當地時間9月17日，人形機器人公司Figure宣佈推出其神經網路模型Helix 2.5，並同步公佈了一組針對陌生家庭環境的自主作業實驗。實驗顯示，搭載該模型的Figure 03人形機器人進入此前從未接觸過的房屋後，無需任何額外訓練即可完成整理客廳、折毛巾和整理床鋪三類長時序任務，實現零樣本全身自主作業。

這場實驗的設計方式值得關注。Figure在舊金山灣區租賃了30棟陌生房屋，先用人類行為資料集Index對Helix 2.5進行預訓練，隨後將機器人帶入這些房屋執行任務。在此之前，公司從未針對房屋內部的環境或物體進行過資料採集、微調或適配。機器人在狹小、雜亂的室內空間中必須把穿行本身當作任務的一部分，不斷調整身體位置，才能完成觀察、夠取和操作物體。

實測資料揭示了預訓練帶來的差異。在任務專用資料、架構、訓練和評測均保持不變的前提下，Index預訓練這一變數使任務成功率從8%提升至56%。與上一代神經網路Helix 02相比，Helix 2.5只用了一半的任務專用資料，就將行為泛化到了30個前所未見的新環境。此外，機器人還展現出明顯的自我糾錯能力，能夠在陌生環境中後退重新定位、改變站姿，或繞整張床移動以修正摺疊動作。Figure表示，這種從錯誤中恢復並持續推進任務的能力，是Index預訓練帶來的重要效果。

支撐這一能力的是資料與算力的規模化投入。Figure在新聞稿中稱，Index每秒可生成約35分鐘的全新人類行為資料，公司已承諾投入價值35億美元的算力資源用於訓練Helix。本月早些時候，Figure還與AI基礎設施供應商Nscale簽署了多年期算力服務協議，鎖定約10萬塊輝達Vera Rubin系列GPU的算力供應，並預留了擴充套件空間，合同總規模最高有望達到60億美元。Figure的表態頗為直接：如果Helix 2.5的當前表現能夠說明問題，那麼更多資料與計算資源應可直接轉化為機器人在進入新家庭前就已掌握的更多物理世界知識，公司稱“是時候擴大規模了”。

從行業視角看，這一實驗觸及了具身智慧長期以來的一個短板。過去，人形機器人往往依賴針對特定場景的專門資料訓練，換一個環境就需要重新採集和微調，泛化能力有限。Helix 2.5試圖驗證的路徑是：讓模型像人類一樣，把對物理世界的理解從一個環節遷移到另一個環境，以即時適應動態變化，而不必每次從頭構建。

國內券商也給出了各自的觀察。國元證券指出，AI基礎設施與具身智慧研發有望協同深化，未來模型訓練與應用反饋的銜接有望進一步加強，推動技術迭代向可交付的產品能力轉化；長期訓練資源、實機資料積累與場景驗證能力，有望成為頭部企業構建競爭優勢的重要支撐。萬聯證券則表示，當前人形機器人產業正處於從技術突破邁向規模化商業化的破曉時刻，AI大模型持續為機器人注入靈魂，人形機器人有望形成一個新興產業，逐漸從B端走向C端。

需要指出的是，上述實驗仍屬公司自行釋出的測試結果，56%的成功率距離家庭場景的穩定可用仍有距離，而從單次實驗到規模化交付之間還隔著成本、可靠性與安全等多重考驗。但就泛化能力這一維度而言，Helix 2.5提供了一組可供後續驗證的量化基線。