社区

9月3日，人形机器人公司Figure公布了一项引人关注的算力合作：Figure与AI基础设施公司Nscale签署多年战略协议，计划部署基于NVIDIA Vera Rubin平台的算力资源，规模最高可达10万颗GPU。首批GPU计划于2027年下半年在美国得州投入部署。双方披露的初始算力承诺约35亿美元，并计划进一步扩大至60亿美元以上。

对于XMax$XMAX Inc.(XMAX)$   而言，公司今年已经将云与GPU计算基础设施纳入AI战略，同时通过基金结构参与Figure AI相关投资。一边是AI基础设施，一边是机器人，当Figure计划为下一代机器人AI模型配置最高10万颗GPU时，这两个看似不同的方向正在出现越来越明显的产业交集。

一家制造人形机器人的公司，为什么开始需要如此庞大的AI算力？

机器人正在成为新的算力消费者

过去衡量一台人形机器人，人们很容易首先关注硬件：有多少个关节、能搬多重的东西、电池能坚持多久、走路有多快。

今天，这套评价体系正在加入越来越多AI因素。

Figure目前开发的Helix系统承担视觉理解、语言理解和动作控制等任务。按照Figure披露的信息，此次与Nscale合作获得的计算资源将用于下一代Helix模型训练。随着机器人需要理解更加复杂的环境、指令和动作，大规模模型训练开始进入机器人研发体系。

这意味着一个值得关注的产业变化：GPU的需求正在从生成式AI进一步延伸到机器人。

2026年3月，XMax董事会批准向人工智能领域进行战略扩展。公司明确列出的方向包括AI软件与硬件开发、云与GPU计算基础设施、AI模型接入与编排，以及面向企业的AI Agent部署。

其中，GPU计算基础设施处在模型和应用运行所需要的底层环节。Figure此次公布的算力计划提供了一个新的行业案例：当AI应用从聊天、搜索、内容生成继续进入机器人等现实场景，计算需求也在随之扩展。

10万颗GPU背后，其实还有1600万段视频

8月25日，Figure公布了名为Index的数据项目。根据公司披露，Index已经覆盖108个国家，拥有超过26.4万次App下载和4.4万名周活跃用户，累计上传超过1,600万段视频。

这些视频记录的并非专门设计的实验室动作，而是现实生活中的各种任务，包括做饭、清洁、洗衣、仓储、餐厅服务和办公室工作。Figure希望利用这些人类行为数据训练Helix，让机器人学习现实环境中的任务。

截至Figure公布Index时，其系统每秒接收约30分钟的视频数据，公司同时表示未来12个月计划在数据和算力方面投入超过10亿美元。

随后不到两周，Figure便公布了最高10万颗GPU的Nscale合作。

把这两件事放在一起，可以看到机器人AI背后的基础设施链条正在变得更加完整：

从现实世界的数据采集，到模型训练，再到机器人部署，Physical AI正在形成一套与传统软件AI不同的技术和基础设施体系。

这也是Physical AI与普通软件AI一个非常直观的区别。AI开始面对真实空间、物体和动作之后，需要处理的信息类型和应用环境都会发生变化。

XMax正在参与这条产业链的两个不同环节

在科技投资方面，2026年7月，Preamble X Capital I以800万美元认购一家私募基金约48%的权益，该基金管理人拟将几乎全部可投资资产间接投资于Figure AI的普通股或优先股；8月，Preamble X Capital I又以840万美元认购另一家私募基金约5%的权益，该基金管理人拟将几乎全部可投资资产直接投资于Figure AI。相关交易均已在XMAX公开文件中披露。

与此同时，XMax自身也在推进AI基础设施和模型服务业务。

公司今年成立XMax AI Inc.和Elonx AI Holdings PTE. LTD.，两家子公司的主要业务包括企业级AI基础设施及Model-as-a-Service（MaaS）解决方案，通过云端Inference APIs帮助企业将大语言模型能力接入自身业务。

公司已经部署AI平台并开始提供API-based services。2026年上半年，API-based services实现收入1,097,930美元。公司披露的服务模式包括按照客户实际API使用量计费的post-paid模式，以及预先购买使用额度的prepaid模式。

因此，当我们关注Figure此次10万颗GPU计划时，关注的不只是一家机器人公司的扩张动作。它同时提供了一个观察AI产业基础设施需求变化的窗口。

当AI获得「身体」，背后依然需要算力

过去几年，大语言模型让市场认识到GPU、数据中心和云计算对于AI发展的重要性。随着AI进一步进入机器人和现实世界，这些基础设施的应用边界也在继续扩展。

NVIDIA CEO Jensen Huang在Figure与Nscale的合作公告中，将模型训练、仿真验证和机器人部署之间的循环称为「physical AI flywheel」。按照双方公布的技术路径，模型通过NVIDIA计算平台训练，在仿真环境中验证，再部署至机器人。

从大模型到AI Agent，再到能够感知和操作现实环境的机器人，应用形态在发生变化，底层仍然离不开数据、模型和计算资源。

对XMax而言，一方面公司通过AI平台、模型API以及GPU计算基础设施等方向参与AI产业；另一方面，公司通过已披露的基金结构参与Figure AI相关投资。

Figure计划部署最高10万颗GPU，是近期人形机器人产业中一个值得观察的信号。

机器人越来越像一个AI问题，而AI走进现实世界以后，算力也正在跟着它一起走出数据中心，进入更广泛的产业场景。