2025年2月20日，Figure公司发布自研通用视觉-语言-动作（VLA）大模型Helix，标志着人形机器人领域的技术与资本逻辑同步跃升。Helix通过双系统架构、低算力需求和多机协作等突破性设计，不仅为Figure带来395亿美元的高估值，更引发市场对数据壁垒与自动驾驶路径的深度思考。
一、技术突破重构企业估值逻辑
双系统架构与效率革新
Helix首次采用端到端训练的双系统模型，以潜在向量实现系统间的实时交互，其200Hz高频轨迹输出能力远超传统机器人响应速度。相较理想汽车的交互框架，Helix的联合优化机制显著提升了任务执行的连贯性，为复杂环境下的协作奠定基础。
低成本训练与商业化落地加速
Helix仅需500小时高质量监督数据（不足行业通用数据集的5%）即可完成训练，结合低功耗GPU的运行能力，大幅降低模型开发门槛。这一特性吸引了资本市场关注，Figure新一轮15亿美元融资洽谈已启动，金融反身性效应将加速技术向产业端的渗透。
多机器人协作场景突破
Helix首次实现两台人形机器人协同处理长期任务，验证了其在工业、家庭等场景的扩展潜力。资本对技术迭代的敏感性在估值中充分体现——Figure估值短期内飙升至395亿美元，印证技术领先性成为企业定价的核心要素。
二、行业变量：数据壁垒弱化与自动驾驶跃迁
数据来源的重新评估
Helix的高效训练引发对数据价值的再审视：其泛化能力是否依赖互联网数据而非实体机器人数据？若模型可通过公开数据实现高精度迁移，传统硬件厂商的数据护城河或被削弱，行业竞争维度或将转向算法优化效率。
VLA模型与自动驾驶技术融合
Helix验证了视觉-语言-动作框架在动态环境中的潜力。结合下一代Thor芯片的算力支持，VLA模型有望解决自动驾驶的cornercase难题。机构预测，L3级自动驾驶落地进程或因此缩短，L4级技术路径亦逐渐清晰。
技术路线风险与产业挑战
尽管Helix展现了人形机器人技术突破，但行业仍处技术路线分化期。双系统架构是否成为主流、多模态数据融合标准如何统一等问题尚未解决，企业需在快速迭代中平衡研发投入与商业化节奏。
风险提示：人形机器人技术路径尚未固化，存在技术路线分歧风险。