人形机器人公司正把竞争从硬件产线推向训练算力。Figure宣布与算力基础设施公司Nscale达成长期合作，计划获得最高10万块NVIDIA Vera Rubin GPU，初始算力承诺价值35亿美元，并表达把总投入扩大到60亿美元以上的意向。首批部署目标指向2027年下半年，地点为美国得州巴斯托，因此这是一份面向未来的容量锁定，而不是已经上线的集群。

机器人公司开始提前买未来算力

Figure的逻辑是，机器人部署越多，采集到的视觉、动作和交互数据越多，训练下一代模型所需的计算也越大。公司称其数据引擎每秒能产生相当于35分钟的数据。这个口径描述的是多台机器人并行采集形成的数据速率，不是单台机器人在一秒里完成35分钟任务，更不等同于35分钟数据全部都能直接用于训练。

Nscale将为Figure提供专用算力基础设施，目标硬件是尚未大规模交付的Vera Rubin平台。首批容量计划落在得州巴斯托，并从2027年下半年开始部署。提前两年锁定资源反映出一个现实：具身智能公司担心未来高端GPU、电力和数据中心建设周期同时成为瓶颈。

合作并非单向采购。Nscale同时对Figure进行战略投资，双方还计划探索把人形机器人用于Nscale供应链和运营。这让交易既包含基础设施供给，也包含机器人客户场景，但具体投资金额、机器人部署数量与落地时间没有公开。

10万块GPU意味着什么

最高10万块GPU是一个足以改变训练节奏的规模，但“最高”不是确定交付量。真正可用容量取决于芯片供给、数据中心建设、电力接入、网络互连、散热和软件栈。即使硬件按期就位，机器人数据的清洗、标注、隐私处理和仿真对齐也会决定集群能否转化为模型能力。

35亿美元同样应被理解为初始承诺，而不是已经一次性支出的费用。长期算力合同往往包含分阶段交付、最低使用量、服务等级和扩容选项。Figure表示有意把总额提高到60亿美元以上，但未披露期限、单价、利用率假设或退出条件，外界无法据此计算每台机器人的训练成本。

从数据洪流到可靠动作还有长链路

更多算力可以加快模型迭代，却不能自动解决真实世界可靠性。机器人视频和传感器记录高度重复，罕见故障样本反而稀少；不同硬件批次、工厂布局和安全规则还会造成数据分布变化。团队需要把数据选择、离线评测、仿真回放、小范围试运行和现场安全审批连成闭环。

企业客户最终关心的也不是训练使用了多少GPU，而是任务完成率、人工接管率、停机时间、单次任务成本和事故风险是否改善。Figure此次公告没有提供这些指标与未来集群之间的量化关系。若缺少统一评测和版本回滚，训练规模越大，错误模型进入现场后的影响范围也可能越大。

基础设施风险同样存在。首批部署距离现在仍有较长周期，目标GPU平台的实际供给、电力工程和机房投产都可能影响时间表。长期绑定单一供应路径也会带来成本和技术路线风险，合同是否允许跨代升级与容量迁移，将直接影响这笔投入的有效寿命。

编辑判断：大合同是门票，不是成绩单

这笔合作显示，头部人形机器人公司正在把算力视为与电机、减速器和生产线同样需要提前锁定的战略资源。Figure若能持续扩大真实部署，集中训练平台确实可能让经验在不同机器人之间快速复制；Nscale则获得一个数据密集、增长预期高的长期客户。

ATYUN编辑判断：最高10万块GPU和35亿美元承诺说明Figure对训练规模的预期，但不能替代交付证据。接下来应核对首批机房是否按期投产、实际到位GPU数量、训练利用率，以及Helix在任务成功率和人工介入率上的可复现改善。只有这些结果出现，算力预订才会从资本承诺变成机器人能力。