Figure把機器人送進了30個陌生家庭，讓它們面對散落的玩具、沒疊的毛巾和需要整理的床鋪。9月17日，這家公司釋出Helix 2.5，公佈了上述三類任務的測試結果：完整任務成功率56%。評估口徑按整項任務是否完成計算，因安全原因需要人工介入即判為失敗。在保持其他條件一致的對照試驗中，Index預訓練將成功率從9%提高到56%——前一個數字是對照組成績，並非上一代產品的水平。公司同時說明，這是其自行公佈的測試結果，還不能當作獨立驗證的產品成績。

這次測試的核心命題是“換個地方還會不會幹活”。所謂零樣本，指沒有針對測試家庭和物體採集訓練資料或進行適配，任務本身仍在其他環境中學過。同一預訓練底座分別適配三類任務，也不等於一個機器人已能自主包辦全屋家務。測試的真正價值在於觸及了安裝使用成本：買洗衣機很少有人擔心到家不會洗衣服，但買一台人形機器人若還要工程師上門採資料、調模型，甚至隔一陣重新教一遍，事情就複雜得多。機器價格可隨產量下降，逐戶適配的人力成本卻未必如此。家庭也不會遷就機器人——椅子今天在床邊、明天可能挪到窗前，玩具有的在地毯上、有的滾進沙發下面。讓機器少依賴事先安排好的條件，比多學會一個固定動作更關係到它能賣給多少人。

Figure成立於2022年，創始人Brett Adcock此前做過招聘平台Vettery，也創辦了電動垂直起降飛行器公司Archer。2023年3月正式亮相時，團隊來自波士頓動力、特斯拉、蘋果等公司，覆蓋機械、電氣、控制和AI。兩個月後，Figure宣佈獲得7000萬美元A輪融資，當時公司只有50人，已完成Figure 01早期原型的製造、整合與測試。早期路線頗為務實：Adcock把製造、物流、倉儲列為優先市場，家庭放在更遠的位置。

2024年，資金與合作伙伴加速聚集。Figure完成6.75億美元B輪融資，估值達26億美元，投資方包括微軟、輝達、OpenAI創業基金等，並與OpenAI建立技術合作。Figure 02隨之推出，寶馬後來披露，該機器人在斯帕坦堡工廠約10個月應用中累計執行約1250小時、搬運超過9萬個零件——承擔的是特定生產工序，並非獨立造車，但已進入真實流程。資本預期走得更快：2025年9月，Figure宣佈C輪獲得超過10億美元承諾資本，投後估值達390億美元，從26億到390億前後不到兩年。這樣的估值所需業務體量遠超幾個工廠專案，公司必須讓外界相信今天為一個工序開發的能力未來能擴充套件到更多工作。

2025年也是Figure方向變化明顯的一年。當年2月，Adcock宣佈結束與OpenAI的技術合作，稱公司在自研機器人AI上取得進展。隨後推出的Helix把視覺、語言與動作聯絡起來。今年1月釋出的Helix 02把學習式控制擴充套件到全身，系統分層處理目標理解、動作生成和平衡控制，並結合人類動作資料與模擬訓練。2025年10月釋出的Figure 03加入掌心攝像頭和指尖觸覺感知——手伸進櫃子時頭部攝像頭可能看不清，碰到物體畫面也未必說明是否抓穩，這些細碎改進決定最後幾個動作能否完成。

身體和模型之外還需要經驗。今年8月，Figure公佈Index，開始更大規模組織人類活動影片採集，公司當時披露參與者上傳影片超過1600萬段，已向貢獻者支付1500萬美元。但看人幹活轉化起來並不直接：鏡頭能記錄手拿起杯子的過程，未必完整記錄抓握時的受力和摩擦變化，人的手與機器人的手也不同。人類影片在擴充經驗，真機資料、模擬和實際執行仍不可缺少。Helix 2.5的意義正在於此——Figure已為資料組織付出成本，現在需要證明這些材料確實能幫機器人幹活，而30個家庭的測試只給了初步結果，尚不足以回答繼續增加資料能力會提高多少、每次提高又要花多少錢。

與特斯拉相比，兩者並非“Figure懂AI、特斯拉懂製造”的簡單分野。Figure自己做關鍵硬體、建設工廠，特斯拉也把視覺、規劃、神經網路和高效推理硬體放在機器人路線的重要位置。更明顯的區別是家底：特斯拉做過多大規模製造，知道供應商怎麼管理、產品怎樣從樣機變成批次商品，也有自己的工廠作為測試和學習場所；Figure需要一項項建設，還要與寶馬這樣的外部客戶協調。但造車經驗不會直接變成機器人能力，道路資料不能自動教會手指整理床單。Figure已公開較具體的家庭任務評估和寶馬應用記錄，優勢可落到可討論的任務上，只是這些記錄還沒回答完整成本問題。製造數量尤其容易被放大：今年4月Figure稱BotQ已製造並交出超過350台Figure 03，生產節拍提高到每小時一台，但這些機器包含內部研發、資料採集和商業應用開發用途，不能全部算成客戶購買的產品。特斯拉7月釋出的二季度材料則披露，弗裡蒙特工廠正在安裝Optimus首代生產線，計劃年內開始生產，最初製造的機器人將用於Optimus Academy的資料採集和功能開發。兩家公司有個共同處境：都需要先造一批機器人，幫自己把機器人教得更好。

從工廠走向家庭，並不意味著Figure放棄工業應用。今年6月寶馬還宣佈推進Figure 03專案，探索物流中的零件分揀與排序。工廠檢驗穩定性和作業要求，家庭則不斷提出新的環境變化。家用產品格外挑剔：使用者是為了省事才買它，機器人慢一點也許可以接受，工作時還要人在旁邊照看就很容易讓人失去耐心。抓空了能否重試、東西掉了能否發現、卡住後會不會自己調整，都影響它究竟省下多少時間。這些問題也會回到公司賬上——每台機器需要多少售後支援、遠端接管要安排多少人、硬體故障多久能修好，都是售價之外的成本。減少逐戶訓練的嘗試很重要，但只有後續工作也能被控制住，業務擴大才不會帶來同樣龐大的服務負擔。對於一次陌生家庭測試，56%值得認真看；對於每天都要面對的家務，使用者還會繼續等。