人形机器人，终于敢进陌生人家了？
Figure用零样本56%的成功率宣告家庭泛化能力初现，天工刷新百米纪录、优必选万台级工厂投产——人形机器人正从演示视频走向真实场景与规模制造。本文拆解三条产业信号：泛化范式转移、性能军备竞赛、产能落地，并给出商业化节奏的务实判断。
9月17日，Figure扔出一颗深水炸弹：租下旧金山湾区30套陌生住宅，让Figure 03人形机器人不采集新数据、不做环境适配，直接进门干活。零样本成功率从9%干到56%。
同一周，国内这边也没闲着。天工机器人在世界人形机器人运动会上跑出8.86秒百米成绩刷新纪录；9月12日，优必选在柳州的万台级工业人形机器人超级智慧工厂投产，每10分钟下线一台Walker S。
一边是泛化能力的范式突破，一边是性能和产能的军备竞赛。人形机器人这个赛道，正在从"拍视频阶段"切换到"上桌考核阶段"。本文拆一拆这三条信号线，聊聊哪些是真突破，哪些还隔着一段路。
🧹 租30套房：Figure把考场搬进了别人家
机器人行业有个老传统：演示视频拍得越漂亮，背后的数据采集越"精修"。桌面机械臂固定工作空间，轮式机器人挑开阔地面，环境都是围绕机器建的。进了家庭，这套玩法直接失效。
Figure创始人布雷特·阿德科克这次偏要"裸考"。官方口径很明确：30套房子，机器人此前从未进入，公司没有为这些新环境采集任何数据、做任何训练或适配。Helix 2.5被官方称为Figure迄今最先进的神经网络，一个经Index预训练的基础模型直接覆盖三个不同任务。
考题也不简单。三项长时程全身任务，难度递增：
| 任务 | 难点 | 考核维度 |
|---|---|---|
| 整理客厅 | 散落玩具逐一捡起放入篮筐 | 主动感知、导航、抓放 |
| 铺床 | 从未见过的床和床上用品 | 双手协调、大物体拖拽 |
| 折毛巾 | 可变形物体操作 | 全身控制、精细操作 |
铺床是硬骨头——抓枕头、拉被子、拉平，每个物体机器人都是"头一回见"。折毛巾则打的是可变形物体操作这个经典难题。这些任务要求感知、移动、操纵、双手协调、全身控制同时在线，而且必须实时完成。
结果：零样本成功率9%暴增至56%。数字不算惊艳，但方向比数字重要——它证明的是"从大规模人类行为经验中学习，再直接迁移到陌生环境"这条路走通了第一步。人类进陌生屋子直接干活，靠的就是跨环境迁移认知，Figure想给机器人装上同样的能力。
据多位接近海外人形机器人团队的从业者私下评价，56%这个数放在两年前是不可想象的，但离"能进家庭当保姆"仍然有量级差距——毕竟剩下44%的失败，落在真实家庭里就是打碎一个碗或被床单绊倒。
🔄 旧范式失灵：为什么"换屋子重训"走不通了
每进一个新环境就采集数据、微调、适配一遍——这是传统机器人部署的标准动作，也是家庭场景商业化的最大死结。
算一笔逻辑账：全球没有两个家庭布局是一样的。床的高度、家具的间距、玩具散落的位置，每一个变量都要求重训。如果每个客户家都要工程师上门采数据，这个生意从第一天就不成立。工业场景可以回避这个问题——产线是标准化环境，可以先建模再部署。家庭不行，家庭是天然的"非合作环境"。
这就是为什么Figure的实验设计比结果更值得琢磨。它回答的不是"机器人能不能整理客厅"，而是"机器人的知识能否跨环境迁移"。前者是一个功能问题，后者是一个范式问题。范式问题一旦解决，边际成本曲线会完全改写。
行业里流传一句话：人形机器人公司分成两种，一种是数据驱动的，一种是演示驱动的。Helix 2.5这波操作，摆明了站前者。当然要泼一盆冷水——30套房子的样本量、任务成功率56%的水平，离可靠性交付还差好几个9，但至少赛道的关键指标从"视频里能干啥"换成了"陌生环境能干啥"。这是评价体系的一次隐形换轨。
🏃 国内这边的两副牌：速度纪录和产能纪录
泛化是软件侧的故事，国内同期释放的两个信号则在硬件和制造侧。
8月25日，第二届世界人形机器人运动会大型组100米复赛，北京人形机器人创新中心的天工机器人跑出8.86秒，继开幕式9.39秒之后再次刷新纪录。百米速度对人形机器人意味着什么？不只是噱头——高速奔跑对电机功率密度、关节散热、全身动态平衡控制的要求是严苛的极限测试。能稳定跑进9秒，说明整机的机电一体化水平上了一个台阶。
9月12日，优必选工业人形机器人超级智慧工厂在广西柳州投产。几个关键数字：
- 占地面积1.4万平方米
- 全球首个适配万台级产能的工业人形机器人智能制造工厂
- 每10分钟下线1台工业人形机器人
- 年规划产能超万台
- 主产Walker S系列与具身智能工业人形机器人Cruzr系列
天工跑出8.86秒百米纪录
优必选柳州超级工厂投产
Figure发布Helix 2.5
三件事放在同一周看，信息量很大。Figure赌的是"大脑"，用泛化能力打开家庭这个最难也最大的市场；优必选赌的是"手"，先把工业场景这个标准化程度最高、付费意愿最强的场景吃透，再用万台级产能摊薄整机成本；北京人形机器人创新中心则在做"本体"，用运动性能验证硬件底座。
有意思的是，优必选是在自己造的工厂里生产机器人——用机器人造机器人，这个闭环既是产能建设，也是最好的场景自验证。据业内人士私下聊，工业人形机器人目前的订单大头来自车企和3C工厂，客户看重的不是"人形"的情怀，而是产线改造的兼容性和单台成本回收周期。
📊 从Demo到上桌：三条路线的竞速与合流
把9月这三条新闻摆在一起，人形机器人的商业化路径图已经隐约可见：
| 路线 | 代表玩家 | 核心能力 | 首选场景 | 当前瓶颈 |
|---|---|---|---|---|
| 泛化智能 | Figure | 零样本迁移 | 家庭服务 | 成功率56%仍不够 |
| 规模制造 | 优必选 | 产能与成本 | 工业产线 | 真实订单密度 |
| 极限本体 | 创新中心天工 | 运动性能 | 全栈验证 | 场景化落地 |
三条路线不是平行线，而是合流前的分进。工业场景是当前最务实的现金流来源——环境可控、任务重复、ROI可算；家庭场景是终局想象空间——体量大到足以支撑万亿级估值，但可靠性门槛极高。56%的成功率意味着什么？意味着从"完全不能用"到"距离可用还有一个数量级"。业内共识是，家庭级产品的准入线大概率在95%以上，且连续运行时长得以周计。
Figure用零样本实验撬动的是终局逻辑，国内用产能和性能夯实的是过程逻辑。两者看似在不同赛道，实则共享同一个基础设施——硬件越便宜、部署越多，数据飞轮转得越快，泛化能力提升得越快。柳州工厂每10分钟下线的那台机器人，未来可能就是Helix式模型的训练载体。
当然，也别把56%过度浪漫化。实验室里的零样本成功率和商业交付的可靠性之间，隔着安全冗余、异常处理、长时运行衰减一整片沼泽地。这是行业内部人人都知道、发布会上看不见的部分。
结语
一个月内，零样本成功率9%到56%，百米纪录压进8.86秒，万台级工厂投产——人形机器人的三条战线同时推进。这场竞速里，泛化能力是入场券，产能和可靠性是通行证。2025年剩下的日子，值得盯的不是谁又发了多炫的演示视频，而是：56%的下一个数字是多少，柳州的产线爬坡到几成。上桌的哨声已经响了，但终局远未分出胜负。