Figure 发布 Helix 2.5 具身大模型，人形机器人实现陌生环境零样本作业

 美国人形机器人初创企业 Figure AI 正式对外发布新一代具身神经网络 Helix 2.5，搭载该模型的 Figure 01 人形机器人，完成多项突破性现场测试。根据 Figure 官方披露与海外科技媒体实测报道，新版本模型支持机器人抵达完全陌生环境后，无需提前环境建图、无需专项训练，直接完成全身自主作业，同时具备实时感知、任务规划、物体操作、错误自检与自我纠错能力。Helix 2.5 的发布，被海外机器人领域专家视为通用人形机器人在具身智能方向重要里程碑，大幅缩小原型机器人和真实商用场景之间的能力鸿沟。

总部位于加州的 Figure AI 是全球人形机器人赛道明星初创公司，核心团队汇集大量来自波士顿动力、特斯拉、谷歌 DeepMind 等机构机器人与 AI 人才。企业定位打造面向工业场景通用人形机器人 Figure 01，目标替代工厂内重复性人工岗位，完成物料搬运、分拣、工具操作、设备维护辅助等工作。此前版本 Helix 模型已经实现基础物体抓取、环境导航，Helix 2.5 在感知融合、全身运动控制、长时序任务推理、异常纠错能力上实现跨越式升级。

在公开演示视频中，Figure 01 进入从未预先扫描的陌生实验室场景。系统仅依靠机器人自带相机、深度传感器、力传感器实时采集环境信息。接收到自然语言指令之后，机器人自主解析任务目标，识别空间障碍物、各类物体，规划全身运动轨迹，完成抓取、搬运、放置、开关柜门等连贯操作。当操作发生失误，例如抓取物体滑落，机器人可以实时感知异常，自主调整手部姿态，重新完成任务，不需要人类远程介入修正。这种零样本泛化能力，正是当前人形机器人行业最核心的技术瓶颈。传统工业机器人，需要工程师提前编程、标定环境；现有多数人形原型机，只能在预先搭建好的固定场景完成演示，环境布局一旦发生变化，任务就会失败。Helix 2.5 尝试解决这一痛点，让机器人具备一定自主适应未知环境能力。

Figure 首席工程师在海外媒体采访中介绍，Helix 2.5 并非单纯调用云端大模型，而是采用端侧 + 云端混合架构。感知、运动控制、紧急安全判断等低延迟任务，在机器人本地端侧算力运行；复杂长链条任务推理、知识库查询，可按需调用云端模型。这套架构平衡响应速度与智能能力，避免网络延迟导致机器人动作失控。同时模型针对人形机器人本体动力学特性专门优化，将视觉语言模型输出指令，高效转化为全身关节运动指令，解决大模型 “语言理解强、物理执行弱” 的行业普遍难题。

尽管本次技术演示获得行业高度关注，但海外机器人学术界与产业界也提出冷静判断。Helix 2.5 完成的任务，仍然属于有限复杂度场景，面对动态干扰多、物体形态多变、精细操作要求高的真实工厂，可靠性依然有待大规模长时间验证。零样本不等于全知全能，当遇到模型从未见过的新型物体、极端复杂地形，机器人依然可能出现感知误判、动作摔倒等问题。另外，模型算力消耗、功耗水平，会直接影响机器人续航时长，这也是工程落地必须解决的现实约束。

商业化层面，Figure AI 目前推进工厂试点合作，和多家北美制造企业开展小范围现场测试，收集真实工况数据持续迭代模型。企业商业化路径选择优先深耕制造业，避开短期难度极高的家庭服务场景。逻辑在于，工厂环境相比家庭环境规则更强、任务类型相对集中，更容易测算投资回报。人形机器人上岗之后，主要承接夜班物料转运、重复上下料等枯燥岗位，缓解制造业劳动力短缺压力。北美制造业近年来持续面临劳动力缺口，制造业岗位招工困难，这为人形机器人工业试点提供市场基础。

全球具身智能赛道竞争正在加速。特斯拉 Optimus、Agility Digit、波士顿动力 Atlas，以及日韩、中国多家企业，都在研发机器人专用具身模型。技术路线分化为两大方向：一类像 Figure 这样，从头训练面向人形本体的专用具身神经网络；另一类是基于通用多模态大模型做适配，把文本、视觉能力迁移到机器人控制。两条路线各有优劣，专用模型物理控制能力更强；通用大模型拥有更强知识理解能力，但运动控制落地难度更大。学界普遍认为，未来成熟方案大概率是两条技术路线融合。

行业研究机构分析认为，人形机器人硬件性能过去几年持续进步，电机、减速器、灵巧手硬件指标不断提升，但软件智能一直是短板。硬件决定机器人能做哪些动作，具身大模型决定机器人能不能理解环境、自主规划任务。此前行业发展瓶颈更多卡在硬件，现在重心逐步转向具身智能算法。未来产业竞争，不再单纯比拼机器人跑得多快、负重多大，核心比拼环境泛化能力、任务理解能力、容错能力。

资本市场对 Figure 这类具身 AI 企业保持较高关注度，但投资心态相比前两年趋于谨慎。投资人不再只看炫酷演示视频，更看重长期稳定作业数据、客户试点反馈、单位任务成本。人形机器人行业已经告别只靠概念融资阶段，进入必须用真实场景数据证明价值的阶段。

综合海外行业评论，Helix 2.5 的发布证明具身大模型可以显著提升人形机器人自主能力，但距离通用人工智能人形机器人还有漫长距离。未来 Figure 需要持续在真实工厂长时间测试，积累海量物理交互数据，持续优化模型稳定性。接下来 1 到 2 年，全球人形机器人企业都会加大具身模型投入，具身智能算法，将取代硬件参数，成为人形机器人技术竞争的核心主战场。