Helix 2.5来了！Figure连续发布三个大招：零样本泛化初见曙光

怪不得Figure能拿到接近400亿美元的估值。最近，它连续放出三个大招，给我的感觉是，具身智能可能真的要变天了。

最新发布的Helix 2.5，似乎触摸到了零样本泛化的门槛。人形机器人走进30个陌生家庭，无需额外现场训练，就能整理客厅、叠毛巾和铺床。

此前公开的Index数据平台，通过全球众包收到了超过1600万个人类操作视频。Figure还与Nscale签下合作，计划部署最多10万块GPU。

三件事都在推动同一个变化：让零样本泛化来得再快点！

家庭里的家具、布局和物品各不相同。如果每进一个新家都要采数据、再训练，部署规模越大，现场适配负担就越重。零样本泛化让学过的本领有机会直接用于陌生环境，关系到人形机器人能否走进千家万户。

01

Helix 2.5，把学过的家务带进陌生家庭

9月17日，Figure发布了Helix 2.5。公司在湾区租了30处住宅，让机器人根据当前的家庭环境直接工作，并公布了覆盖这些住宅的4小时工作视频（视频真是太长了）。

整理客厅，要把散落的十多件玩具全部放进篮子；叠毛巾，要完成抓取、折叠和收纳；铺床，则要调整枕头，再把被子拉好。物品的形状、材质和位置变了，机器人也得跟着调整抓取方式、站位和动作。

这些任务都是要求全身配合的。机器人需要边走边观察，调整身体以便够到物体，再用双手操作。按照Figure的介绍，Helix 2.5还能后退重新定位、改变站姿，或绕到床的另一侧修正操作。

此次“零样本”指的是新环境和新物体：没有针对测试房屋及物品提前采集训练数据，也没有到场微调模型。

Figure先用Index预训练基础模型，再通过机器人任务数据训练具体行为。为了检验预训练的作用，公司保持任务数据、模型架构、训练设置和评估条件一致，唯一的区别是有没有经过Index预训练。

结果是，陌生家庭盲测中的完整任务成功率从9%提高到56%，增加47个百分点。成功要求完成整项家务，因安全需要人工介入的测试按失败处理。

同样的任务数据，因为预训练，在新家里产生了明显不同的效果。人类经验开始帮助机器人处理陌生环境，零样本泛化由此初见曙光。当然，56%还不足以让人放心交出日常家务，下一步要提高的是整项任务的可靠性。

02

Index，用全球众包采集真实操作经验

Helix 2.5能取得这样的表现，Index数据众包平台发挥了重要作用。

8月25日，Figure正式公开这套此前秘密运行约四个月的数据采集系统。公司曾尝试购买数据，但第三方的供应商无法同时满足采集速度、多样性和质量要求，于是决定自己建设专属数据管线。

来自的全球的参与者录下自己在家庭或工作场所完成实际任务的过程，并获得报酬。做饭、洗衣、补货、清理餐桌，都能成为采集内容，场景覆盖家庭、餐厅、工厂和物流中心等。

目前，该应用下载量超过26.4万次，覆盖108个国家，周活跃用户超过4.4万。参与者上传了超过1600万个视频，累计获得1500万美元报酬。到Helix 2.5发布时，Figure称Index每秒新增约35分钟的人类操作记录。

每增加一位参与者，就有机会带来新的环境、物品和操作方式。机器人还没到场，这个家庭的操作经验就可以先进入采集系统。全球众包把扩展数据的办法，接到了人们每天都在做的事情上。

上传素材还要经过质量筛选、作弊审核、去重、数据比例调整和标注，才能用于训练。采得多之外，还要留下足够多的有效差异。

Figure承诺，在Index发布后的12个月内，为数据和计算资源投入超过10亿美元，并将规模扩大100倍作为后续方向。

参与者带来广泛场景，处理流程把关质量，再用机器人任务检验效果。全球众包因此有望引领行业下一阶段的数据采集。其他企业要沿这条路走，也得解决同样的问题：怎样持续吸引参与者，又怎样把海量视频变成真正改善机器人表现的训练数据。

03

最多10万块GPU，提前储备训练算力

模型能力提升、数据持续汇入，Figure也开始为下一轮训练和商业化准备算力。

9月初，Figure宣布与AI云服务商Nscale合作，计划部署基于英伟达NVIDIA Vera Rubin平台的最多10万块GPU。从2027年下半年开始，在美国得克萨斯州巴斯托进行初始部署。初始算力承诺为35亿美元，双方有意扩展至超过60亿美元。

Helix 2.5还给出了一项数据扩展实验：保持模型大小和后续任务训练不变，Index预训练数据从1倍扩大到8倍时，机器人动作预测误差规律性下降。这为继续扩大数据提供了依据，更大算力能带来多少实际任务提升，还需要后续检验。

每秒几十分钟的新数据持续汇入，模型又要学习更多任务、处理更多场景，训练需求很难停在今天的规模。算力从规划到部署需要时间，Figure提前安排这笔资源，就是在为商业化落地备好后续训练所需的算力。

陌生家庭里的能力已经开始验证，全球数据采集已经运行，下一阶段的计算资源也提前有了规划。Figure一边检验路线，一边准备把它做大的条件。

接下来，这些数据和算力要兑现成一种用户真正用得上的能力：机器人走进下一栋房子，可能真的不需要重新学习就能做很多事了。所谓的零样本泛化，真的向我们奔来。