56%成功率，凭什么值390亿美元？

当一家估值390亿美元的公司把机器人搬进陌生人的客厅，然后在技术博客里公开写下「420次测试，成功237次」——这个数字到底是里程碑，还是判决书？Figure AI 的 Helix 2.5 刚刚引爆了人形机器人圈近段时间最激烈的一场公开争论。同行的反应史无前例：不是礼节性点赞，而是当面拆台。这场争论的真正焦点只有一个——机器人领域的 scaling law，到底存不存在？

🏠 30套陌生住宅：一次精心设计的「搬家实验」

机器人 demo 最大的敌人，从来不是观众，而是样板间。

过去几代 Helix 的发布视频都留下了记忆点：两台机器人合作拉平被子，腾不出手时用屁股顶上洗碗机。画面很精彩，但业内人的第一反应几乎一致——光线良好、布局规整的实验室环境，和真实世界隔着一道鸿沟。每一次 demo 都像在样板间里拍广告，好看，但不敢住人。

这次 Figure AI 想跨过这一步。他们在旧金山湾区租下 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。创始 人名 Brett Adcock 在发布视频里把话说得很满：「这是 Figure AI 成立以来最重要的项目。」

核心卖点只有一个词：没见过。「Helix 2.5 要在一套从未进入过的房子里，折叠它从未见过的毛巾。」Brett 如是说。按照 Figure AI 的表述，他们没有针对这 30 套住宅和其中的物品进行任何训练或适配，但 30 套住宅里都出现了成功案例。

从产业逻辑看，这一步的方向是对的。人形机器人要走进家庭，必须回答「换一个环境还行不行」这个问题——这恰恰是过去所有 demo 回避的问题。但看完视频，不少观察者的感受仍然很直接：这仍然很像 30 个光线良好的样板间。场景从「一个实验室」变成了「30 个实验室」，泛化的尺度确实扩大了，但泛化的难度上限，还远没有被摸到。

📊 420次测试：数据没说谎，但也没说全

真正让这件事出圈的，是 Figure AI 公开完整测试数据的决定。

420 次测试，成功 237 次，完整任务成功率 56%。在机器人行业，公开原始成功率本身就是一种勇气——大多数公司只会放出剪辑过的成功集锦。把失败也摊在桌面上，这是 Helix 2.5 发布中最值得肯定的部分。

问题在于，这份诚实的透明度，反而成了同行发起攻击的弹药。

一种过往在机器人行业相当少见的情况出现了：同行没有像往常一样留下一句「了不起的工作」，再回自己的实验室暗暗较劲。Sunday Robotics 联合创始 人名 Tony Zhao 直接指出，237 次成功也意味着机器人接近一半时间会失败。Stealth CEO Nikolai Ensslen 的说法更加尖锐：这组数据恰恰证明，Figure AI 使用的模仿学习系统不能泛化。

两派观点的分歧，可以拆成一张图：

同一组数字，两种读法，指向两个截然不同的工程决策：一个是继续烧钱堆数据，一个是回头改方法论。这才是这场争论真正的含金量所在。

🤔 泛化之争：模仿学习的天花板到底在哪

机器人领域有一个长期追逐、长期落空的目标——泛化能力。

简单说，就是机器人不再只会重复某个实验室里学过的动作，而是能把此前积累的经验带到一个陌生地方。过去十年，绝大多数机器人系统走的是「一场景一训练」的路子：换一个杯子、换一种光线，系统就可能失效。这也是人形机器人落地最硬的拦路虎——现实世界不可能为你定制。

Figure AI 的叙事正是踩在这个痛点上：我们在 Helix 2.5 里看到了泛化的开始。而质疑者的逻辑同样自洽：56% 的成功率，在 30 个都算「友好」的住宅环境里取得，恰恰说明系统对环境变化依然高度敏感——真正的泛化，应该在这些任务上拿到接近满分，然后去挑战更脏乱差、更不可控的场景。

一位接近人形机器人创业公司的业内 人名 士私下表示，这种分歧其实是整个行业的缩影：做端到端大模型路线的团队相信「数据堆到位、能力自然涌现」，做传统控制与模仿学习结合的团队则认为当前的数据规模和采集方式，根本支撑不起那种涌现。

平心而论，双方都有道理，也都回避了同一个问题：56% 的家庭任务成功率，离「能干活」还差得远。接近一半时间会失败的机器人，放在工业场景是良品率的灾难，放在家庭场景是安全隐患的源头。Figure AI 觉得自己摸到了机器人版 scaling law，两位同行看到的却是一条可能根本走不通的路线——这场对赌，短期内在公开数据层面不会有答案，只能靠下一代产品的成功率说话。

🔧 被忽视的另一半：安全层才是隐形战场

在这场聚光灯下的争论之外，还有一条更冷静的技术线索，恰好回应了「56% 之外的那 44%」该如何处理的问题。

arXiv 上一项针对人形机器人全身运动控制的研究（CoFiT，Constrained Filter-aware Tuning）指出一个被业界长期忽视的结构性问题：现代人形机器人控制通常把「参考指令规划」和「运动执行」分开——规划器、遥操作或运动生成器给出参考轨迹，强化学习策略负责跟踪执行。为了安全，业界会在执行端叠加控制屏障函数（CBF）这类运行时安全滤波器，对输出做实时干预。

听起来很完备，但研究发现：把跟踪策略和安全滤波器当成两个独立模块来训练，会产生根本性的错配——滤波器在改变实际执行动作的同时，也在改变系统的状态分布，而策略对此一无所知。

这组数据背后的产业含义，比成功率之争更务实：在人形机器人真正进入有人环境的早期，「失败」不应该是摔倒或撞人，而应该是安全滤波器接管后的减速与停顿。安全层的成熟度，决定了 56% 的成功率和 100% 的「不伤人」能否同时成立。

换句话说，Figure AI 们在比拼「成功率上限」，而另一批团队在夯实「失败的下限」。家庭场景的商业化，两条线缺一不可。

💰 390亿美元估值的底气，与家庭场景的距离

回到那个最直接的问题：56% 的成功率，撑得起 390 亿美元吗？

Figure AI 目前是全球最贵的未上市人形机器人公司，定位是以人形完成人类的日常任务。家庭服务是这个叙事里最性感、也最难的部分——市场规模大，但环境碎片化、容错率低、付费方与使用方分离。30 套住宅的实验，本质上是给投资人讲「泛化拐点已现」的故事，用数据取代概念。

从商业化节奏看，这个策略并不难理解：先在可控场景里证明「跨环境可用」，再逐步扩大场景难度，同时用 Helix 系列的持续迭代维持估值叙事。但同行的公开拆台提醒了所有人一件事——在机器人行业，「规模化数据带来能力涌现」目前仍是一个假设，而不是已被验证的定律。56% 是这个假设的第一个公开数据点，既不是证明，也不是证伪。

对整个行业而言，这场争论的真正价值在于：它把「泛化」从宣传词变成了可量化、可对赌的公开指标。当公司开始公布 420 次测试的原始成功率，当同行敢于逐条反驳，行业才算真正进入了用数据竞争的阶段。

机器人版 scaling law 存不存在，短时间内不会有标准答案。但可以确定的是：下一代产品的成功率数字，将不再只是营销素材，而是路线判决书。 Figure AI 押上了 390 亿美元的估值，同行押上了自己的方法论——下一轮数据发布，就是交卷时刻。