人形机器人的预训练时刻：Figure 如何用人类视频砸开具身智能的硬件死锁

把一台从来没进过你家门的人形机器人放进客厅，直接让它叠毛巾、铺床、捡玩具。 它能做成吗？ 以前的回答几乎是：不可能。 同一个房间只要光线暗一点，或者床单换了个颜色，机械手就不知道该往哪抓。

机器人要学会做家务，过去一直卡在一个死结里。 你想让它变聪明，就得喂给它海量的真实动作数据。 但这些数据从哪来？ 行业过去唯一的笨办法，是让人类工程师戴着 VR 头显和传感器手套，远程遥操作一台台真实的机器人，一点一点去录。 一台机器人一天能录几个小时？ 马斯克此前就跟股东打过预防针：Optimus 机器人的量产前期会痛苦得要命。 你连一万台机器人都造不出来，上哪去弄成千上万个小时的真实家庭数据？ 身体造不出来，大脑就没饭吃。 身体和数据就这么死死锁在一起。

2026年9月17日，Figure 拿出来的 Helix 2.5，把这个死结砸开了一道缝。 他们做了一场极度硬核的实战测试。 在旧金山湾区租了 30 栋真实民宅。 没有提前派人去扫描三维地图。 没有针对这些房间里的沙发、床垫做任何微调。 直接把 Figure 03 机器人放进陌生的房间，让它当场干活。 收玩具、叠毛巾、铺床。 总共 420 次严格盲测。 规则定得极度苛刻：漏捡一个玩具，或者中途需要人工扶一把，直接判为失败，零分。 如果换成以前从零训练的模型，这种进陌生家门干活的成功率只有 9%。 几乎等于瞎碰。 但这次装上 Helix 2.5 之后，零样本成功率直接拉升到了 56%。 其中铺床达到了 67%，叠毛巾 62%，满地捡玩具 40%。

它突然能处理陌生环境了，难道是 Figure 偷偷多造了几万台机器人去刷经验？ 没有。 这次立功的，连一台机器人都没用。 Figure 搞了一个叫 Index 的项目。 他们在手机上发任务，给全世界的普通人发钱，让人类自己拿手机拍自己干家务。 你用你自己的肉手叠衣服、洗碗、铺被子，拍成第一人称视频传上去。 每过一秒钟，这个系统就能吞进 35 分钟真实人类的日常生活经验。

重点就在这里。 以前大家总觉得，人类的手是骨头和肌肉，机器人的手是电机和减速器。 看人类视频学做家务，最多只能当成看电影，怎么可能直接转化成机器手臂的关节角度和电机出力？ 结果 Helix 2.5 证明：人类日常操作的物理常识，真的能直接跨越身体形态，迁移给机器人。 不仅迁移成功了，背后还藏着一条漂亮的扩展定律。 Figure 把喂进去的人类视频数据连续翻倍，从 1 倍一直喂到 8 倍。 机器人的动作预测误差，沿着一条极度平滑的数学曲线稳定往下掉。 平滑到什么程度？ 在启动最大规模的模型训练之前，工程师仅凭小规模测试的曲线，就把最终的预测损失直接算准到了小数点后四位。 预测误差只有 0.54%。

这意味着什么？ 这意味着大语言模型身上发生过的奇迹，在物理世界的具身智能上同样跑通了。 不需要昂贵的机器机队，只要多喂人类动作视频，机器人大脑对物理世界的理解就能稳定变强。

这也是为什么很多人突然把目光转向了特斯拉的 Optimus。 因为这条路径，直接把人形机器人的时间表往前拽了一大截。 如果大脑的进化必须死绑在成千上万台物理硬件上，那任何团队就算手里握着千亿美元，也得被工厂爬坡的物理周期按在地上摩擦。 可一旦证明人类的真实视频就是具身智能的天然预训练底座，游戏规则就变了。 特斯拉车队每天在路上跑，车载摄像头采集了海量的人类与物理世界交互视频，算力集群里堆着几万张显卡。 在大脑学会如何理解现实世界之前，你根本不需要先造出 5 万台物理机器人去当学徒。 大脑的训练，完全可以跑在身体的前面。

当然，也不用急着开香槟。 56% 的成功率在实验室里算重大突破，放到真实家庭里，意味着 44% 的失败率。 没有哪个人会愿意在自己家里，放一台两把就要搞砸一次的钢铁大家伙。 而且这三样活计，叠毛巾只要折个大概，铺床只是把被角拉平，离真正的炒菜做饭、照顾起居还差着十万八千里。 但这依然是一道极其清晰的分水岭。 人形机器人终于撞开了属于它的预训练时刻。 身体还没出厂，大脑已经在人类的生活里学会干活了。