Nscale Figure AI 算力交易将人形机器人推向基础设施考验

Nscale 与 Figure 签署了一项价值 35 亿美元的算力协议，将 Figure 的人形机器人雄心与多达 10 万颗下一代 NVIDIA GPU 绑定在一起。

这项 Nscale Figure AI 算力交易并不只是一次大型云服务采购。Nscale 还将投资 Figure，并成为其首选算力提供商。首批部署目标是在 2027 年下半年于 Nscale 计划在得州巴斯托建设的基础设施中启动。

这种安排形成了核心张力。Figure 表示，更多数据和算力将使其 Helix 机器人模型更具能力。然而，在两家公司披露付款时间表、部署里程碑，或提供更大规模训练与商业机器人表现之间关联的独立证据之前，如此规模的承诺已先行公布。

该协议也让 NVIDIA 覆盖整条技术链。Figure 计划在 NVIDIA Vera Rubin 系统上训练模型，借助 NVIDIA Isaac Sim 进行验证，并在其机器人内部部署 NVIDIA 处理器。

对 Figure 而言，这项协议预留了一条通往前沿模型级基础设施的路径。对 Nscale 而言，它带来了一位重要的机器人客户，同时也获得了该客户的股权头寸。

因此，这一公告将人形机器人变成了一场基础设施考验。问题不再是机器人能否完成精心挑选的演示，而是数据中心、仿真、现实世界数据、融资和机器人部署能否同步改进。

Nscale Figure AI 算力交易实际包含什么

该协议为 Figure 提供了通往庞大算力的路径，但并不意味着 10 万颗 GPU 如今已在运行。

Figure 和 Nscale 于 2026 年 9 月 3 日宣布了这项多年期合作关系。两家公司称，初始算力承诺金额为 35 亿美元，并有意将合作规模扩大至超过 60 亿美元。

该基础设施最终可能包含多达 10 万颗基于 NVIDIA Vera Rubin 平台的 GPU。首批系统计划于 2027 年下半年在得州巴斯托开始部署。

这些限定很重要。“多达”描述的是潜在上限，而“计划”描述的是时间安排，并非已经完成的交付。公告没有提供逐年 GPU 数量，也没有说明何时达到最大规模。

两家公司也没有披露协议的付款时间表。目前尚不清楚 Figure 必须购买多少容量、这些义务何时开始，以及后续阶段由哪些里程碑决定。

根据合作公告，Nscale 将对 Figure 进行战略投资。该投资的规模和条款尚未披露。

Nscale 还将成为 Figure 的首选算力提供商。这一安排将云服务供应商的商业回报与 Figure 的需求挂钩，而其股权则使其能够分享 Figure 估值带来的敞口。

该协议覆盖的不只是租用处理器。Nscale 表示，其模式结合了数据中心容量、电力、GPU 基础设施和云编排。编排是指在众多系统之间调度和管理计算工作负载的软件层。

Figure 打算将这套基础设施用于 Helix 的未来几代产品；Helix 是其用于控制人形机器人的模型家族。Helix 将视觉输入、语言指令和物理动作连接起来。

计划中的工作流程横跨三个阶段。训练将在 Nscale 的 NVIDIA 基础设施上进行。仿真和验证将使用 NVIDIA Isaac Sim，这是一个用于开发和测试机器人系统的虚拟环境。

随后，训练完成的模型将在 Figure 机器人内部的 NVIDIA 计算硬件上运行。现实世界中的活动可能产生更多训练数据，并为后续模型开发提供输入。

NVIDIA CEO 黄仁勋将这一过程称为机器人飞轮。这一描述概括了预期中的循环，但并未证明每一轮循环能够以多快速度提升性能。

该交易还包括一项潜在的运营联系。Figure 和 Nscale 表示，他们将探索在人形机器人在 Nscale 供应链中的应用。

这一提议仍处于探索阶段。两家公司没有公布将在 Nscale 相关运营中部署的机器人数量、地点、任务清单或时间表。

因此，最可靠的解读要比头条数字更为收窄。Figure 已获得一条通往大规模算力的计划路径，且最早将于 2027 年开始。

Nscale 获得了一位重要的潜在客户和一项所有权权益。NVIDIA 则将其硬件与软件布局于训练、仿真和机器人部署的各个环节。

改变的是 Figure 基础设施承诺的规模。尚未改变的是交付、融资和高效利用这些基础设施的需求。

Figure 为何认为其机器人需要前沿规模算力

Figure 押注于：人形机器人的进展如今既取决于模型训练和多样化数据，也取决于电机、机械手和制造能力。

传统工业机器人通常在严格受控的环境中运行。工程师会定义它们的工作空间、运动方式、工具和安全边界。

通用人形机器人面临更广泛的挑战。它们必须识别不同物体、理解指令、调整平衡，并完成一连串较长的物理动作。

这种复杂性带来了庞大的训练难题。一个有用的系统需要涵盖不同房间、物体形状、光照条件、视角、人类偏好和意外中断的示例。

Figure 表示，Helix 同时通过数据和算力提升能力。Figure 创始人兼 CEO Brett Adcock 将这两项资源描述为进一步模型开发的主要约束。

这项算力协议紧随 Figure 推出 Index 之后。Index 是一个旨在收集现实世界视频以训练机器人的系统。Figure 的Index 更新称，截至 8 月 25 日，该平台已收到超过 1,600 万个上传视频。

Figure 还报告称，平台下载量超过 26.4 万次，周活跃用户超过 4.4 万名。该公司表示，其处理流程每秒大约处理 30 分钟的上传视频。

这些数字来自 Figure，尚未经独立审计。不过，它们解释了 Nscale 机器人算力战略背后的推进顺序。

Index 试图扩大物理世界数据的供给。Nscale 则为将这些数据处理为新一代模型提供未来路径。

这不同于主要使用文本和代码训练语言模型。物理数据包含运动、时序、深度、接触、力、物体状态和环境变化。

机器人还必须将模型输出转化为安全行动。错误的文本回复可能令用户感到沮丧，而错误的物理动作则可能损坏财物或伤害他人。

仿真帮助开发人员在无需让机器人进入每一种可能情境的情况下测试更多条件。Isaac Sim 可在软件部署到实体硬件之前，对场景、传感器和机器人行为进行建模。

仿真仍有局限。真实物体会变形、滑动、破裂，其行为也可能不同于虚拟表示。人类环境还包含难以完全建模的不规则布置。

Figure 提出的飞轮试图弥合这一差距。人类生成的数据支持训练，仿真环境支持验证，已部署的机器人则从实际运营中产生证据。

更多算力能够扩展实验、模型规模和训练量。它无法自动修复有偏数据、薄弱评估、不可靠硬件，或仿真与现实之间的差距。

这一区别是理解任何 Figure AI 算力说明的核心。该协议提供的是容量，而非得到保证的智能。

基础设施之所以重要，是因为 Figure 希望由一个学习系统支持多种任务。这一目标所要求的泛化能力，远高于为单一固定工位编写机器人程序。

Figure 已展示机器人执行物流和家庭风格任务。它还宣布了涉及 BMW 和 Catalyst Brands 的商业合作。

这些案例为 Figure 提供了真实环境用于测试。不过，公开演示和已宣布的合作关系并不能揭示整个机器人群的可靠性、人工干预率或客户经济效益。

Nscale Figure AI 算力交易在这些商业指标公开之前解决了一个瓶颈。它假设，随着 Figure 收集更多数据，训练容量仍将是一项主要约束。

这一假设合理，但仍只是一个假设。决定性证据将来自在陌生环境中的可测量改进，以及长期部署表现。

真正的较量是基础设施承诺与部署现实之间的落差

Figure 已为大型物理 AI 系统预留了所需条件，但将其转化为可靠机器人的艰难工作仍在前方。

这个故事中的主要对手不是另一家人形机器人公司，而是基础设施承诺与实际运营的机器人业务之间的落差。

已公布的数字描述的是潜在容量，而不是已交付的 GPU 小时数、已完成的训练轮次、量产机器人数量或客户续约率。

首批部署计划于 2027 年下半年启动。这使项目面临建设进度、电力供应、网络安装、冷却系统、芯片供给和软件集成等风险。

接近 10 万颗 GPU 的集群并非一组简单的加速卡集合。它需要高速互连、存储、电力分配、冷却、监控和故障管理。

训练还需要能够让这些处理器保持高效运转的软件。糟糕的数据管道或低效的模型代码，可能令昂贵的基础设施未被充分利用。

Vera Rubin 是 NVIDIA 继 Blackwell 之后的下一代计算平台。NVIDIA 将 Rubin 描述为机架级系统，而非独立芯片。

这种设计将加速器与 CPU、网络和其他组件结合在一起。它也加大了对整个系统协调交付的依赖。

因此，Nscale 必须同时在建设和运营上兑现承诺。Figure 则必须开发出足够有价值的训练工作负载，以证明预留容量的合理性。

这项数据中心计划将 Figure 的计划部署地点设在 Nscale 位于巴斯托的设施。Nscale 也正在那里为 Microsoft 开发基础设施。

多个大型客户可以改善一座设施的经济基础，但也可能带来关于容量分配、交付顺序和共享基础设施的问题。

公开公告没有说明 Figure 的潜在 GPU 将如何与其他承诺并存。它也没有明确每套系统是否都会专门供 Figure 独享。

Figure 面临另一项执行挑战：它必须证明，更大规模的训练能够带来客户可观察、可重视的改进。

仅凭模型基准测试无法回答这个问题。买家需要的是能长时间完成有用工作、且无需频繁人工干预的机器人。

相关衡量指标包括任务完成率、两次故障之间的运行时间、安全事故、远程协助、维护需求，以及在陌生环境中的表现。

Figure 尚未公布覆盖大规模商业机群的完整指标。这种缺失在早期机器人市场中很常见，但限制了外部评估。

这一时间表使分阶段验证至关重要。Figure 可以在 2027 年前改进 Helix，但其承诺的最大规模基础设施将在更晚时候到位。

这种安排为 Figure 留出了收集更多数据和优化模型的时间。同时也意味着，已宣布的算力规模无法解释当前机器人的性能。

Nscale 也承担着自身的商业风险。为快速成长的客户建设基础设施，若需求如期兑现，能够带来持久的云服务收入。

然而，若部署延期，或客户实际消耗的容量低于预期，未来承诺的价值就会下降。合同结构决定了多少风险仍由供应商承担。

两家公司尚未披露足够的商业细节来解决这一问题。外部人士无法判断 Figure 是否必须坚定地采购全部初始承诺容量。

这正是股权投资值得关注的原因。Nscale 不仅在向 Figure 销售算力，也正在成为这家购买算力公司的股东。

这种安排可以协调双方的激励。Figure 的增长会让 Nscale 受益，而 Figure 也获得了一家有动力支持其扩张的供应商。

但这也可能使需求分析更复杂。一部分经济价值从供应商流向客户，与此同时，客户又承诺购买供应商的容量。

这并不意味着该交易缺乏实质性。它意味着读者应区分独立资金支持的需求与战略支持的需求。

随着实体基础设施上线、Figure 将其用于高效训练，该协议的说服力将更强。在此之前，这一规模仍是一项正在建设中的承诺。

NVIDIA 横跨整个实体 AI 闭环

NVIDIA 有望提供将 Figure 数据中心与每台机器人连接起来的训练系统、仿真环境和机载计算能力。

Nscale 的机器人算力协议展示了 NVIDIA 如何将其布局扩展至大语言模型训练之外。人形机器人为加速计算创造了另一个潜在市场。

这一机会涵盖多个层面：大型 GPU 集群用于训练机器人模型，仿真平台用于测试它们，而更小型的机载系统则在实体机器中执行这些模型。

NVIDIA 参与了每一层。Vera Rubin 提供计划中的训练平台，Isaac Sim 支持虚拟测试，NVIDIA 处理器则运行在 Figure 机器人内部。

这种架构为开发者提供了一条从云端训练到实体部署的更一体化路径。同时，它也将大量技术依赖集中在单一供应商的平台之中。

Figure 可从共享的软件与工具链中受益。在协调一致的环境中开发的模型，可以更轻松地在训练、仿真和部署之间迁移。

但更紧密的集成也可能提高迁移成本。将工作负载转移至不同加速器，可能需要调整软件、网络、模型优化和运营流程。

这一权衡很重要，因为算力合同通常跨越数年。硬件路线图和竞争性定价可能在此期间发生变化。

NVIDIA 的角色也将这笔交易置于更广泛的基础设施竞赛之中。云服务商和专业 GPU 运营商正在为 AI 实验室、企业和模型开发者建设容量。

Nscale 在这一市场中与成熟的超大规模云服务商及专业提供商竞争。CoreWeave 和 Lambda 都是争夺大型加速计算工作负载的公司。

Amazon、Google 和 Microsoft 将云基础设施与自主设计的处理器结合。这些芯片为大型客户提供了另一条摆脱对 NVIDIA 硬件依赖、实现多元化的路径。

机器人带来了不同的需求特征。训练可能需要集中式集群，而已部署的机器人则需要高效的本地推理和持续的数据处理。

这可能有利于能够协调多个层面的提供商。随着机群规模扩大，也可能促使机器人公司避免依赖单一供应商。

Nscale 的方法是垂直整合的。它将数据中心、电力接入、计算系统和用于交付 AI 工作负载的软件层结合在一起。

该公司此前曾宣布涉及 Microsoft 的重大 NVIDIA 基础设施协议。其 Texas deployment 包括约 104,000 块 NVIDIA GB300 GPU，用于另一处站点和客户计划。

这一背景表明，Nscale 正在推进数量级相近的项目。但这并不能证明每个已宣布项目都会按原定时间表落地。

数据中心建设已成为整个 AI 行业的核心制约因素。仅获得芯片还不够，还需要电网连接、冷却、土地、融资和网络容量。

Figure 的需求将机器人领域带入了这场基础设施竞争。它也提高了其他遵循类似规模化逻辑的人形机器人开发商的门槛。

Tesla、Apptronik、Agility Robotics 以及其他公司，正在探索硬件、数据、仿真和部署合作的不同组合。

它们的公开策略各不相同，已披露的数据也不足以对模型训练能力进行直接比较。因此，真正相关的竞争并非仅是原始 GPU 承诺数量。

竞争者可以通过更高的数据效率、专用模型、替代加速器或更大规模的现实世界部署来应对。当数据和训练流程匹配得更好时，较小的系统也可以胜过较大的系统。

Figure 的决定为市场设下了一个明确标志。它相信，获得极大规模的集中式算力将成为通用人形机器人的必要条件。

如果这一判断成立，机器人开发商将日益类似前沿 AI 实验室。它们的资本需求将远远超出工厂和机械工程的范畴。

如果这一判断未能实现，该行业或许会发现，具身化、可靠性和部署数据仍是比训练容量更难突破的瓶颈。

因此，Nscale 与 Figure AI 的算力交易也是对机器人进步来源的一次押注。NVIDIA 正在为这项押注几乎每一个阶段提供工具。

这项 35 亿美元承诺尚未证明什么

这一重磅消息确认了战略意图，但并未证明合同约束力、技术回报或市场对 Figure 机器人的商业需求。

第一项不确定性涉及协议本身。两家公司提到了一项初始承诺，但并未公布合同条款或最低年度使用量。

多年期算力承诺并不一定意味着预付款。支出可能随着容量可用、工作负载开始运行而发生。

这一区别很重要，因为标题中的金额超过了大多数机器人公司凭借当前运营所能支撑的水平。Figure 的融资和营收细节仍未公开。

这项报道中的协议确认了其多年期结构。然而，公开记录并未显示全部金额是否为无条件承诺。

第二项不确定性涉及 Nscale 的股权投资。两家公司均未披露其规模、估值、治理权利，或其与算力付款之间的关联。

股权部分可以在支持年轻客户的同时建立长期一致性。但它也可能将供应商的一部分风险转化为投资头寸。

在缺乏条款的情况下，读者无法计算交易的净经济效益，也无法判断多少承诺取决于未来融资或机器人营收。

第三项不确定性是技术层面的。Figure 表示，Helix 会随着更多数据和算力变得更强，这与机器学习中的常见模式一致。

机器人技术并不总能像语言建模那样顺畅地规模化。实体系统会引入传感器噪声、机械磨损、延迟、安全限制和不可预测的环境。

模型可能在训练分布上有所提升，却依然在罕见的实体事件中失败。这类失败至关重要，因为机器人会在人与高价值设备共享的空间中行动。

Figure 的 Index 项目可能扩展其数据来源。然而，上传的人类视频并不会自动等同于机器人经验。

人类身体、相机、活动范围、力量和运动方式均不同于人形机器。训练流程必须将这些素材转化为机器人能够执行的动作。

Figure 表示，其系统可以利用物理世界数据服务通用机器人任务。独立评估将需要检验这种迁移在新物体和新环境中的实际效果。

第四项不确定性涉及商业采用。已宣布的试点显示了客户兴趣，但试点并不能保证后续会有更大规模的采购。

企业买家将把人形机器人与固定式自动化、移动机器人、重新设计的工作流程和人力劳动进行比较。可靠性和运营成本将比视觉上的新奇感更重要。

客户还需要支持、维护、安全流程，以及与现有系统的集成。即使底层模型有所提升，这些要求也可能减缓部署速度。

第五项不确定性是时间。Nscale 为 Figure 提供的首批系统目标是在 2027 年下半年到位。

建设、电网接入、硬件生产和系统验收必须协同推进。任何一层的延迟，都可能推迟 Figure 预期中的训练容量。

两家公司均未承诺全部 100,000 块 GPU 的上限会在这一初始阶段到位。该表述描述的是潜在规模，而非单一交付日期。

这些限制并不会使协议失效。它们界定了评估该协议所需的证据。

投资者和客户不应将已预订的算力视为机器人部署的替代品。开发商也不应将处理器数量视为可衡量模型进展的替代品。

最有力的后续验证，应将具体的训练增长与更低的人工干预率和更好的任务表现联系起来。这些证据应覆盖多种场景，而非经过筛选的演示。

在这些结果出现之前，这笔交易仍是一项高度确信的基础设施承诺。它并非通用人形机器人已达到商业规模的独立证据。

三个信号将显示这项押注是否奏效

下一阶段应通过基础设施交付、可量化的机器人改进和商业使用情况来评判，而不是又一个更大的标题数字。

第一个信号是 Barstow 的实体部署。Nscale 和 Figure 的目标是在 2027 年下半年部署首批系统。

最有价值的更新将具体说明已交付的 GPU 数量、可用电力、集群调试情况，以及在这些容量上运行的工作负载。

完成第一阶段将增强市场对 Nscale 执行能力的信心。若出现延误或含糊的修订，尤其是在没有替代容量出现的情况下，将削弱已宣布时间表的可信度。

读者应区分站点公告与已通电的系统。数据中心可能已获融资或正在建设，但尚未服务于生产工作负载。

第二个信号是可量化的 Helix 性能。Figure 需要将新增数据和训练资源与受控演示之外真正重要的结果联系起来。

有用指标包括在未见任务上的成功率、人工干预频率、连续运行时间、从错误中恢复的能力，以及在人周围的行为表现。

独立测试比公司自行挑选的视频更具分量。来自客户的结果也将揭示，这些改进能否经受陌生工作场所的考验。

若 Barstow 部署前性能就有所改善，将支持 Figure 更广泛的规模化判断。这将表明，当前的数据和算力投入已经产生了可重复的收益。

几乎没有可衡量的进展，将削弱“更大规模的集群能够解决剩余问题”这一假设。瓶颈可能反而在于具身化或部署环节。

第三个信号是重复性的商业使用。Figure 与 BMW 和 Catalyst Brands 的合作，为机器人接触真实运营需求提供了场景。

关键证据将是从试点走向扩张。机群规模、付费使用、合同续约以及减少人工监管，都会表明客户价值真实存在。

这些商业信号也会影响融资叙事。持续性的机器人收入，将使多年期基础设施投入承诺更容易获得支持。

如果部署规模始终较小，Figure 可能会更依赖外部资本。这将使融资环境成为制约算力消耗的重要因素。

合同披露或许能更早澄清情况。任一公司最终都可能说明最低采购量、投资条款或分阶段容量安排。

这些细节将有助于区分协议中具有约束力的部分与其扩张目标。它们也将揭示客户与供应商之间如何分担风险。

对开发者而言，这一事件凸显了更广泛的转变。构建先进机器人模型，越来越需要跨多个系统管理数据、评估、仿真和基础设施证据。

跟踪这一市场的团队，需要一种可靠方式将公告与后续交付关联起来。可搜索的AI knowledge base能够帮助在时间线推进过程中保留相关主张、里程碑和源材料。

同样的纪律也适用于企业买家。在比较供应商之前，应记录承诺的能力、部署日期、评估方法和商业要求。

Nscale 与 Figure AI 的算力协议值得关注，因为它为人形机器人背后配置了规模异常庞大的基础设施承诺。如今，它的重要性取决于公告之后实际交付什么。

关注 Barstow 的操作系统、Helix 是否实现独立且有意义的进展，以及 Figure 客户的重复使用情况。这些信号将显示，物理 AI 是正在成为可规模化的业务，还是在需求到来前持续累积产能。

下一则公告的重要性，不如下一个经验证的里程碑。上述三个信号中，哪一个会最先改变你对人形机器人市场的看法？