Figure把机器人送进了30个陌生家庭，让它们面对散落的玩具、没叠的毛巾和需要整理的床铺。9月17日，这家公司发布Helix 2.5，公布了上述三类任务的测试结果：完整任务成功率56%。评估口径按整项任务是否完成计算，因安全原因需要人工介入即判为失败。在保持其他条件一致的对照试验中，Index预训练将成功率从9%提高到56%——前一个数字是对照组成绩，并非上一代产品的水平。公司同时说明，这是其自行公布的测试结果，还不能当作独立验证的产品成绩。

这次测试的核心命题是“换个地方还会不会干活”。所谓零样本，指没有针对测试家庭和物体采集训练数据或进行适配，任务本身仍在其他环境中学过。同一预训练底座分别适配三类任务，也不等于一个机器人已能自主包办全屋家务。测试的真正价值在于触及了安装使用成本：买洗衣机很少有人担心到家不会洗衣服，但买一台人形机器人若还要工程师上门采数据、调模型，甚至隔一阵重新教一遍，事情就复杂得多。机器价格可随产量下降，逐户适配的人力成本却未必如此。家庭也不会迁就机器人——椅子今天在床边、明天可能挪到窗前，玩具有的在地毯上、有的滚进沙发下面。让机器少依赖事先安排好的条件，比多学会一个固定动作更关系到它能卖给多少人。

Figure成立于2022年，创始人Brett Adcock此前做过招聘平台Vettery，也创办了电动垂直起降飞行器公司Archer。2023年3月正式亮相时，团队来自波士顿动力、特斯拉、苹果等公司，覆盖机械、电气、控制和AI。两个月后，Figure宣布获得7000万美元A轮融资，当时公司只有50人，已完成Figure 01早期原型的制造、集成与测试。早期路线颇为务实：Adcock把制造、物流、仓储列为优先市场，家庭放在更远的位置。

2024年，资金与合作伙伴加速聚集。Figure完成6.75亿美元B轮融资，估值达26亿美元，投资方包括微软、英伟达、OpenAI创业基金等，并与OpenAI建立技术合作。Figure 02随之推出，宝马后来披露，该机器人在斯帕坦堡工厂约10个月应用中累计运行约1250小时、搬运超过9万个零件——承担的是特定生产工序，并非独立造车，但已进入真实流程。资本预期走得更快：2025年9月，Figure宣布C轮获得超过10亿美元承诺资本，投后估值达390亿美元，从26亿到390亿前后不到两年。这样的估值所需业务体量远超几个工厂项目，公司必须让外界相信今天为一个工序开发的能力未来能扩展到更多工作。

2025年也是Figure方向变化明显的一年。当年2月，Adcock宣布结束与OpenAI的技术合作，称公司在自研机器人AI上取得进展。随后推出的Helix把视觉、语言与动作联系起来。今年1月发布的Helix 02把学习式控制扩展到全身，系统分层处理目标理解、动作生成和平衡控制，并结合人类动作数据与仿真训练。2025年10月发布的Figure 03加入掌心摄像头和指尖触觉感知——手伸进柜子时头部摄像头可能看不清，碰到物体画面也未必说明是否抓稳，这些细碎改进决定最后几个动作能否完成。

身体和模型之外还需要经验。今年8月，Figure公布Index，开始更大规模组织人类活动视频采集，公司当时披露参与者上传视频超过1600万段，已向贡献者支付1500万美元。但看人干活转化起来并不直接：镜头能记录手拿起杯子的过程，未必完整记录抓握时的受力和摩擦变化，人的手与机器人的手也不同。人类视频在扩充经验，真机数据、仿真和实际执行仍不可缺少。Helix 2.5的意义正在于此——Figure已为数据组织付出成本，现在需要证明这些材料确实能帮机器人干活，而30个家庭的测试只给了初步结果，尚不足以回答继续增加数据能力会提高多少、每次提高又要花多少钱。

与特斯拉相比，两者并非“Figure懂AI、特斯拉懂制造”的简单分野。Figure自己做关键硬件、建设工厂，特斯拉也把视觉、规划、神经网络和高效推理硬件放在机器人路线的重要位置。更明显的区别是家底：特斯拉做过多大规模制造，知道供应商怎么管理、产品怎样从样机变成批量商品，也有自己的工厂作为测试和学习场所；Figure需要一项项建设，还要与宝马这样的外部客户协调。但造车经验不会直接变成机器人能力，道路数据不能自动教会手指整理床单。Figure已公开较具体的家庭任务评估和宝马应用记录，优势可落到可讨论的任务上，只是这些记录还没回答完整成本问题。制造数量尤其容易被放大：今年4月Figure称BotQ已制造并交出超过350台Figure 03，生产节拍提高到每小时一台，但这些机器包含内部研发、数据采集和商业应用开发用途，不能全部算成客户购买的产品。特斯拉7月发布的二季度材料则披露，弗里蒙特工厂正在安装Optimus首代生产线，计划年内开始生产，最初制造的机器人将用于Optimus Academy的数据采集和功能开发。两家公司有个共同处境：都需要先造一批机器人，帮自己把机器人教得更好。

从工厂走向家庭，并不意味着Figure放弃工业应用。今年6月宝马还宣布推进Figure 03项目，探索物流中的零件分拣与排序。工厂检验稳定性和作业要求，家庭则不断提出新的环境变化。家用产品格外挑剔：用户是为了省事才买它，机器人慢一点也许可以接受，工作时还要人在旁边照看就很容易让人失去耐心。抓空了能否重试、东西掉了能否发现、卡住后会不会自己调整，都影响它究竟省下多少时间。这些问题也会回到公司账上——每台机器需要多少售后支持、远程接管要安排多少人、硬件故障多久能修好，都是售价之外的成本。减少逐户训练的尝试很重要，但只有后续工作也能被控制住，业务扩大才不会带来同样庞大的服务负担。对于一次陌生家庭测试，56%值得认真看；对于每天都要面对的家务，用户还会继续等。