Figure机器人一口气签下能装下10万块英伟达GPU的算力大单

人形机器人公司这周甩出了一份规模惊人的算力合同——不是砸钱造电池或造关节，而是像大模型公司一样去买算力，而且买的规模已经超过了公司迄今为止拿到的全部融资。

交易细节

首批数据中心计划2027年下半年在得克萨斯州巴斯托建成，Nscale同时会成为Figure的股东和首选算力供应商，为Figure的Helix模型和人形机器人提供电力、数据中心容量、GPU算力和调度平台。

为什么一家造机器人的公司要买这么多算力

Figure CEO Brett Adcock给出的解释很直接："要把人形机器人送进全世界每一个家庭，我们现在最大的瓶颈是数据和算力。我们的AI模型Helix和所有靠学习进化的系统一样，数据和算力越多，能力就越强。"

这背后是一套Adcock称之为"物理AI飞轮"的逻辑：用算力在英伟达Vera Rubin平台上训练Helix模型，再用英伟达Isaac Sim做仿真验证，最后把训练好的模型部署进搭载英伟达芯片的Figure机器人里，机器人在真实世界里干活的过程又会产生新数据，反过来喂给下一代模型——训练、仿真、部署、采集数据，形成一个自我强化的闭环。

这条算力大单其实是跟着另一件事同步发生的：Figure本月早些时候刚推出了一款名叫"Index"的数据采集App，目标是拍下普通人在真实世界里做各种任务的视频，因为通用机器人需要的训练数据在市面上根本买不到——量不够、种类不够多、质量也达不到Helix模型的要求。据披露，Index在正式上线前就已经有44,000名周活跃用户，覆盖108个国家，整个数据管道每秒钟能处理超过35分钟的新任务视频。也就是说，Figure现在同时在两条线上砸钱：一条买算力训练模型，一条砸钱采集真实世界数据——这两件事必须同步跟上，模型才能真正变聪明。

有意思的是，训练端在疯狂堆算力，但Figure把机器人本体上的推理做得极其精简：通过4比特量化加上跨两块车载GPU的模型并行，把计算开销压缩到了云端推理的1/23，整机推理功耗控制在60瓦以内——因为机器人身上的电池预算还要留给电机、传感器和安全系统，推理这部分能省则省。这个细节其实很说明问题：训练端可以无限烧钱堆规模，但一旦要塞进机器人身体里，物理世界的电池和散热限制是骗不了人的，这也是"物理AI"和纯软件AI最本质的差异之一。

一场分手，把Figure推向了"必须自己买算力"的处境

这笔交易还有一个不太引人注意的背景：签下这份算力大单之前不久，Figure刚刚公开和OpenAI分道扬镳。据The Decoder报道，Adcock给出的理由是，具身智能这件事必须垂直整合，"我们不能把AI外包出去，就像我们不能把硬件外包出去一样"。双方合作不到一年就宣告结束，核心原因是OpenAI的语言模型经验并不能直接迁移到机器人这种需要在真实物理世界里学习的场景，Figure内部一批有十几年机器人学习背景的研究者，比OpenAI的团队更懂怎么在真实硬件上训练和调试模型。更微妙的一层是，据报道OpenAI当时已经流露出想亲自下场做人形机器人的意图，甚至组建了一个上百人规模的数据采集团队——这让Figure意识到，继续合作下去，对方随时可能从"合作伙伴"变成"直接竞争对手"。

这次分手把Figure直接推到了一个必须自己解决算力问题的处境——既然不能再依赖OpenAI的模型能力，那就只能自己练大模型，而自己练大模型就必须自己搞定算力供应链。这笔和Nscale的交易，某种意义上是Figure和OpenAI分手之后交出的第一份"我们是认真的"答卷。

机器人公司正在活成"长了手脚的大模型公司"，但资本涌入的速度已经明显跑在了商业化前面

这笔交易真正值得注意的，不是10万块GPU这个数字本身，而是它标志着人形机器人这个赛道的竞争逻辑已经变了。过去大家默认机器人公司比拼的是硬件工程能力——电机做得够不够精密、手够不够灵活、电池够不够耐用；但Figure这次的打法说明，真正的护城河正在变成"谁能拿到更多GPU、更多数据中心配额、更多真实世界的人类行为数据"——这套竞争逻辑，跟OpenAI、Anthropic这些纯软件的大模型公司几乎一模一样。英伟达自己也在同步下这盘棋：从Cosmos系列世界模型、Isaac GR00T机器人基础模型，到Jetson Thor车载算力芯片，英伟达正在把训练、仿真、部署这整条链路全部纳入自己的技术栈，试图成为具身智能领域的"操作系统"——就像安卓之于智能手机一样。Figure、Boston Dynamics、Agility Robotics等一众机器人公司，本质上都是这套操作系统上跑的"应用"，谁能拿到更多底层算力资源、更早接入这套技术栈，谁就更有可能在赛道里活下来。

但这个叙事有一个绕不开的另一面：资本涌入的速度，明显跑在了实际商业化的前面。Figure今年早些时候完成新一轮融资，估值已经冲到390亿美元，而公司实际部署在真实商业场景里的机器人只有几百台——这个估值和实际落地规模之间的落差，本身就是这个行业普遍存在的现象，而不只是Figure一家的问题。作为对照，马斯克旗下的Tesla Optimus今年1月被马斯克自己承认，没有一台机器人在特斯拉的工厂里真正干着"有用的活"，一千多台Optimus机器人摆在得州和加州的工厂里，主要作用是"学习和采集数据"，而不是投入生产——这和他一年前预测的"年内量产、投入实际使用"的说法相去甚远。相比之下，Figure的第二代机器人已经在宝马斯帕坦堡工厂的产线上实际工作，是少数几个真正进入商业化生产环境的人形机器人案例之一，这也是Figure这次敢一口气签下几十亿美元算力合同、并说服Nscale愿意入股的底气所在。但即便如此，资深机器人专家仍然普遍保持怀疑——iRobot联合创始人Rodney Brooks就直言，把人形机器人当成"什么活都能干的全能助手"这种设想，本质上是"纯粹的幻想"。

对于关注具身智能这个方向的从业者和投资人来说，这条新闻释放的信号是双重的：一方面，接下来评估一家机器人公司的竞争力，光看demo视频里机器人叠衣服叠得多利索已经不够了，更该问的是它背后有没有足够的算力和数据供给能撑住持续迭代——这已经变成了这个赛道新的"入场券"标准；但另一方面，当估值、算力订单的数字增长速度，明显快过实际商业部署规模的增长速度时，这个行业距离真正跑通商业模式，可能比资本市场表现出来的乐观程度要更远一些。谁能率先把"烧钱训练模型"变成"机器人真的能在工厂、仓库、家庭里稳定干活挣到钱"，谁才能笑到最后。

来源：Figure / Nscale / The Decoder / WOWTALE / Interesting Engineering