Figure 获 10 亿美元融资，启动全球最大真实场景机器人数据集 Go-Big 构建

原创 Mint 具身智能行家 2025年09月19日 17:08 上海

三天前，美国人形独角兽公司 Figure AI 的创始人Brett Adcock放话：

“接下来三天，我们要干三票大的！”

果不其然，就在9 月 16 - 18 日，先是宣布完成超 10 亿美元 C 轮融资，以 390 亿美元的估值刷新行业记录；紧接着官宣与全球最大的另类资产管理公司之一 Brookfield 合作，借助其 10 万套住宅单元、5 亿平方英尺的商业办公空间和 1.6 亿平方英尺的物流空间进行人类数据采集；昨天又说启动了 Project Go-Big，计划构建全球最大真实场景人形机器人预训练数据集，打造 “机器人的 YouTube”。一系列举措凸显其在具身智能领域的加速布局。

10 亿美元 C 轮融资落地，390 亿估值创行业新高

当地时间 9 月 16 日，Figure AI 正式官宣完成 C 轮融资，融资规模超 10 亿美元，投后估值飙升至 390 亿美元（约 2774 亿元）。相较去年 B 轮融资时的 26 亿美元估值，增长了近 15 倍，这一估值水平在当前人形机器人赛道中处于领先地位。

本轮融资由 Parkway Venture Capital 领投，英伟达、英特尔资本、LG 科技风投、Salesforce、高通创投、Macquarie Capital、Align Ventures、Tamarack Global、T-Mobile Ventures 等科技与资本巨鳄纷纷跟投；同时，全球另类资产管理公司 Brookfield 也参与其中，为后续合作埋下伏笔。

，时长01:17

据了解，资金将用于 Figure AI 在三个核心领域的发展，核心聚焦释放其具身智能 AI 系统 Helix 的全部能力：

• 推动人形机器人进入家庭与商业运营：扩大 BotQ 的量产制造和真实环境部署；

• 建设新一代 GPU 基础设施（数据中心）以加速训练与仿真：为 Helix 的感知、推理和控制等核心模型提供算力支持；

• 启动先进的数据采集计划：包括人类视频（即 18 日发布的 Go-Big 项目）和多模态感官输入的数据收集，以提升机器人在复杂、动态环境中的理解和操作能力。

启动 Project Go-Big 数据集建设，借力 Brookfield 10 万套住宅、5 亿平方英尺办公空间及 1.6 亿平方英尺物流空间

在完成巨额融资后的两天，Figure AI 迅速公布核心战略 —— 启动 Project Go-Big 项目，目标是构建全球最大且最多元化的真实场景人形机器人预训练数据集。该数据集将为 Figure AI 自主研发的 VLA 模型 Helix 提供关键训练支撑，直接推动机器人在真实环境中的感知、决策与行动能力提升。

Helix 正在以人类的第一视角视频进行训练，展现了人类在大规模、多样化场景下如何智能地完成目标

Figure 启动 Go-Big 项目，源于对机器学习发展规律的洞察：在视觉、语言、视频等领域，海量多样化数据集驱动了大型神经网络的突破性进展。例如视觉领域的 ImageNet，语言领域的 Wikipedia，生成式视频模型的 YouTube；然而机器人领域却始终缺乏与之媲美的 “数据基石”。

传统机器人训练依靠高成本的人工演示、人工编程或高度控制的实验环境，但这些难以复现真实世界的动态与复杂场景。人形机器人的视角和运动与人类相似，从日常人类视频直接迁移知识从而变得可能。

基于此，Figure AI 希望通过 Project Go-Big 填补行业空白，打造 “机器人行为的 YouTube”，利用海量真实场景数据，以人类第一视角视频训练 Helix 模型，最终实现人形机器人在复杂现实环境中，能够像人类一样智能感知、决策并完成多样化任务的宏伟愿景。

为确保数据集的多样性与真实性，Figure AI 选择与 Brookfield 合作，借助后者的全球资产基础获取丰富场景数据。Brookfield 管理着逾 1 万亿美元的全球资产，涵盖超过 10 万套多样化住宅单元（覆盖不同区域、户型）、5 亿平方英尺商业办公空间（含高层写字楼、创意园区）以及 1.6 亿平方英尺物流空间（包括大型仓储中心、物流枢纽）。目前，Figure AI 已在 Brookfield 的环境中启动数据采集工作，并计划未来数月持续扩大采集规模，进一步丰富数据集维度。

Figure 创始人兼首席执行官 Brett Adcock 强调，此次合作是打造通用人形机器人进程中的一个关键里程碑：“依托 Brookfield 的雄厚实力，我们得以在多元家庭场景中，大规模采集极具人类特征的导航与操作数据。这些珍贵数据，正是实现通用人形机器人的核心要素。” Brookfield 首席执行官 Bruce Flatt 则指出，这种合作模式进一步夯实了公司在 AI 赋能实体资产与业务领域的领先地位：“我们将持续提升实物资产与业务运营的生产效能。”

除了数据采集，双方的合作还将探索更广泛的基础设施建设，包括下一代 GPU 数据中心、用于机器人训练环境的房地产等等。

Helix 模型技术突破，实现从人类视频到机器人行为的直接迁移

依托 Project Go-Big 项目已积累的数据，Figure AI 的 Helix 模型已展现出显著技术进展，三大成果直接体现数据集对模型能力的赋能：

• 语音到导航（Speech-to-nav）：Helix 可直观响应 “走到餐桌旁”“去给植物浇水” 等对话式命令，在复杂、杂乱家庭环境中实现从感知到导航的端到端自主闭环控制。

• 单一统一模型：突破传统机器人 “任务拆分” 模式，一个 Helix 网络可同时输出高频率灵巧操作（如抓取物品）与导航指令，无需为不同任务或数据源构建单独系统，大幅简化系统架构。

• 零样本人到机器（Human-to-robot）迁移：在行业内首次实现端到端学习 —— 仅通过人类行为视频，即可完成从图像与语言信息到低层SE (2) 速度指令的转化，无需依赖任何机器人特定数据或训练。

在仅用 100% 人类视频训练后，Helix 已学会基于自然语言输入在杂乱的空间中完成导航

，时长00:31

从行业视角来看，Figure AI 的一系列动作不仅巩固了自身技术与资源优势，也为整个人形机器人赛道提供了 “数据集驱动技术突破” 的参考路径。正如前 Open AI 研究员姚顺雨所说，几十年来，AI 领域的研究都聚焦着新的训练方法和模型，但进入到 “AI 下半段（The Second Half）”，聚焦点将从 “解决问题” 转移到 “定义问题”，更加注重基准测试（Benchmark），包括数据集、评估任务、评估指标的建设。

不过，当前赛道竞争已日趋激烈，国内企业在技术研发、场景落地等方面也在加速推进。在去年Figure 02 发布和 Demo 视频披露时，业内关于其产品也存在诸多质疑，例如步态僵硬、手臂动作不自然、速度慢、展示场景都是工厂、车间或高度控制的环境。其能否在人形机器人大规模落地中取得领先，还要看后续的技术迭代、产品量产效率、商业场景验证等方面的进展。

#投融资 #Figure #整机厂