8月25日，美国机器人公司Figure AI正式发布Index项目，在iOS和Android平台同步上线。这个项目的逻辑很直接——让全球普通人通过手机录制自己干活的第一视角视频，上传后Figure按数据质量付费。
四个月测试期内，Index已经覆盖108个国家和地区，累计下载26.4万次，周活跃用户超4.4万人，上传视频超1600万条。Figure已向创作者支付1500万美元，并承诺未来12个月在数据和算力上投入超10亿美元。
Figure创始人Brett Adcock在X上宣布，这是“全球规模最大且最多样化的机器人数据集”。每1000小时采集数据平均覆盖373种任务、1146种操作对象、116种环境。Index每秒处理30分钟视频上传——相当于每天产出4.9年的人类劳动视频。
机器人的“数据饥渴”，比大模型严重1000倍
大模型有互联网。GPT-4靠13万亿Token的文本数据喂出来。但机器人面对的是物理世界——叠衣服时手指怎么捏、拖地时手腕怎么转、洗碗时怎么判断碗洗干净了，这些细微的动作逻辑，仿真数据生成不了，实验室采集不到。
智财社注意到一个关键数字：Figure此前曾尝试向第三方数据供应商购买数据，但发现“供应商提供的数据在吞吐量、多样性和质量上都无法满足Helix模型的需求”。当一家公司宁可花10亿美元从零搭建全球众包网络，也不愿继续买现成数据时，说明这个行业的数据缺口已经到了“有钱也买不到”的程度。
Figure选择了一条与英伟达完全相反的路线。英伟达押注合成数据——用少量真实数据+仿真生成海量训练素材。Figure的赌注是：物理世界的“意外情况”太复杂，任何模拟器都生成不了，只能从真实世界里“买”。两种路线谁能跑通，目前没有定论。但Figure愿意用10亿美元下注，至少说明它对“真实数据优先”这条路的信心足够强。
10亿美元的“数据战”，中国玩家跟不跟？
Index的模式本质上是把全球用户变成机器人的“数据采集员”。这让人想起当年特斯拉FSD的路测数据积累——用真实道路上的海量驾驶数据训练自动驾驶模型。机器人正在复制自动驾驶的“数据战”路径，只是战场从道路变成了客厅、厨房和工厂。
国内头部玩家也在做同样的事，但方式完全不同。智元机器人自建2000平方米真实采集场，覆盖217个任务、3000余种物品。这条路更可控，但扩张速度受限。Figure的众包模式一旦跑通，数据采集的规模将从“一个团队在一个场地里采”变成“一百个国家的人同时在采”。
智财社认为，Figure的Index项目对国内具身智能企业的启示不在于“要不要做”，而在于“怎么做”。国内企业普遍面临数据采集成本高、效率低、规模化难的困境。当一家美国公司用10亿美元和一款APP建立了一个覆盖108个国家的数据采集网络时，国内玩家需要回答的问题是：我们有没有更快、更便宜、更大规模的数据获取方式？
叠衣服、洗碗、拖地——这些人类每天重复的日常动作，正在成为机器人训练的“石油”。Figure用10亿美元和一款APP，正在试图建立一个全球化的“数据采集经济体”。如果这条路跑通，人形机器人的竞争格局可能会被重新定义——谁能更快、更便宜地获取真实世界的人类行为数据，谁就能更快地让机器人“学会干活”。
而这场“数据战”的胜负，可能比硬件量产更早地决定人形机器人行业的终局。#FigureAIIndex #机器人数据采集 #人形机器人训练数据
关注「智财社」看具身智能技术迭代与资本脉络
原文标题 : Figure花10亿美元雇全球用户录视频：机器人的“数据战”打响了
8月25日，美国机器人公司Figure AI正式发布Index项目，在iOS和Android平台同步上线。这个项目的逻辑很直接——让全球普通人通过手机录制自己干活的第一视角视频，上传后Figure按数据质量付费。
四个月测试期内，Index已经覆盖108个国家和地区，累计下载26.4万次，周活跃用户超4.4万人，上传视频超1600万条。Figure已向创作者支付1500万美元，并承诺未来12个月在数据和算力上投入超10亿美元。
Figure创始人Brett Adcock在X上宣布，这是“全球规模最大且最多样化的机器人数据集”。每1000小时采集数据平均覆盖373种任务、1146种操作对象、116种环境。Index每秒处理30分钟视频上传——相当于每天产出4.9年的人类劳动视频。
机器人的“数据饥渴”，比大模型严重1000倍
大模型有互联网。GPT-4靠13万亿Token的文本数据喂出来。但机器人面对的是物理世界——叠衣服时手指怎么捏、拖地时手腕怎么转、洗碗时怎么判断碗洗干净了，这些细微的动作逻辑，仿真数据生成不了，实验室采集不到。
智财社注意到一个关键数字：Figure此前曾尝试向第三方数据供应商购买数据，但发现“供应商提供的数据在吞吐量、多样性和质量上都无法满足Helix模型的需求”。当一家公司宁可花10亿美元从零搭建全球众包网络，也不愿继续买现成数据时，说明这个行业的数据缺口已经到了“有钱也买不到”的程度。
Figure选择了一条与英伟达完全相反的路线。英伟达押注合成数据——用少量真实数据+仿真生成海量训练素材。Figure的赌注是：物理世界的“意外情况”太复杂，任何模拟器都生成不了，只能从真实世界里“买”。两种路线谁能跑通，目前没有定论。但Figure愿意用10亿美元下注，至少说明它对“真实数据优先”这条路的信心足够强。
10亿美元的“数据战”，中国玩家跟不跟？
Index的模式本质上是把全球用户变成机器人的“数据采集员”。这让人想起当年特斯拉FSD的路测数据积累——用真实道路上的海量驾驶数据训练自动驾驶模型。机器人正在复制自动驾驶的“数据战”路径，只是战场从道路变成了客厅、厨房和工厂。
国内头部玩家也在做同样的事，但方式完全不同。智元机器人自建2000平方米真实采集场，覆盖217个任务、3000余种物品。这条路更可控，但扩张速度受限。Figure的众包模式一旦跑通，数据采集的规模将从“一个团队在一个场地里采”变成“一百个国家的人同时在采”。
智财社认为，Figure的Index项目对国内具身智能企业的启示不在于“要不要做”，而在于“怎么做”。国内企业普遍面临数据采集成本高、效率低、规模化难的困境。当一家美国公司用10亿美元和一款APP建立了一个覆盖108个国家的数据采集网络时，国内玩家需要回答的问题是：我们有没有更快、更便宜、更大规模的数据获取方式？
叠衣服、洗碗、拖地——这些人类每天重复的日常动作，正在成为机器人训练的“石油”。Figure用10亿美元和一款APP，正在试图建立一个全球化的“数据采集经济体”。如果这条路跑通，人形机器人的竞争格局可能会被重新定义——谁能更快、更便宜地获取真实世界的人类行为数据，谁就能更快地让机器人“学会干活”。
而这场“数据战”的胜负，可能比硬件量产更早地决定人形机器人行业的终局。#FigureAIIndex #机器人数据采集 #人形机器人训练数据
关注「智财社」看具身智能技术迭代与资本脉络
原文标题 : Figure花10亿美元雇全球用户录视频：机器人的“数据战”打响了
