近日，美国家用人形机器人企业Figure发布了一时长一小时的内部全员大会视频。与外界期待的新品亮相或宏大蓝图不同，此次大会聚焦于一条清晰的战略路径：在硬件进入迭代收敛期后，如何通过“规模化预训练+超大算力”的工程路线，让机器人逐步实现智能化。视频于当地时间10月22日上传至公司官方YouTube频道。
Figure AI创始人兼CEO Brett Adcock在会上全面复盘了公司的研发底座。他披露了第四代人形机器人Figure 04的研发进展、全球人类行为数据采集项目Index的最新成果，以及35亿美元算力订单的细节，并展示了新一代Helix模型的内部测试情况。
硬件方面，Figure 04已完成设计锁定，零部件已进入交付与验证阶段。与已在宝马产线成功落地物流分拣任务的Figure 03不同，Figure 04并未单纯追求续航与负载的提升，而是围绕Helix模型的操控需求，对执行单元进行了重新标定。新一代驱动器、电池及灵巧手同步进入可靠性测试，其中灵巧手是团队投入精力最多的部分。Adcock将Figure 04定义为历代改进幅度最大的一代。他强调，Figure 03已验证了硬件量产的可行性，而Figure 04的目标是打造适配通用家庭及复杂工业混合场景的标准化硬件底座，从而支撑模型在更多陌生环境中稳定执行长序列任务。
支撑模型迭代的根基在于名为Index的全球数据采集项目，这也是Figure区别于同行的核心壁垒。该项目依托面向全球用户的采集App，招募普通人记录居家、办公、仓储等场景下的日常操作行为，而非依赖实验室人工采集或远程操作。截至目前，Index已积累了3750万条人类操作视频，覆盖上百个国家，数据采集速率提升至每秒约81分钟视频，日均新增视频时长约11.66万小时。这些海量长尾场景数据是Helix模型实现零样本泛化能力的关键。此前，Helix 2.5借助Index预训练，在未见过的家庭环境中，任务完成率从9%跃升至56%。然而，Adcock也坦言，该路线成本高昂，单周数据投入高达810万美元。据其判断，未来12个月公司在数据采集方面的投入，可能超过大多数机器人企业迄今获得的总融资额。
算力是机器人进一步迭代的基础。Adcock认为，现实任务种类繁多，无法为每项工作单独采集数据并训练模型，因此必须采用“大规模人类行为数据预训练+少量任务数据微调”的策略。为消化指数级增长的训练数据，Figure与AI算力云厂商Nscale达成了35亿美元的算力合作，计划部署最多10万颗基于英伟达Vera Rubin平台的GPU。算力资源预计于2027年下半年在德州巴斯特基地上线，后续合作规模有望拓展至60亿美元。
演讲尾声，Adcock透露，团队利用迄今规模最大的预训练数据和GPU资源训练了一个新模型，代号“Black Box”。该模型几周前在公司内部实验室完成测试，Adcock形容这是他从事机器人研究以来最重要的时刻之一，并称之为“Baby AGI”。团队正在训练更大规模的版本，预计数周内将有新进展，未来六个月还将开展更大规模的训练。