20250225-五矿证券-机械设备_Figure_Helix模型如何影响投资逻辑__5页_563kb

Figure Helix 模型如何影响投资逻辑？

核心内容概述

Figure 于 2025 年 2 月 20 日发布了其自主研发的通用视觉—语言—动作（VLA）大模型 Helix，标志着人形机器人技术在智能化和自主性方面取得了重要突破。该模型不仅在技术层面具备多项创新，还对投资逻辑产生了深远影响，特别是在估值提升、数据壁垒重新审视以及具身智能的发展方向等方面。

主要观点与创新点

模型创新

1. 双系统架构：Helix 采用双系统模型，实现 200Hz 的高频轨迹输出，解决了 VLA 模型运行速度慢的问题。

   • 系统 2 是一个经互联网预训练的视觉语言模型（VLM），以 7-9Hz 运行，负责环境理解与语言处理。
   • 系统 1 是一个快速的视觉运动策略模型，负责将系统 2 的输出转化为高频机器人动作。

2. 高效训练：Helix 使用了仅 500 小时的高质量监督数据进行训练，远低于传统 VLA 模型所需的数据量（不足 5%）。

3. 低算力需求：Helix 可在低功耗 GPU 上运行，显著降低了硬件成本，提升了部署可行性。

4. 多机器人协作：Helix 是首个展示两个人形机器人协作处理任务的 VLA 模型，体现了其在复杂任务执行中的潜力。

与理想汽车双系统的对比

• 技术路径：Helix 是一个完整的 VLA 模型，而理想汽车仅使用双系统架构。
• 信息交互方式：理想汽车的系统 1 和系统 2 通过 prompt 问题库进行交互，而 Helix 采用潜在向量（latent vector）进行端到端联合优化。
• 性能潜力：理想汽车提出的“快思考与慢思考”概念对行业具有启发意义，但 Helix 的端到端训练模式显示其性能仍有更大提升空间。

对投资逻辑的影响

1. 估值提升与资本流入

• Figure AI 正在洽谈新一轮 15 亿美元融资，公司估值从 26 亿美元跃升至 395 亿美元。
• Helix 模型被认为是支撑估值快速上涨的关键因素。
• 在金融反身性作用下，资本的涌入将加速人形机器人产业的发展。

2. 数据壁垒的重新审视

• Helix 的训练数据量远低于传统 VLA 模型，表明互联网数据在 VLA 模型中的泛化能力显著。
• 这促使我们重新思考数据壁垒的高度，即是否仍需要大量机器人/汽车行驶数据来训练模型。

3. 具身智能与自动驾驶的前景

• Helix 展示了在低功耗 GPU 上实现优秀泛化能力的潜力，为自动驾驶 VLA 模型提供了参考。
• 随着下一代 Thor 芯片的部署，自动驾驶系统在应对 corner case 方面的能力将显著提升。
• L3 级别自动驾驶已近在咫尺，L4 级别自动驾驶也不遥远。

风险提示

1. 技术路径风险：人形机器人技术尚未定型，存在较大的技术路线不确定性。
2. 应用场景风险：人形机器人的实际应用场景尚不明确，市场需求可能不及预期。

关键信息总结

• 发布日期：2025 年 2 月 20 日
• 模型名称：Helix
• 技术亮点：双系统架构、高效训练、低算力需求、多机器人协作
• 投资影响：估值提升、数据壁垒重新审视、具身智能与自动驾驶前景乐观
• 风险提示：技术路径和应用场景尚不明确

投资评级

• 行业评级：看好（预期行业整体回报高于基准指数 10% 以上）

联系方式

• 分析师：祁岩（S0950523090001）
• 联系人：周越
• 电话：010-56307033 / 13167229763
• 邮箱：qiyan1@wkzq.com.cn / zhouyue@wkzq.com.cn