Figure承诺35亿美元采购算力，机器人测试失败率仍达44%

仅靠Index预训练，通过率从9%升至56%

Figure称，Helix 2.5走进30个从未见过的旧金山湾区家庭，凭同一个未经修改的模型检查点（checkpoint）执行三项家务，在420次盲测中通过237次 ¹²³。评分不设部分得分：篮子里的13到15件玩具必须一件不落，每条毛巾都要叠好，被子要铺得平整 ¹。用完全相同的数据从零训练的孪生策略通过率仅9%，经Index预训练的孪生策略则通过56%；Figure称，唯一的实验变量就是在自家人类视频数据集上做了预训练 ¹³⁴。以上所有数字均出自Figure自己的发布↗，目前没有任何外部评估方复测过 ³。

巨资所押：训练前的损失预测精确到小数点后四位

演示背后藏着更尖锐的主张：Figure用最多相差8倍的Index数据量训练了四个模型，并称在规模最大的那次训练开始之前，就将其动作预测损失预测到了小数点后四位——Figure称之为首条在人形机器人上实测得到的“人类到人形机器人”迁移规模定律 ¹⁴。这条曲线若成立，下一轮人类视频数据翻倍的回报，就能在为训练掏钱之前先算出价钱 ²。与特斯拉Optimus的较量也被放进同一个叙事：一场数据护城河之争，特斯拉拼的是车队行驶里程，Figure拼的是付费采集的视频 ⁵。Index每秒新增约35分钟的人类经验视频，其公开计数器↗9月24日显示上传量已达24593204条，而该应用8月25日上线时已有超过1600万条 ¹⁴⁶⁸。

另外44%呢？

按同一套“全对才算通过”的标准，这台机器人有44%的测试没能过关：整理玩具通过率40%，叠毛巾62%，铺床67% ²³。Sunday Robotics首席执行官Tony Zhao数小时内便发声回应：“一半时间都在失败，这算不上‘做真正有用的工作’” ²。他抛出的对比数字是785次折叠成功778次、成功率99.1%，但那是按单件衣物计数，并非整项家务，两把尺子没法直接对比 ²。这场评测的另一批“买单者”，是出借自家房间的30户家庭：短租房里预先摆好玩具，杂物本就清理一空，没有宠物，也没有成堆的待洗衣物——44%的失败率正是在这样的条件下评出来的 ²。

证据未到，账单先行

Figure成立至今累计融资19亿美元，其中去年9月一轮就融了逾10亿美元，当时估值390亿美元，但公司从未披露过营收 ⁸⁹。9月3日，公司承诺斥资35亿美元↗采购Nscale算力，并有意把算力投入推高到60亿美元以上，多达10万块英伟达GPU最早也要到2027年下半年才能到位；Nscale还在同一笔交易中入股Figure ⁷⁸⁹。

在第一块GPU到位之前，有两件事值得盯住：一是Index数据再翻一倍，能否把56%这个数字往上推；二是Figure、Sunday和1X（这场基准之争中的第三个人形机器人阵营）能否达成一致，共同运行一套中立的家庭任务基准测试 ²。Figure自己也承认，这并不意味着人形机器人难题已经解决 ¹。这场押注赌的是：成败参半背后，藏着一条规模定律。