美国人形机器人企业Figure在10月22日于官方YouTube频道发布了一段时长一小时的内部全员大会视频，创始人兼CEO Brett Adcock在视频中复盘了公司的研发底座，并披露了第四代机器人Figure 04、全球数据采集项目Index、35亿美元算力合作以及新一代Helix模型的内部测试进展。与常见的新品发布会不同，这次大会没有展示炫酷样机，而是集中呈现了一条工程路线：当硬件迭代进入收敛期，Figure试图通过规模化预训练与超大算力让机器人逐步变聪明。

硬件方面，Figure 04已完成设计锁定，零部件进入交付与验证周期。与已在宝马产线执行物流分拣任务、实现长时间自主作业的Figure 03相比，Figure 04并非简单优化续航与负载，而是围绕Helix模型的操控需求重新标定执行单元，新一代驱动器、电池与灵巧手同步进入可靠性测试阶段。Adcock称这是历代改进幅度最大的一次，并明确Figure 03的量产落地已完成硬件可行性验证，Figure 04的目标是打造适配通用家庭与复杂工业混合场景的标准化硬件底座，支撑模型在更多陌生环境中稳定执行长序列任务。灵巧手是研发团队投入精力最多的部分之一。

支撑模型迭代的根基是名为Index的全球数据采集项目。与多数同行依靠实验室人工采集或远程操作不同，Index通过面向全球用户开放的采集App，招募普通人记录居家、办公、仓储等场景下的日常操作行为。截至大会时，该项目已积累3750万条人类操作视频，覆盖上百个国家，数据采集速率提升至每秒约81分钟视频，相当于每天新增约11.66万小时的内容。海量长尾场景数据被认为是Helix模型零样本泛化能力提升的关键——此前Helix 2.5依托Index预训练，在从未见过的家庭环境中将任务完成率从9%提升至56%。不过Adcock也坦言这条路线成本高昂，单周数据相关投入就达到810万美元，他判断未来12个月公司在数据采集方面的投入可能超过大多数机器人企业迄今获得的全部融资。

算力是机器人进一步迭代的基础。Adcock的逻辑是，现实任务种类繁多，不可能为每项工作单独采集数据并后训练模型，因此必须先用大规模人类行为数据做预训练，再用少量任务数据适配具体技能。为消化指数级增长的训练数据，Figure与AI算力云厂商Nscale敲定了初始规模35亿美元的算力合作，计划部署最多10万颗基于英伟达Vera Rubin平台的GPU，算力资源计划在2027年下半年于德州巴斯特基地上线，后续合作规模还有望拓展至60亿美元。

演讲尾声，Adcock透露团队用迄今最大规模的预训练数据和GPU资源训练了一个新模型，几周前在公司内部代号Black Box的实验室完成测试。他没有给出任何评测细节，只表示看到了此前从未见过的机器人表现，称之为自己从事机器人研究以来最重要的时刻之一，并用Baby AGI形容早期感受。团队正在训练规模更大的版本，预计数周内有新进展，未来六个月还计划开展更大规模训练。

从行业视角看，Figure此次披露的信息勾勒出一条清晰路径：硬件迭代不再是主要变量，数据规模与算力储备成为决定机器人智能水平的核心工程能力。Index项目以众包方式获取长尾场景数据，在成本与覆盖面上与传统实验室采集形成差异，但单周810万美元的投入也意味着这是一场资本密集的竞赛。35亿美元算力订单与后续可能扩至60亿美元的规模，进一步凸显训练资源在机器人竞争中的权重。对关注人形机器人赛道的人而言，Figure的进展提供了一个观察样本：当硬件设计趋于标准化，模型预训练与算力基础设施的厚度，可能比单款机器人的参数更值得跟踪。