Figure AI把人形机器人扔进30个陌生家庭，不提前采数据、不重新训练，直接让机器铺床叠毛巾。9月17日发布的Helix 2.5交出成绩单：420次测试成功237次，整体成功率56%。
希鸥网观察到，这组数据撕开了一个关键拐点。成立于2022年的人形机器人公司Figure AI，总部位于加州桑尼韦尔，主打通用人形机器人本体与端到端神经网络控制。它这次验证的是“零样本泛化”，即机器人进入从未采过数据的家庭后，仍能完成铺床、叠毛巾、收拾玩具三类家务。
把三组成功率拆开看，铺床67%、叠毛巾62%、收拾玩具仅40%。叠毛巾每三次失手一次，收拾玩具十次里六次搞不定。但对照实验揭示的差距更惊人：同样任务数据下，没看过人类干活视频的模型成功率只有9%，看过的直接跳到56%。
关键变量是一套叫Index的数据采集系统。普通人下载应用，拍摄自己铺床、补货、换机油的视频上传，审核通过即获报酬。四个月覆盖108个国家，积累超1600万条不重样视频，Figure为此支付1500万美元。每1000小时素材，涵盖373种任务、1146种物品、116种环境。
这套逻辑颠覆了传统机器人训练路径。过去先定任务再采数据，教叠毛巾就反复叠毛巾。Helix 2.5反过来，先用海量人类视频做预训练，再学家务专项。如同大模型先海量“见世面”再学手艺，底层复用的是人类行为的多态解法，颗粒度精细到有人从床头铺起、有人先抖开被子。
更硬的证据来自Scaling Law复现。Figure训练四组模型，最大一组Index数据是最小一组的8倍，模型架构和家务训练完全一致。结果动作预测误差随数据量增加规律下降，用前三个点拟合曲线，提前算出的第四个点误差，与实际结果对到了小数点后四位。这条被命名为“人类到人形机器人的迁移Scaling Law”的曲线，意味着投入产出可提前估算。
希鸥网认为，这条曲线目前只有四个数据点、跨度仅8倍，撑不起“定律”二字。56%是Figure自评，30个家庭全是湾区租来的房子，三项任务提前选定。但真正值得注意的博弈信号是：9月3日Figure与Nscale签约，2027年下半年起部署英伟达Vera Rubin平台，最多用10万块GPU，初期算力投入35亿美元，意向扩大到60亿美元以上。Nscale战略入股Figure，黄仁勋称其“激活了机器人飞轮”。一家机器人公司，正沿着大模型公司的资本密集路径狂奔。
对创业者而言，Index模式最狠的启发在于：用众包方式把数据采集成本从工程师实验室转移到全球普通用户。传统机器人数据采集依赖遥操作或动捕设备，单条成本动辄数十美元。Index用1500万美元买下1600万条视频，单条成本不到一美元。这不仅是成本结构重构，更是组织边界的消融，训练数据不再由内部团队定义，而是由108个国家用户的真实生活场景自然生成。
但这里藏着一个反直觉的陷阱。素材中瑞·达利欧描述人脑时提到，890亿个神经元通过数万亿个突触连接，1立方厘米脑组织的连接数量堪比银河系恒星。人脑的预训练是亿万年进化的结果，机器人想用四年视频数据复刻这种泛化能力，走的是一条极端压缩的捷径。捷径的代价是：动作预测误差下降，不等于任务成功率上升。误差曲线再漂亮，叠毛巾那38%的失败率不会自动消失。
创业者更该盯住的，是“有意义的工作和人际关系是天生的生理需求”这一判断。机器保姆真正的商业闭环不在技术泛化，而在用户心理迁移：你愿不愿意让一台56%成功率的机器触碰你的床单？愿不愿意自己拍视频教它干活、还倒贴隐私？Figure的Index模式已经回答了第二个问题，1500万美元买到了1600万条视频。但第一个问题，需要机器人的失误率降到5%以下、且能像Helix 2.5那样发现铺偏了主动绕到床另一边补救时，答案才可能松动。
金鸥品牌榜·2026年度创新案例库开放申报了。免费提报，独立评估，入榜品牌将获得电子版《入榜证明》及年度专题公示，优秀案例可获得深度专访+全平台分发。如需修改或发布文章，请加微信号：sheisceo