Figure宣称摸到scaling law，同行不买账

56%的成功率，到底是里程碑还是遮羞布？

Figure AI把机器人送进了30个陌生家庭，然后公布了完整数据：420次测试，成功237次。放在过去，这样的进步足够同行礼貌性鼓掌。但这一次，掌声没来，质疑先到了。

一个估值390亿美元、全球最贵的未上市人形机器人公司，宣称摸到了机器人版scaling law；两位同行却直接指出，这组数据恰恰证明它根本不会泛化。

这场争论值得每个关注具身智能的人认真看一遍——因为它关乎的不是一个公司的面子，而是整个行业接下来要烧掉的上百亿美元，到底押在哪条路线上。

🏠 30个家庭，56%，一场罕见的公开拆台

先看Figure AI自己怎么讲这个故事。

在Helix 2.5的发布视频里，创始人Brett Adcock把话说得很满：「这是Figure AI成立以来最重要的项目。」

Figure AI此次的做法是：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。据称，没有针对这些住宅和物品进行任何训练或适配，30套住宅里都出现了成功案例。

「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表示。

在Figure AI的叙事里，这是机器人领域长期追逐的泛化能力的开端：机器人不再只会重复实验室里学过的动作，而是能把经验带到一个陌生的地方。

然后，Figure AI做了一件行业里少见的事——公布完整测试数据：420次测试，成功237次，完整任务成功率56%。

更有意思的事情随之发生。过去机器人行业的惯例是，同行看完demo留下一句「了不起的工作」，然后回自己实验室暗暗较劲。这次不一样了。

Sunday Robotics联合创始人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。

一个宣称摸到了scaling law，两位同行看到的是一条可能根本走不通的路线。同一次实验，两种截然相反的读法。

📊 为什么偏偏是56%这个数字这么扎眼

要理解同行为什么不留情面，得先看这组数据本身。

56%意味着什么？意味着机器人每做两次任务，就要失败将近一次。而Figure AI给自己设定的任务，是最基础的 household 任务——整理客厅、铺床、折毛巾。

同一棵树，两边的果子完全不同。

Figure的读法：30套住宅、无适配、都有成功案例——这就是泛化正在发生的证据，随着数据和规模继续扩大，成功率会像大语言模型一样随算力和数据指数攀升，这就是机器人版scaling law。

同行的读法：如果系统真的泛化了，成功率不应该呈现这种水平；44%的失败率说明，模型并没有真正理解任务，只是在做类似行为的统计拟合。换一批更陌生的房子、更陌生的物品，成功率可能断崖式下滑。

这里面的关键分歧，其实不是56%够不够好，而是——你相信成功率会随规模自然爬升，还是相信它撞上了一堵墙。

pie title 420次测试结果分布

"成功 237次" : 56

"失败 183次" : 44

🧠 scaling law叙事：人形机器人行业的最大公约数

为什么Figure AI非要把自己往scaling law上靠？

因为这是当前人形机器人行业几乎所有头部玩家共同的故事底座。这个逻辑链条大致是这样的：

大语言模型验证过这条路径：堆数据、堆算力，能力随之提升。机器人行业最大的渴望，就是证明具身智能也存在同样的规律——数据越多，机器人越聪明，而且是可预测的、指数式的聪明。

一旦这个规律成立，故事就通顺了：前期烧钱堆数据看起来低效，但一旦越过临界点，机器人能力会碾压式的领先，早期投入全部转化为护城河。

问题在于，这条路径至今没有被严格证明。语言数据是干净的、稠密的、互联网里现成的；机器人数据要靠真机采集或遥操作，成本高一个数量级，而且天然带噪。语言模型里成立的规律，放到物理世界里能不能照搬，这正是行业内最大的未解问题之一。

Figure AI宣称「找到了机器人版scaling law」，本质上是在给资本市场和自己的团队注入一个确定性叙事：我们做的事情有终局，而且终局很近。

而同行的质疑，本质上是在戳这个叙事最脆弱的部位——如果44%的失败率意味着系统在陌生环境里是靠运气而非能力通过任务的，那scaling law的斜率可能根本画不出来。

一句话：这不是一次技术评测的分歧，是一次路线信仰的分歧。

⚠️ 样板间问题：从Helix前代到Helix 2.5的真正跨越

要公平评价Helix 2.5，得先看它跨过了什么。

过去几代Helix的发布留下过不少记忆点：两台机器人合作拉平被子，或者腾不出手时用屁股顶上洗碗机。能力上确实是自主工作，但收获的最大诟病之一是——每次demo，总在一个光线良好的样板间里工作。

样板间demo的问题不在能力，在信度。光线可控、物品布局可预期、没有真实的居家杂乱，观众无法判断机器人是学会了任务，还是记住了这个房间。

Helix 2.5的进步在这里：30套真实租来的住宅，机器人从未进入过，毛巾是它从未见过的。而且官方明确表示，没有针对这些住宅和物品做任何训练或适配，30套里都出现了成功案例。

不得不说，看完视频，仍然有观察者觉得这像「30个光线良好的样板间」——但即便是带着怀疑看，也要承认：从单一可控环境到30个陌生环境，这仍然是一个很厉害的进步。

注意最后一行。这才是这次发布里最值得称道的地方——公布完整失败数据，在机器人行业是稀缺动作。

过去行业的默认玩法是剪辑出一条90秒的完美视频，配上激昂BGM，把失败片段全部埋进硬盘。Figure选择把44%的失败率摆在台面上，无论其动机是不是为了给scaling law叙事添证据，客观上给了同行和投资人一个真实的坐标系。

但也正因为数据摆上了台面，它就必须接受另一种解读。透明是双刃剑——这是Figure AI用390亿美元估值买来的一次教训。

🔭 这场争论真正的赌注：谁是下一个定义标准的人

把镜头拉远，这场隔空交锋发生在一个人形机器人行业竞赛进入深水区的时刻。

一边，Figure AI估值390亿美元，急于证明自己的数据飞轮已经转起来；另一边，Tesla的Optimus正在量产爬坡中遭遇手部灵巧性与供应商层面的双重阻滞——据行业媒体The Information报道，随着规模化生产启动，Optimus在手部和供应链环节接连受挫。龙头选手们各自卡在从demo到交付的最后一公里上。

而在更小的坐标里，像Feather这样的创业公司正在押注另一条路：一个售价3万美元、面向软件开发者的可定制平台，自称要做「机器人界的Android」。当头部公司在封闭数据飞轮里卷模型时，这些玩家想先把开发者生态的地基铺起来。

三条路线，三种对未来的判断：

• Figure式路线：相信数据规模决定一切，公开数据换取叙事可信度，赌scaling law在物理世界成立；
• Tesla式路线：相信制造能力决定一切，把机器人当车造，赌规模降本，但正被灵巧手和供应商卡脖子；
• Feather式路线：相信生态决定一切，赌长尾场景要靠开发者，而不是靠一家公司自己的数据闭环。

谁对谁错，现在没人知道。但可以确定的是：56%这个数字，会成为接下来所有人评测具身智能系统的心理基准线。

据多位接近行业的人士观察，这场公开争论背后还有一个更现实的背景：人形机器人的资本故事讲了两三年，投资人正在从「看视频打分」转向「要数据说话」。谁先建立一套行业公认的测试标准——多少套陌生环境、多少次测试、成功率怎么算——谁就掌握了下一个阶段的定价权。

Figure AI公布数据这个动作，某种意义上是在抢这个定义权。同行第一时间拆台，也正是在争夺解释权。

写在最后

回看这场争论，最有价值的不是谁说了什么狠话，而是它把一个原本藏在发布会BGM里的问题，第一次摆到了阳光下：

人形机器人的泛化，到底是数据堆出来的必然，还是一场还没被证伪的信仰？

Figure AI的420次测试、56%成功率，无论被读作scaling law的前夜，还是模仿学习的天花板，都已经是这个行业迄今最诚实的一组公开数据之一。而Tony Zhao和Nikolai Ensslen的公开质疑，让这场本可以停留在公关层面的发布，变成了一次真正的技术路线对撞。

对行业来说，这种对撞是好事情。390亿美元的估值需要被检验，44%的失败率需要被拆解，scaling law需要被验证或证伪。下一次，当某家公司宣称「找到了机器人版scaling law」时，所有人都会先问一句：数据呢？

这或许就是这场争论最大的遗产：让数据透明，成为人形机器人行业的新入场券。至于scaling law到底存不存在——答案不在发布会视频里，而在下一个420次测试里。