56%成功率，Figure在赌什么

56%——这是Figure AI最新一代系统Helix 2.5在30套陌生住宅里交出的完整成绩单。创始人Brett Adcock说这是公司成立以来最重要的项目，Figure AI自称摸到了机器人版的scaling law；同行却毫不客气：接近一半的失败率，恰恰说明模仿学习根本不会泛化。全球最贵的未上市人形机器人公司，正在把整个行业压在水面下的路线之争，第一次摆上了台面。

🏠 30套房子，一场昂贵的“真实验收”

机器人行业最不缺的，就是样板间里的完美demo。

过去几代Helix的发布视频，其实都留过很有记忆点的画面：两台机器人合作把被子拉平，或者在腾不出手的时候，用屁股把洗碗机顶上。动作是 autonomous 的，场景却永远是那个光线充足、家具摆位友好的实验室。

这也是Helix此前收获的最大诟病——每次demo，总在一个光线良好的样板间里工作。业内看多了都懂：demo环境和真实环境的差距，可能比demo本身的难度还大。

Helix 2.5想跨过这一步。Figure AI在旧金山湾区租下30套住宅，把机器人直接运到现场，让它整理客厅、铺床、折叠毛巾。用Brett Adcock的话说：Helix 2.5要在一套从未进入过的房子里，折叠一条它从未见过的毛巾。

数据层面，这次是给了硬指标的：Figure AI称没有针对这些住宅和物品进行任何训练或适配，且30套住宅里都出现了成功案例。换句话说，这不是30次精心彩排后的表演，而是一次成规模的“盲测”。

不过坦白讲，看完视频，笔者的第一感受仍然是：这很像30个光线良好的样板间。湾区租来的住宅，户型、光照、物品密度高度相似，和“任意一个普通家庭”之间，还隔着数量级的长尾。

但产业逻辑上的信号是清晰的：家庭环境是机器人面对的最极端的非结构化场景——物品形态、摆放位置、光照条件全是长尾分布。能否脱离针对性适配直接进场作业，是区分“程序化表演”和“泛化能力”的分水岭。30套房子当然不等于泛化已经实现，但它第一次把验收标准从“演得好不好”换成了“换地方还能不能干”。仅此一项，就值得同行认真对待——哪怕是以开炮的方式。

📊 420次测试，56%意味着什么

在机器人行业，主动公布完整失败数据，比demo本身更罕见。

这次Figure AI没有只放高光片段，而是在Helix 2.5的技术博客里公布了完整测试数据：420次测试，成功237次，完整任务成功率56%。

怎么读这组数字，取决于你站在哪边。

往好了说：这是机器人行业少见的坦诚。过去行业惯例是，同行留下一句“了不起的工作”，然后各自回实验室暗暗较劲，公众永远只看到剪辑过的成功片段。这次把183次失败一起摆出来，本身就是姿态的转变——要么是技术自信，要么是融资叙事需要可验证的证据，无论哪种，都比纯demo营销进步。

往坏了说：56%在消费场景里是不及格的。让一个接近一半时间会失败的机器人替你收拾客厅，任何一个做产品的人都清楚这意味着什么——家庭服务对可靠性的要求，只会比工业场景更高，因为出错代价直接落在用户身上。

真正的产业判断是：56%对科研里程碑是信号，对商业落地是差距。它证明了泛化能力“正在被逼近”，但离“已经到达”还有距离。关键在于，这个数字没有中间解读空间——好就是好，坏就是坏，这正是它值得尊重、也值得被攻击的原因。

⚔️ 同行开炮：机器人圈罕见的公开拆台

机器人圈第一次有人当众拆台，而且拆的是全行业最贵的那个。

故事的主角之一是Sunday Robotics联合创始人Tony Zhao。他直接指出：237次成功，也意味着机器人接近一半的时间会失败。说法更尖锐的是Stealth CEONikolai Ensslen：这组数据恰恰证明，Figure AI使用的模仿学习系统不能泛化。

有意思的地方在于：这不是学术会议上的礼貌质疑，而是点名的、公开的否定。一位国内人形机器人公司的从业者私下感慨，以前大家的默契是“了不起的工作”+回实验室暗暗较劲，现在有人直接开麦了。

为什么现在？答案大概率是钱。人形机器人正处在融资狂热期，热钱总量有限，而技术路线之争直接决定钱往哪流。如果端到端模仿学习的scaling law成立，数据规模和模型规模就是护城河，头部公司通吃；如果不成立，重数据投入的路线就成了烧钱的无底洞，后来者还有机会换道超车。

冷峻的事实是：同一组56%的数据，统计上同时支持两种叙事。它既可以被解读为“泛化正在涌现的早期信号”，也可以被解读为“泛化尚未发生的直接证据”。数据是中立的，解读是立场——而立场背后，是真金白银。

📈 机器人版scaling law，到底存不存在

NLP的scaling law写在免费的互联网文本上，机器人的scaling law只能写在一次次弯腰叠毛巾上。

大语言模型领域的scaling law之所以成立，前提是训练数据来自互联网，边际成本近乎为零。机器人完全不同：每一条操作数据都需要物理世界采集，机器人要么遥操作、要么真机试错，成本高、速度慢、难以众包。这也是“机器人领域长期追逐泛化能力”却始终拿不下的结构性原因——不是模型不够大，是数据喂不上去。

Figure AI的赌注就押在这里：足够多样的真实家庭数据+足够大的模型规模，泛化能力会像LLM一样“涌现”。30套住宅、420次测试，就是这场豪赌的第一次成规模验证。

而怀疑者的逻辑链条同样完整：56%的成功率说明，数据堆到这个规模，模型依然会在一半的任务上失败——如果涌现存在，它出现得太慢了；如果继续堆数据，边际成本能不能撑到涌现那一天，是个纯粹的财务问题。

值得注意的是，《MIT Technology Review》在近期的The Download栏目里也泼了同一盆冷水：人形机器人的AI炒作正在升温，但这些AI突破短期内改变不了你的生活。据多位接近Figure AI的人士观察，这次“真实验收”在公司内部的优先级确实被拉到了最高——创始人亲自定调“最重要项目”，本身就是证明。但优先级高不等于技术风险低，scaling law在机器人身上是否成立，目前全行业没有人能给出肯定答案。

💰 390亿估值，需要故事不停续费

估值越贵，故事就越不能停。

Figure AI目前估值390亿美元，是全球最贵的未上市人形机器人公司，目标是让人形机器人完成人类的日常任务。这个估值数字意味着什么？意味着资本市场买的不是现在的交付能力，而是“通用家务机器人”这个终局叙事的期权。

而Brett Adcock把Helix 2.5定义为“成立以来最重要的项目”，这句话本身就是一次叙事管理：公司要把公众的注意力，从“机器人会不会叠毛巾”引向“泛化能力是否正在出现”——前者是产品问题，后者才是估值问题。

这里有一个行业共识级别的悖论：家庭是商业化最难啃的场景——非结构化环境、安全责任、可靠性门槛，每一条都比工厂和仓库苛刻；但家庭的想象空间也最大，只有“走进千家万户”的故事，才撑得起390亿美元。Figure AI选择了最难也最大的那条路，等于把技术风险和叙事风险捆在了一起。

从这个角度看，56%的成功率其实是估值与交付之间的“时间差计量表”：每一次迭代把这个数字往上推，估值故事就多一分底气；一旦数据停滞，质疑声就会比现在响亮得多。同行的公开开炮，某种程度上也是嗅到了这个脆弱结构——在热钱退潮之前，先争夺叙事的定义权。

小结：56%，是里程碑还是不及格，取决于你问的是研究员还是产品经理。真正值得记住的不是这组数字本身，而是Figure AI第一次把完整失败数据摆上台面、同行第一次公开拆台——人形机器人的竞争，正在从demo营销阶段进入数据验收阶段。接下来要看的是：30套住宅能不能变成300套、3000套，56%能不能爬向90%。scaling law是否真在机器人身上成立，答案不会来自发布会，只会来自下一个420次测试。