AI行业跟踪48期：Figure推出Helix模型，阿里巴巴加速布局AI和云.docx

索引

索引

内容目录

一、AI行业重点事件点评 3

Figure推出Helix模型，实现多机器人“共脑”合作 3

阿里巴巴业绩稳健增长，加速AI与云计算布局，打造全球领先的智能生态 5

二、AI行业动态一览 7

国外行业动态 7

AI大模型 7

应用 8

国内行业动态 8

AI大模型 8

应用 9

三、AI行情回顾：A股液冷散热和铜互连方向领涨，美股整体下跌 9

四、投资建议：持续关注AI应用和算力基础设施 10

五、风险提示 10

图表目录

图1：Figure推出“共脑”机器人Helix 3

图2：新型扩展法则提升Helix模型扩展行为能力的效率 4

图3：Helix双系统模型架构与工作流程 5

图4：阿里云AI基础设施全景 6

图5：通义千问开源进程 7

图6：阿里云全球基础设施规划 7

图7：A股AI行业细分板块周涨跌幅对比（02.17-02.21） 10

图8：美股AI行业细分板块周涨跌幅对比（02.17-02.21） 10

一、AI行业重点事件点评

Figure推出Helix模型，实现多机器人“共脑”合作

近期，Figure公司推出了自主研发的Helix模型，这是一个集视觉、语言理解和动作控制于一体的视觉-语言-动作（VLA）模型，标志着机器人技术的重大突破。Helix能够让机器人通过自然语言指令执行复杂任务，例如拾取物品、放入冰箱等。更为重要的是，它首次实现了两个机器人“共脑”合作，即多个机器人可以共享同一模型权重，在没有特定任务示范的情况下灵活协调，完成长序列操作任务。这一成就不仅提高了机器人技术的智能化水平，也让家庭机器人和商业应用的落地变得更加可行。

图1：Figure推出“共脑”机器人Helix

51CTO， 研发中心

核心架构采用双系统设计，实现高效智能推理和实时控制。Helix采用“系统1-系统2”

（S1-S2）解耦设计，以解决传统VLM（视觉语言模型）和机器人运动策略各自的局限性。以往的VLM主干网络虽然具备通用性，但运行速度较慢，而机器人运动策略虽然快，但缺乏泛化能力。Helix通过整合这两种能力，使机器人既能理解高层语义信息，又能实时调整动作以适应复杂场景。其中，系统2（S2）负责场景和语言理解，采用7B参数的开源模型，通过互联网规模的数据进行预训练，并以7-9Hz的频率解析机器人摄像头的图像输入、机器人状态信息（如手腕姿态、手指位置等）。S2结合自然语言指令，将任务相关的语义信息转换为潜层向量，为S1提供决策依据。而系统1（S1）专注于机器人实时运动控制，基于80M参数的Transformer，利用全卷积多尺度视觉主干网络，在200Hz的高频率下执行机器人控制指令。S1接收S2提供的潜层向量，并结合机器人的实时传感信息，对动作进行快速调整，确保机器人可以精准操作物体，如抓取、旋转、放置等。

Helix相比现有方法具有以下关键优势：

速度和泛化能力：Helix不仅达到了专门针对单任务行为克隆（behavioralcloning）策略的运行速度，还能够对数千个全新测试对象实现零样本学习，显著提高了机器人适应未知环境的能力。

可扩展性：Helix能够直接输出高维动作空间的连续控制，避免了先前VLA方法中使

用的复杂动作token化方案。这些方案虽然在低维控制设置（如二指夹爪）中取得了一定成功，但在高维人形机器人控制中面临扩展性挑战。Helix的架构能够适应更复杂的机器人任务，并支持未来的扩展。

架构简单：Helix采用标准架构，其中系统2（S2）使用开源、开放权重的视觉语言模型，系统1（S1）则采用基于Transformer的视觉运动策略，极大地简化了架构，使其更具可维护性和灵活性。

职责分离：通过S1和S2的“解耦”，Helix能够独立迭代优化每个系统，无需受限于寻找统一的观察空间或动作表示。这种设计使Helix能够更高效地执行任务，同时提升机器人在不同场景下的适应性。

图2：新型扩展法则提升Helix模型扩展行为能力的效率

Figure官网， 研发中心

采用端到端学习方法，通过少量训练数据实现泛化学习。Helix的训练过程充分利用了端到端学习方法，使机器人能够从数据中直接学习控制策略，而无需依赖复杂的微调机制。为了提升泛化能力，研究团队收集了500小时的高质量监督数据，涵盖了多机器人、多操作员的遥操作行为。训练数据主要来源于多种机器人操作场景，涉及各种物品的抓取、移动和放置任务。研究人员使用自动标注VLM来生成指令，使模型能够基于自然语言输入

进行泛