2026年9月，人形机器人公司Figure发布新一代神经网络模型Helix 2.5，让机器人在30个从未见过的陌生家庭中实现零样本自主做家务，成功率从传统模型的8%跃升至56%，标志着机器人正从“会执行”迈向“会自主学习”。

　　一、技术突破：从“预设编程”到“零样本泛化”

　　核心机制：搭载Helix 2.5的Figure 03机器人，在未提前采集数据、未进行针对性微调的情况下，仅依靠对人类行为视频数据的预训练，即可在全新环境中完成整理客厅、叠毛巾、铺床等长时序任务。

　　数据对比：在任务专用数据、架构、训练和评测均保持不变时，Index预训练将任务成功率从8%提升至56%；相比前代Helix 02，新模型只用了一半的任务专用数据就实现了对30个陌生环境的泛化。

　　能力跃迁：机器人展现出全身自我纠错能力——遇到失误或动作受限时，能够退后重新调整站姿、换角度或绕床纠正被角，这种从错误中恢复并持续推进任务的能力，是Index预训练带来的关键效果。

　　二、底层支撑：数据与算力的规模化投入

　　数据来源：Figure开发了Index数据集，人们可付费录制第一人称视角的日常操作视频，目前每周约有9万人上传，机器人从这些海量人类行为中学习如何移动和处理物体。

　　算力布局：Figure已承诺投入价值35亿美元的算力资源训练Helix，并与AI基础设施供应商Nscale签署多年期协议，锁定约10万块英伟达Vera Rubin系列GPU，合同总规模最高可达60亿美元。

　　训练范式：这一思路类似大语言模型的预训练逻辑——让机器人先从海量人类行为中理解物理世界，而非在固定场景反复喂数据，使通用能力能够直接迁移到陌生真实环境。

　　三、行业风向：从“表演”到“干活”的共识转向

　　理念转变：行业热度最高的观点已变为“与其唱歌跳舞，不如干活”，机器人叠衣服、做早餐、收拾桌面等真实作业场景成为展会新焦点。

　　场景落地：上海等地已有机器人实际驻店工作，覆盖安防巡检、直播电商、新零售等七大场景，从演示态迈入商业规模部署。

　　商业评价：擎天租等平台提出“Worken”概念，以完成工作量、服务稳定性、最终商业回报作为机器人价值的计量标准，用户无需懂复杂技术，只需提出需求即可匹配合适的机器人。

　　尽管Helix 2.5的演示效果令人惊艳，但所有测试均为内部录制或单方直播，缺乏第三方验证，从技术突破到大规模家庭商用仍需时间。不过，从9%到56%的跨越已清晰表明：机器人自主学习与泛化能力的临界点正在到来。

本文由AI生成