Figure 签下 10 万卡 NVIDIA 算力：35 亿美元押注物理智能

10 万卡、35 亿美元，与一个德州地址

9 月 3 日，Figure 宣布与云服务商 Nscale 签署战略合作，为 Helix 系列人形机器人模型的训练锁定大规模算力。按双方公布的口径，Figure 最多可动用 10 万块 NVIDIA Vera Rubin GPU，初始承诺投入 35 亿美元算力，意向总规模超过 60 亿美元。对人形机器人公司来说，这已经不是采购，而是一份把未来数年算力提前签下的长期合约。

时间与地点同样具体：初始部署目标在 2027 年下半年启动，地点是得克萨斯州的 Barstow，之后再逐步扩展到意向规模。也就是说，算力不会立刻到货——现在锁定的是几年之后的供给能力。把它拆成三层会看得更清楚：一份意向（超过 60 亿美元）、一次初始承诺（35 亿美元）与一个起步时间（2027 年下半年）；公告当天真正确定的只有这些规模与时间点，而机房、电力与散热能不能把这些卡跑起来，还要等部署阶段验证。在算力持续紧张的背景里，「能拿到」和「能便宜地拿到」往往比「想拿多少」更关键。

交易结构也并不单向。除了购买算力，Nscale 同时对 Figure 进行战略投资，双方还将探索用仿人机器人来扩展 Nscale 自己的供应链。这一条容易被忽略：人形机器人厂商的客户名单里，多了一个打算用机器人干活的算力公司。

飞轮的四端：数据、模型、算力、本体

Figure 把自己的处境说得很直白：公司已经进入一个阶段，主要受限于训练 Helix 所需要的数据与算力。此前一周公布的 Index 数据集每秒新增约 35 分钟人类行为数据，但数据本身解决不了问题——扩展物理智能需要巨量算力。用 Figure 的话说，这份合作提供的是训练下一代模型所需要的「算力跑道」。

这条跑道服务的是一台已有雏形的飞轮：Index 人类行为数据集、Helix 模型训练、F.03 机器人量产互为燃料。三端确实在同时加速：9 月 30 日，Figure 宣布退役 F.02 机队以配合 F.03 量产，并说明若继续维护 F.02 会拖慢 F.04 的研发进度。硬件换代让位给产能与下一代研发，正是「飞轮」转向时的典型动作。

从工程角度看，十万卡这个量级要解决的问题远不止芯片。训练一个基础模型通常要在成千上万张加速卡之间做密集的梯度同步，卡与卡之间的高速互联、集群的供电与散热、任务调度与故障恢复，任何一环效率不高都会把昂贵的算力空耗掉。自建这样的集群意味着巨额资本开支与漫长的建设周期，向云厂商租用则把这一切打包成可采购的服务——这正是 Nscale 在这笔交易里的角色。

英伟达创始人兼 CEO 黄仁勋对这条链条给出过一个三段式描述：在 Nscale 的 AI 云上用 Vera Rubin 训练 Figure 的模型、在 NVIDIA Isaac Sim 中做验证、再部署到 Figure 机器人里的 NVIDIA GPU 上——他把这称为被激活的「机器人飞轮」。仿真与真机、训练与推理被塞进同一套硬件叙事里，这也是英伟达乐于看到的合作形状。

Figure 创始人兼 CEO Brett Adcock 的表态很简短：Helix 的能力提升方式，和每一个学习系统一样，靠更多数据与算力，这次合作就是为了把这件事需要的东西凑齐。Nscale 创始人兼 CEO Josh Payne 则把物理智能称为 AI 的下一个前沿，并提到他们此前在推理与智能体 AI 上看到的增长，以及 Figure 把这件事往前推得更远。

为什么人形机器人要先锁算力

要理解这笔钱，需要先理解预训练的花法。在大模型领域，数据量、参数规模与算力投入同最终能力之间存在长期被验证的长程规律；而在找到合适的架构、数据配比与训练配方之前，团队往往需要反复做大规模训练实验，每一次实验的成本都以千万美元乃至数亿美元计。对一家把「物理智能」当作主业的公司来说，算力供给的确定性，几乎等于研发节奏的确定性。

这解释了 Figure 为什么在机器人尚未大规模交付时，先把 35 亿美元押在训练上：机器人能力的天花板，取决于模型见过多少人类行为、跑了多少轮训练。也解释了为什么这份合约被写进公司叙事里，与 Index 数据集、F.03 量产并列——它是飞轮里「燃料」的那一段。

对整个人形机器人行业而言，信号相当直白：竞争正在从「谁能造出本体」转向「谁能把训练算力与数据规模堆起来」。过去两年，行业讨论的焦点多半是关节、灵巧手、续航与良率，而现在最贵的一张合约买的是 GPU 时间。当本体逐渐成为可以被采购的部件，训练规模就成了新的分水岭——数据可以自己采、模型可以自己训、关节可以找供应商，但万卡乃至十万卡级别的加速器供给在几年内都是有限且被提前预订的，先把规模签下来，等于在下一轮竞赛开始前先留出跑道。

这份合约还不等于什么

需要如实说明边界。初始部署要到 2027 年下半年才开始，意向中的 60 亿美元需要逐步扩展，「意向」与「已支出」是两回事。用仿人机器人扩展 Nscale 供应链这件事，目前的措辞仍是「探索」。而对 Figure 自己而言，把机器人送进家庭的承诺，与这份算力合约之间还隔着硬件良率、成本、模型可靠性以及真实交付。

另外，训练算力只是模型能力的一个必要条件。Helix 2.5 一类工作已经说明，数据侧的广谱预训练同样是关键变量；机器人能做什么，还取决于真机数据的采集速度与模型能把这些数据用多好。算力合约把「燃料」备足了，但车能不能跑到终点，取决于整条链路。

不过这并不影响这份合约的形状值得记住：它不是一台机器人的订单，而是一笔提前几年签下的资本开支。人形机器人的竞争，正在变成一场关于数据规模与算力储备的竞赛——谁先把这两样东西锁在手里，谁就有资格去谈下一代模型。