近日，美国人形机器人企业Figure对外公开了时长一小时的内部全员大会视频。这次大会上，没有酷炫的新品展示，没有宏大的远期蓝图，只描绘了一条愈发清晰的战略路线——当硬件进入迭代收敛期，Figure将如何落实“规模化预训练+超大算力”的工程路线，让机器人一步步“变聪明”。完整视频于当地时间10月22日发布于该公司官方YouTube频道。

　　具体来看，Figure AI创始人兼CEO Brett Adcock复盘了公司当前研发底座，披露第四代人形机器人Figure 04和Index全球人类行为数据收集项目的最新进展、35亿美元算力合作细节，以及新一代Helix模型的内部测试情况。

　　Figure 04进入零部件制造阶段全球数据采集项目成护城河

　　硬件端，最新一代机器人Figure 04已经完成设计锁定，零部件进入交付与验证周期。相较于已经在宝马产线落地物流分拣任务、实现连续长时间自主作业的Figure 03，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。其中，灵巧手是研发团队投入最多精力的部分之一。

　　Adcock将Figure 04称为历代改进幅度最大的一次，他在会上明确，Figure 03的量产落地已经完成硬件可行性验证，Figure 04的目标是打造适配通用家庭、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稳定执行长序列任务。

　　支撑模型迭代的根基，是名为Index的全球数据采集项目，这也是Figure区别于多数同行的独特路径。Index依托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，而非依靠实验室人工采集或是远程操作录数据。

　　截至本次大会，该项目已经积累3750万条人类操作视频，覆盖上百个国家，数据采集速率已提高至每秒约81分钟视频，相当于每天新增约11.66万小时的视频内容。海量长尾场景数据是Helix模型零样本泛化能力提升的关键。此前Helix2.5依托Index预训练，在从未见过的家庭环境中，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，按照他的判断，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。

　　35亿美元算力合作+自研大模型为产品迭代“保驾护航”

　　算力是其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、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年下半年在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，只说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。

（文章来源：科创板日报）