字究竟能被推向何方。