当地时间9月17日，人形机器人公司Figure宣布推出其神经网络模型Helix 2.5，并同步公布了一组针对陌生家庭环境的自主作业实验。实验显示，搭载该模型的Figure 03人形机器人进入此前从未接触过的房屋后，无需任何额外训练即可完成整理客厅、折毛巾和整理床铺三类长时序任务，实现零样本全身自主作业。

这场实验的设计方式值得关注。Figure在旧金山湾区租赁了30栋陌生房屋，先用人类行为数据集Index对Helix 2.5进行预训练，随后将机器人带入这些房屋执行任务。在此之前，公司从未针对房屋内部的环境或物体进行过数据采集、微调或适配。机器人在狭小、杂乱的室内空间中必须把穿行本身当作任务的一部分，不断调整身体位置，才能完成观察、够取和操作物体。

实测数据揭示了预训练带来的差异。在任务专用数据、架构、训练和评测均保持不变的前提下，Index预训练这一变量使任务成功率从8%提升至56%。与上一代神经网络Helix 02相比，Helix 2.5只用了一半的任务专用数据，就将行为泛化到了30个前所未见的新环境。此外，机器人还展现出明显的自我纠错能力，能够在陌生环境中后退重新定位、改变站姿，或绕整张床移动以修正折叠动作。Figure表示，这种从错误中恢复并持续推进任务的能力，是Index预训练带来的重要效果。

支撑这一能力的是数据与算力的规模化投入。Figure在新闻稿中称，Index每秒可生成约35分钟的全新人类行为数据，公司已承诺投入价值35亿美元的算力资源用于训练Helix。本月早些时候，Figure还与AI基础设施供应商Nscale签署了多年期算力服务协议，锁定约10万块英伟达Vera Rubin系列GPU的算力供应，并预留了扩展空间，合同总规模最高有望达到60亿美元。Figure的表态颇为直接：如果Helix 2.5的当前表现能够说明问题，那么更多数据与计算资源应可直接转化为机器人在进入新家庭前就已掌握的更多物理世界知识，公司称“是时候扩大规模了”。

从行业视角看，这一实验触及了具身智能长期以来的一个短板。过去，人形机器人往往依赖针对特定场景的专门数据训练，换一个环境就需要重新采集和微调，泛化能力有限。Helix 2.5试图验证的路径是：让模型像人类一样，把对物理世界的理解从一个环节迁移到另一个环境，以实时适应动态变化，而不必每次从头构建。

国内券商也给出了各自的观察。国元证券指出，AI基础设施与具身智能研发有望协同深化，未来模型训练与应用反馈的衔接有望进一步加强，推动技术迭代向可交付的产品能力转化；长期训练资源、实机数据积累与场景验证能力，有望成为头部企业构建竞争优势的重要支撑。万联证券则表示，当前人形机器人产业正处于从技术突破迈向规模化商业化的破晓时刻，AI大模型持续为机器人注入灵魂，人形机器人有望形成一个新兴产业，逐渐从B端走向C端。

需要指出的是，上述实验仍属公司自行发布的测试结果，56%的成功率距离家庭场景的稳定可用仍有距离，而从单次实验到规模化交付之间还隔着成本、可靠性与安全等多重考验。但就泛化能力这一维度而言，Helix 2.5提供了一组可供后续验证的量化基线。