Figure bindet 3,5 Milliarden Dollar an Rechenleistung – sein Roboter scheitert in 44 % der Tests

Allein das Vortraining mit Index machte aus 9 % 56 %

Figure berichtet, Helix 2.5 sei in 30 Haushalte in der Bay Area gegangen, die der Roboter nie zuvor gesehen hatte; mit ein und demselben unveränderten Modell habe er dort drei Hausarbeiten erledigt und 237 von 420 blinden Testläufen bestanden ¹²³. Teilpunkte gab es nicht: alle 13 bis 15 Spielzeuge im Korb, jedes Handtuch gefaltet, die Bettdecke glattgezogen ¹. Ein Zwillingsmodell, das mit identischen Daten von Grund auf trainiert wurde, kam auf 9 %; das mit Index vortrainierte Zwilling auf 56 % – das Vortraining auf dem eigenen Datensatz mit menschlichen Videos sei die einzige experimentelle Variable gewesen, sagt Figure ¹³⁴. Sämtliche Zahlen stammen aus Figures eigenem Bericht↗; wiederholt hat den Test bislang niemand von außen ³.

Das Geld beruht auf einer Fehlerprognose mit vier Dezimalstellen

Der schärfere Anspruch steht unter der Demo: Figure trainierte vier Modelle mit Index-Datenmengen, die sich um den Faktor acht unterschieden. Vor Trainingsbeginn habe das Unternehmen den Loss (Fehlerwert) der Aktionsvorhersage seines größten Trainingslaufs auf vier Dezimalstellen genau vorhergesagt, sagt Figure: ein Skalierungsgesetz für den Transfer vom Menschen zum Humanoiden, nach eigenen Angaben das erste, das an einem Humanoiden gemessen wurde ¹⁴. Hält die Kurve, lässt sich beziffern, was die nächste Verdopplung der menschlichen Videos einbringt – noch bevor der Rechenlauf bezahlt ist ². Auch der Wettstreit mit dem Optimus von Tesla folgt derselben Logik: ein Duell der Daten-Burggräben, Teslas Flottenmeilen gegen Figures bezahlte Videos ⁵. Jede Sekunde kommen über Index rund 35 Minuten neuer menschlicher Erfahrung zusammen; der öffentliche Zähler↗ stand am 24. September bei 24.593.204 Uploads, nach mehr als 16 Millionen Videos zum Start der App am 25. August ¹⁴⁶⁸.

Die anderen 44 Prozent

Nach derselben Alles-oder-nichts-Maßgabe scheiterte der Roboter in 44 % seiner Testläufe; je Aufgabe lag die Quote bei 40 % fürs Aufräumen von Spielzeug, 62 % fürs Faltender Handtücher und 67 % fürs Bettmachen ²³. Tony Zhao, Chef von Sunday Robotics, antwortete binnen Stunden: „In der Hälfte der Fälle zu scheitern ist keine ‚wirklich nützliche Arbeit‘.“ ² Seine Gegenzahl – 778 von 785 Faltvorgängen, 99,1 % – zählt einzelne Kleidungsstücke, keine ganzen Aufgaben; die beiden Maßstäbe sind also nicht unmittelbar miteinander vergleichbar ². Der andere Zahler dieser Evaluierung waren die 30 Haushalte, die ihre Zimmer hergaben: Kurzzeitvermietungen, mit Spielzeug drapiert, per Definition aufgeräumt, ohne Haustiere und ohne Wäscheberge – die Bedingungen, unter denen die 44 % erhoben wurden ².

Die Rechnung kommt vor dem Beweis

Figure hat in seiner Unternehmensgeschichte 1,9 Milliarden Dollar eingesammelt, gut eine Milliarde davon erst im vergangenen September bei einer Bewertung von 39 Milliarden Dollar; Umsätze hat das Unternehmen nie offengelegt ⁸⁹. Am 3. September band Figure 3,5 Milliarden Dollar↗ an Rechenkapazität von Nscale fest, mit der Absicht, über sechs Milliarden Dollar hinaus zu skalieren; bis zu 100.000 Nvidia-GPUs sollen frühestens in der zweiten Jahreshälfte 2027 eintreffen. Im selben Deal stieg Nscale zum Aktionär ⁷⁸⁹.

Bis die erste GPU eintrifft, sind zwei Dinge zu beobachten: ob die nächste Verdopplung von Index die 56-Prozent-Quote bewegt – und ob sich Figure, Sunday und 1X, das dritte Humanoiden-Lager in diesem Benchmark-Streit, je darauf einigen, einen einzigen neutralen Benchmark für Hausarbeiten durchzuführen ². Figure selbst räumt ein: Damit ist die humanoide Robotik noch nicht gelöst ¹. Die Wette lautet: Auch der Münzwurf folgt einem Skalierungsgesetz.