Figure AI 机器人scaling law引争议

地点：美国加利福尼亚州旧金山湾区，Figure AI 在此租下 30 套真实住宅进行测试。 人物：Figure AI 创始人 Brett Adcock，Sunday Robotics 联合创始人 Tony Zhao，Stealth CEO Nikolai Ensslen，牛津大学学者 Dominik Peters。 事件详情：Figure AI 9 月 17 日发布新一代神经网络 Helix 2.5，宣称在 30 个从未进入、从未采集数据的旧金山湾区住宅中实现了零样本全身自主行为。三项任务合计 420 次测试、237 次成功，综合任务成功率 56%。其中铺床 94 次成功约 67%，折叠毛巾 87 次成功约 62%，整理客厅 56 次成功约 40%。保持任务数据、架构、训练与评估不变，仅依靠 Index 人类行为预训练，零样本成功率就从对照组的 9% 跃升到 56%。Figure 用 1 倍、2 倍、4 倍、8 倍四档 Index 数据集训练，模型动作预测误差随数据翻倍稳定下降，最大规模实验预测误差仅占整个变化区间的 0.54%，是首次在人型机器人上测得的"人类到机器人迁移 scaling law"。Helix 2.5 任务特定数据用量相比 Helix 02 减半。 背景：Figure AI 估值已达 390 亿美元，是全球最贵的未上市人形机器人公司，已与 Nscale 达成 35 亿美元初始算力承诺，计划 2027 年下半年起部署，长期目标高达 10 万块英伟达 Vera Rubin GPU；Index 以每秒约 35 分钟速度采集人类经验数据。机器人赛道此前已有 Generalist 公司用 GEN-0/1/1.5 围绕 scaling law 展开叙事。 影响：Sunday Robotics 联合创始人 Tony Zhao 指出，237 次成功也意味着机器人近一半时间会失败；Stealth CEO Nikolai Ensslen 更尖锐地表示，数据恰恰证明 Figure AI 模仿学习系统"不能泛化"。两位同行公开质疑打破机器人行业惯例，意味着零样本泛化是否真有 scaling law 支撑，仍需更长周期与更多独立验证。 总结：Figure AI 用 Helix 2.5 把机器人 scaling law 推到台前，但 Sunday Robotics、Stealth 等同行当场反驳，给这条"机器人也讲规模定律"的叙事留下明显争议。下一阶段比拼的关键，在于 Figure 的 10 万 GPU 算力与 Index 数据能否持续兑现 56% 以上的零样本成功率。 参考来源： - https://www.figure.ai/news/helix-2-5-zero-shot-30-home-generalization （Figure AI 官方公告） - http://www.geekpark.net/news/370607 （极客公园深度报道） - https://finance.sina.cn/stock/jdts/2026-09-20/detail-inisnnkv2561854.d.html （新浪财经转载） - https://zhidx.com/p/595153.html （智东西报道） - https://www.unite.ai/figure-introduces-helix-2-5-tested-zero-shot-in-30-unseen-homes/ （Unite.AI 海外报道） - https://news.qq.com/rain/a/20260918A09S1C00 （腾讯新闻转载） - https://www.tmtpost.com/7995687.html （钛媒体报道） - https://x.com/kimmonismus/status/2100670018723647703 （X 行业评论） - https://wallstreetcn.com/articles/3754815 （华尔街见闻行业分析） - https://m.36kr.com/p/3956030898535810 （36氪相关报道）