Figure 簽下 35 億美元算力合作：最多 10 萬顆 NVIDIA GPU 要如何訓練人形機器人？
Figure 向 Nscale 鎖定多年 AI 算力，規劃部署最多 10 萬顆 NVIDIA GPU。這是人形機器人的算力入場券，不是產品已成熟的證明。
人形機器人公司 Figure 在 2026 年 9 月 3 日宣布，將與 AI 雲端業者 Nscale 合作，規劃部署最多 10 萬顆 NVIDIA Vera Rubin GPU。這項多年合作的初始算力承諾為 35 億美元，未來有意擴大到超過 60 億美元。
乍看之下，這像是一張規模驚人的晶片訂單。但更準確的理解是，Figure 正向 Nscale 鎖定未來數年的 AI 算力，而不是一次買下 10 萬顆 GPU。首批設備的目標部署時間是 2027 年下半年，實際使用數量、付款節奏與硬體所有權都沒有公開。
這則消息真正重要的地方，是 Figure 已把人形機器人的競爭從硬體、工廠與資料，推進到大型 AI 基礎設施。它想建立一條完整飛輪：先從人類工作影片取得資料，再用大型算力訓練 Helix 模型，最後把能力部署到 Figure 03 機器人。
我對這項策略中性偏多，因為 Figure 已把資料來源與算力供應接在一起。但我不會把金額直接等同於技術領先。真正能證明合作價值的，仍是 Helix 能否用新增算力，在陌生環境中更穩定地完成工作。
Figure 以官方影片說明為何人形機器人的下一階段需要大規模資料與算力。 影片來源：Figure 官方 X 貼文。
Figure、Nscale 與 NVIDIA 宣布了什麼？
這項合作有三個角色。Figure 負責人形機器人與 Helix 模型，Nscale 提供資料中心、電力、雲端算力與調度平台，NVIDIA 則供應 Vera Rubin AI 基礎設施。
根據 Figure 官方公告與 Nscale 新聞稿，目前可確認的內容如下：
| 項目 | 官方公布內容 | 正確解讀 |
|---|---|---|
| 合作期間 | 多年策略合作 | 不是單次晶片採購 |
| GPU 規模 | 最多 10 萬顆 NVIDIA GPU | 是可能部署的上限，不是已交付數量 |
| 平台 | NVIDIA Vera Rubin | 包含 GPU、CPU、網路與資料處理元件的整套 AI 系統 |
| 首批部署 | 目標自 2027 年下半年開始 | 是規劃時程，不代表已完成建置 |
| 地點 | 美國德州 Barstow | 初始基礎設施的目標所在地 |
| 金額 | 初始 35 億美元，意圖擴大至超過 60 億美元 | 是算力承諾，不等於已支付的硬體採購款 |
| 股權關係 | Nscale 將策略投資 Figure | Nscale 除了供應商，也會成為 Figure 股東 |
Nscale 還將成為 Figure 的首選算力供應商。雙方也會研究把 Figure 人形機器人導入 Nscale 供應鏈，但目前沒有公布機器人數量、工作內容或落地時間，因此只能視為探索方向。
這筆合作比一般租用雲端主機更深。Nscale 不只提供 GPU，也負責支撐 GPU 運作的電力、網路、儲存與軟體調度。對 Figure 來說，它購買的是長期可使用的運算能力，而不是把一批顯示卡搬進自己的辦公室。
Figure 為什麼突然需要 10 萬顆 GPU？
Figure 面對的問題，已經不只是讓機器人站穩或抓起物品，而是讓同一台機器人在不同家庭、工廠與物流中心都能理解環境，自行完成多步驟工作。
負責這件事的是 Helix。它屬於視覺－語言－動作模型（Vision-Language-Action model，VLA），也就是同時讀取攝影機畫面與人類指令，再把判斷轉成手、腳與身體的動作。機器人看到一個凌亂房間後，不只要辨認杯子和衣服，還要決定先做什麼、怎麼走過去、施加多少力量，以及失敗後如何修正。
這類模型需要大量真實資料。Figure 在 8 月推出的 Index，就是用 App 付費蒐集人類做家事與工作的第一人稱影片。Figure 於 2026 年 9 月 3 日表示，Index 已達到每秒產生 35 分鐘資料的速度，比 8 月 25 日公告的每秒 30 分鐘又更高。
資料快速增加後，瓶頸會往下一站移動。影片必須經過篩選、去重、標註與處理，才能用來訓練模型。模型還要在模擬環境反覆練習，再到真實機器上驗證。這些工作都會消耗 GPU、CPU、網路與儲存資源。
所以，10 萬顆 GPU 的重點不只是「把 Helix 訓練得更大」，而是讓 Figure 可以同時處理更多資料、進行更多訓練實驗、在模擬環境測試動作，並服務逐漸增加的機器人數量。
NVIDIA Vera Rubin 是什麼？為什麼 Figure 不只買 GPU？
Vera Rubin 不是單獨一顆晶片，而是 NVIDIA 為大型 AI 資料中心設計的整套平台。它把 Rubin GPU、Vera CPU、高速連線、網路與資料處理元件組合成一個可以跨機架運作的系統。
其中，GPU 負責模型訓練與大量平行運算；CPU 則處理資料準備、模擬環境、任務調度與程式執行。高速網路讓數萬顆晶片可以交換資料，而不是各自獨立工作。
NVIDIA 公布的 Vera Rubin NVL72在單一 GPU 機架中整合 72 顆 Rubin GPU 與 36 顆 Vera CPU。NVIDIA 宣稱，相較 Blackwell 平台，它訓練大型混合專家模型時可使用四分之一的 GPU，推論的每瓦吞吐量最高可提高 10 倍。這些是供應商在特定工作負載下的數字，不能直接推算 Helix 也會得到相同幅度的提升。
對機器人公司而言，完整平台比單顆 GPU 規格更重要。機器人訓練同時牽涉影片處理、物理模擬、強化學習與模型推論，只要網路、儲存或 CPU 其中一環跟不上，昂貴的 GPU 就可能等待資料。
Figure 選擇透過 Nscale 取得整套平台，等於把資料中心建置與維運交給專門業者，自己集中資源開發 Helix 與 Figure 03。這種做法較快，但也會讓 Figure 對單一算力夥伴的交付能力與價格更依賴。
35 億美元算力承諾，不能直接當成 NVIDIA 訂單
公告最容易被誤讀的數字，是初始 35 億美元與未來超過 60 億美元。
Figure 和 Nscale 使用的說法是「算力承諾」，不是「Figure 向 NVIDIA 購買 35 億美元 GPU」。Nscale 才是提供算力的一方，而服務內容還可能包含電力、資料中心、伺服器、網路、儲存、軟體與維運。
官方也沒有公布合約涵蓋幾年、最低使用量、硬體由誰持有、Figure 何時付款，以及 Nscale 何時向 NVIDIA 採購。沒有這些資訊，就不能把 35 億美元全部算成 NVIDIA 的新增營收，更不能假設會在單一年度認列。
同樣地，「最多 10 萬顆」描述的是合作上限。真正的部署可能分成多個階段，並受到資料中心施工、電力、冷卻、晶片供應與 Figure 實際需求影響。
我的判斷是，這筆金額足以證明 Figure 願意把算力當成核心基礎設施，但對 NVIDIA 的短期財務影響仍只能給中性。要提高評價，需要看到 Nscale 的實際部署進度、GPU 到貨量，以及 NVIDIA 可辨認的收入貢獻。
Figure 正在建立「資料、算力、機器人」飛輪
Figure 的策略可以拆成三個相互推動的環節。
第一個環節是 Index。全球使用者錄製家事、餐飲、物流與工廠工作，讓 Figure 取得更多環境、物品與做事方式。這些資料補足網路影片缺少的第一人稱視角與完整工作流程。
第二個環節是 Helix。資料經過處理後，用來訓練模型理解任務並產生動作。Nscale 與 Vera Rubin 提供的算力，能讓 Figure 擴大資料處理、訓練、模擬與測試規模。
第三個環節是 Figure 03。模型部署到真實機器人後，成功與失敗紀錄會回頭告訴團隊，下一批應該蒐集什麼資料、修正哪些動作。機器人數量增加，也會帶來更多真實運作資料。
這條飛輪若能運轉，Figure 的護城河就不只是某一代機器人的手臂或外型，而是「知道該蒐集什麼資料、能快速訓練、再把結果部署到大量機器人」的整套系統。
但飛輪仍缺少最關鍵的公開證據。Figure 沒有揭露 Index 中有多少資料真正進入訓練，也沒有公布 Helix 隨資料與算力增加後，在陌生任務上的標準化成功率。現階段可以確認的是投入規模，還不能確認投入轉換成能力的效率。
這項合作對 Figure 與 NVIDIA 有什麼意義？
對 Figure 而言，最大利多是降低未來算力不足的風險。公司已建立 Index 資料管線，也在 BotQ 擴大 Figure 03 生產；若模型訓練跟不上，更多影片與機器人反而可能造成資料堆積。提前鎖定 Nscale，可以讓算力建置與產品路線同步前進。
最大風險則是支出先發生，產品收入未必同步到來。Figure 尚未公開一般家庭購買 Figure 03 的售價與上市日期，工廠部署的實際收入也沒有完整揭露。若 Helix 的泛化能力進步速度不如預期，長期算力承諾會提高公司的資金壓力。
對 NVIDIA 而言，這是「Physical AI」需求的一個大型案例。Physical AI 指的是能理解物理世界並控制機器、車輛或設備的 AI。當人形機器人公司也開始需要資料中心級訓練與模擬，NVIDIA 可服務的市場就從聊天機器人與雲端 Agent，延伸到現實世界的機器。
我對 NVIDIA 的產品方向中性偏多，因為 Figure 不只使用 GPU，還會採用 Vera Rubin 平台與 NVIDIA Isaac Sim 模擬工具，顯示 NVIDIA 正把晶片、網路與機器人軟體接成同一個生態系。不過，這仍是 2027 年之後的未來部署，不能只憑合作上限推算股價或營收。
這筆合作還有哪些風險？
第一個風險是時程。首批 GPU 要到 2027 年下半年才開始部署，資料中心施工、供電、冷卻與晶片交付都可能影響進度。從公告到真正可用，中間還有一段工程距離。
第二個風險是模型效益。AI 模型通常會從更多資料與算力受益，但人形機器人面對的是會移動、破損並與人接觸的真實世界。家庭物品、光線、地面與空間都不同，模型表現提升不等於安全性與可靠度已達商用標準。
第三個風險是資本效率。Figure 必須證明每增加一批資料與算力，都能降低新任務需要的人類示範量、提高成功率，或減少人工介入。若支出持續擴大，機器人部署與收入卻沒有跟上，算力飛輪也可能變成成本飛輪。
最後是供應商集中。Nscale 成為首選算力供應商後，Figure 能換取較深的整合與供應保障，但也會更依賴 Nscale 的融資、建設與維運能力。合作能否落到 10 萬顆 GPU，不只取決於 Figure 的野心，也取決於 Nscale 是否準時蓋出並營運足夠規模的 AI 基礎設施。
投資人接下來該看什麼？
這則消息適合當成 Physical AI 基礎設施需求的領先指標，不適合直接當成買進訊號。後續更值得追蹤的是四件事：
- Nscale 是否在 2027 年下半年如期啟動德州部署，以及首批實際上線多少顆 GPU。
- Figure 是否公開 Helix 在陌生家庭與工業環境的任務成功率、人工介入率與單位運作成本。
- Figure 03 的生產數量能否轉化成付費部署，而不只是內部研究與資料蒐集設備。
- NVIDIA 是否在財報或法說中揭露 Physical AI、模擬與機器人相關需求的實際收入貢獻。
Figure 目前仍是未上市公司。公司在 2026 年 7 月曾提醒，Figure 股票與間接權益的轉讓需要董事會核准，投資人應把未經授權的二級市場、特殊目的載體或代幣化商品視為高風險。想參與這個題材的讀者，不應把來路不明的 Figure 股權包裝，當成一般上市股票交易。
Figure 與 Nscale 合作常見問題
Figure 已經買下 10 萬顆 NVIDIA GPU 了嗎？
沒有。官方說法是多年合作「最多」部署 10 萬顆 GPU，首批目標自 2027 年下半年開始。公告沒有說 10 萬顆已交付，也沒有公開每一階段的最低採購量。
35 億美元全部都是 NVIDIA 的訂單嗎？
不能這樣解讀。35 億美元是 Figure 對 Nscale 的初始算力承諾，可能涵蓋晶片、電力、機房、網路、儲存、軟體與維運。官方沒有公布 Nscale 向 NVIDIA 採購的金額與收入認列時程。
Nscale 是做什麼的？
Nscale 是 AI 雲端與基礎設施業者，提供模型訓練、推論、資料中心、電力與運算資源調度。這次合作中，它會成為 Figure 的首選算力供應商，也會策略投資 Figure。
Helix 為什麼需要這麼多算力？
Helix 要從大量影片、感測器與模擬資料中學習，並控制人形機器人的視覺、雙手、步行與平衡。資料處理、模型訓練、強化學習、物理模擬與機器人部署都會消耗算力，但 Figure 沒有公開 Helix 實際會使用多少顆 GPU。
這代表 Figure 03 很快就能進入一般家庭嗎？
不代表。Figure 把家用人形機器人列為長期目標，但這份公告沒有提供家用版售價、上市日期或服務地區。算力是必要基礎設施，不是產品已完成的證明。
可以直接購買 Figure 股票嗎？
Figure 是未上市公司，沒有可在一般證券交易所直接買賣的股票。Figure 官方也警告，未經董事會核准的股票、基金權益或其他間接轉讓可能無效，遇到相關推銷應先向公司確認。
結論：10 萬顆 GPU 是算力入場券，不是機器人畢業證書
Figure 與 Nscale 的合作，說明人形機器人的競爭已進入新階段。公司不只要造出能走、能抓的硬體，還要持續取得真實資料，建立大型訓練與模擬基礎設施，再把模型能力安全地部署到機器人。
這也是我對合作中性偏多的原因。Figure 已把 Index、Helix、Figure 03 與 Nscale 的算力接成一條可擴大的路線，NVIDIA 也因此得到 Physical AI 的大型平台案例。
但 35 億美元與最多 10 萬顆 GPU，證明的是投入與企圖，不是任務成功率。下一個真正有價值的里程碑，不是 Figure 再宣布更大的數字，而是公司能用這些算力，讓機器人在沒看過的家庭和工廠中，以更少人工介入、更低成本完成更長、更複雜的工作。
