Figure 簽下 10 萬卡 NVIDIA 算力：35 億美元押注物理智慧

10 萬卡、35 億美元，與一個德州地址

9 月 3 日，Figure 宣佈與雲服務商 Nscale 簽署戰略合作，為 Helix 系列人形機器人模型的訓練鎖定大規模算力。按雙方公佈的口徑，Figure 最多可動用 10 萬塊 NVIDIA Vera Rubin GPU，初始承諾投入 35 億美元算力，意向總規模超過 60 億美元。對人形機器人公司來說，這已經不是採購，而是一份把未來數年算力提前簽下的長期合約。

時間與地點同樣具體：初始部署目標在 2027 年下半年啟動，地點是得克薩斯州的 Barstow，之後再逐步擴充套件到意向規模。也就是說，算力不會立刻到貨——現在鎖定的是幾年之後的供給能力。把它拆成三層會看得更清楚：一份意向（超過 60 億美元）、一次初始承諾（35 億美元）與一個起步時間（2027 年下半年）；公告當天真正確定的只有這些規模與時間點，而機房、電力與散熱能不能把這些卡跑起來，還要等部署階段驗證。在算力持續緊張的背景裡，「能拿到」和「能便宜地拿到」往往比「想拿多少」更關鍵。

交易結構也並不單向。除了購買算力，Nscale 同時對 Figure 進行戰略投資，雙方還將探索用仿人機器人來擴充套件 Nscale 自己的供應鏈。這一條容易被忽略：人形機器人廠商的客戶名單裡，多了一個打算用機器人幹活的算力公司。

飛輪的四端：資料、模型、算力、本體

Figure 把自己的處境說得很直白：公司已經進入一個階段，主要受限於訓練 Helix 所需要的資料與算力。此前一週公佈的 Index 資料集每秒新增約 35 分鐘人類行為資料，但資料本身解決不了問題——擴充套件物理智慧需要巨量算力。用 Figure 的話說，這份合作提供的是訓練下一代模型所需要的「算力跑道」。

這條跑道服務的是一臺已有雛形的飛輪：Index 人類行為資料集、Helix 模型訓練、F.03 機器人量產互為燃料。三端確實在同時加速：9 月 30 日，Figure 宣佈退役 F.02 機隊以配合 F.03 量產，並說明若繼續維護 F.02 會拖慢 F.04 的研發進度。硬體換代讓位給產能與下一代研發，正是「飛輪」轉向時的典型動作。

從工程角度看，十萬卡這個量級要解決的問題遠不止晶片。訓練一個基礎模型通常要在成千上萬張加速卡之間做密集的梯度同步，卡與卡之間的高速互聯、叢集的供電與散熱、任務排程與故障恢復，任何一環效率不高都會把昂貴的算力空耗掉。自建這樣的叢集意味著鉅額資本開支與漫長的建設週期，向雲廠商租用則把這一切打包成可採購的服務——這正是 Nscale 在這筆交易裡的角色。

輝達創始人兼 CEO 黃仁勳對這條鏈條給出過一個三段式描述：在 Nscale 的 AI 雲上用 Vera Rubin 訓練 Figure 的模型、在 NVIDIA Isaac Sim 中做驗證、再部署到 Figure 機器人裡的 NVIDIA GPU 上——他把這稱為被啟用的「機器人飛輪」。模擬與真機、訓練與推理被塞進同一套硬體敘事裡，這也是輝達樂於看到的合作形狀。

Figure 創始人兼 CEO Brett Adcock 的表態很簡短：Helix 的能力提升方式，和每一個學習系統一樣，靠更多資料與算力，這次合作就是為了把這件事需要的東西湊齊。Nscale 創始人兼 CEO Josh Payne 則把物理智慧稱為 AI 的下一個前沿，並提到他們此前在推理與智慧體 AI 上看到的增長，以及 Figure 把這件事往前推得更遠。

為什麼人形機器人要先鎖算力

要理解這筆錢，需要先理解預訓練的花法。在大模型領域，資料量、引數規模與算力投入同最終能力之間存在長期被驗證的長程規律；而在找到合適的架構、資料配比與訓練配方之前，團隊往往需要反覆做大規模訓練實驗，每一次實驗的成本都以千萬美元乃至數億美元計。對一家把「物理智慧」當作主業的公司來說，算力供給的確定性，幾乎等於研發節奏的確定性。

這解釋了 Figure 為什麼在機器人尚未大規模交付時，先把 35 億美元押在訓練上：機器人能力的天花板，取決於模型見過多少人類行為、跑了多少輪訓練。也解釋了為什麼這份合約被寫進公司敘事裡，與 Index 資料集、F.03 量產並列——它是飛輪裡「燃料」的那一段。

對整個人形機器人行業而言，訊號相當直白：競爭正在從「誰能造出本體」轉向「誰能把訓練算力與資料規模堆起來」。過去兩年，行業討論的焦點多半是關節、靈巧手、續航與良率，而現在最貴的一張合約買的是 GPU 時間。當本體逐漸成為可以被採購的部件，訓練規模就成了新的分水嶺——資料可以自己採、模型可以自己訓、關節可以找供應商，但萬卡乃至十萬卡級別的加速器供給在幾年內都是有限且被提前預訂的，先把規模簽下來，等於在下一輪競賽開始前先留出跑道。

這份合約還不等於什麼

需要如實說明邊界。初始部署要到 2027 年下半年才開始，意向中的 60 億美元需要逐步擴充套件，「意向」與「已支出」是兩回事。用仿人機器人擴充套件 Nscale 供應鏈這件事，目前的措辭仍是「探索」。而對 Figure 自己而言，把機器人送進家庭的承諾，與這份算力合約之間還隔著硬體良率、成本、模型可靠性以及真實交付。

另外，訓練算力只是模型能力的一個必要條件。Helix 2.5 一類工作已經說明，資料側的廣譜預訓練同樣是關鍵變數；機器人能做什麼，還取決於真機資料的採集速度與模型能把這些資料用多好。算力合約把「燃料」備足了，但車能不能跑到終點，取決於整條鏈路。

不過這並不影響這份合約的形狀值得記住：它不是一臺機器人的訂單，而是一筆提前幾年簽下的資本開支。人形機器人的競爭，正在變成一場關於資料規模與算力儲備的競賽——誰先把這兩樣東西鎖在手裡，誰就有資格去談下一代模型。