一个让机器人自己干活学，一个靠普通人手机拍视频训练，人形机器人的训练路线，正在走向分叉路口。
当所有人形机器人厂商都卡在同一个瓶颈 ——物理交互数据严重不足，两大头部玩家走出了完全相反的两条路。
特斯拉Optimus选择自建训练场Optimus Academy，把一台台真机投入工厂真实环境，靠机器人亲自试错、采集真机交互数据；Figure则推出Index全球众包平台，付费招募全球普通人，用手机录制居家、工厂第一视角操作视频，用来预训练 Helix具身大模型。
两条路线，没有绝对对错，本质是成本、速度、物理真实性的取舍博弈，也是外网 X、Reddit人形板块近段时间持续热议的核心话题。
Optimus Academy真机试错，机器人在现实世界学习
特斯拉的逻辑，完全复刻 FSD 自动驾驶的数据飞轮思路：硬件本体才是最好的数据采集器。
弗里蒙特产线下线的所有 Gen3 Optimus，2026 年全部留在特斯拉内部，送入 Optimus Academy。机器人在工厂车间做物料搬运、零部件辅助装配、质检，一边干活，一边采集完整数据：图像、关节力矩、接触力、失败时的动力学反馈。
完整训练闭环：
先由人类操作员做示范遥操作，给模型基础任务先验；
大量 Optimus 真机集群在工厂真实环境反复执行任务；
成功案例、摔倒、抓取滑脱等全部失败数据统一回流；
模型迭代更新，再通过 OTA 下发给全部机器人，形成舰队共同进化。
这套路线的最大优势，彻底绕开仿真到现实的迁移鸿沟（Sim-to-Real Gap）。
所有数据都来自机器人本体的传感器与动力学反馈，采集到的是机器人真实物理身体和世界交互的一手信息。不会出现 “视频里人类能轻松拿起，机器人硬件尺寸、重量、关节刚度不一样，学不会” 的问题。同时复用 FSD 纯视觉、世界仿真器底座，汽车海量场景数据可以迁移给人形机器人。
但代价同样明显：重资产，慢起步，硬件产能直接限制数据规模。
要获得更多训练样本，就必须造出更多机器人。灵巧手良率、整机产能一旦卡壳，数据飞轮就无法快速扩大。外网争议点也集中于此：当前 FSD V14、Cybercab 优先级更高，算力与人力资源是否会分流，拖慢 Academy 的训练迭代速度。
适合场景：标准化工业场景、长期迭代、追求高可靠性；长期壁垒极高，但前期投入巨大、扩张速度慢。
Figure Index全球众包人类视频，用海量人类动作预训练模型
Figure 给出的是另一个更轻量化、快速扩量的解法：不用大量造机器人，先买全世界普通人的操作视频。
Index 是 Figure 推出的全球性数据众包平台，普通人注册成为创作者，手机或头戴设备录制第一视角干活视频，完成审核就能获得报酬。可以是叠衣服、整理厨房这类家务，也可以是工厂零部件搬运、仓库分拣等工业操作。
截至最新公开数据，Index 覆盖 108 个国家，周活贡献者近 7 万人，每秒新增 35 分钟物理交互视频，累计上传千万级视频片段；Figure 承诺未来一年，投入超 10 亿美元用于数据集与算力建设，数据送入 Helix 视觉 - 语言 - 动作（VLA）模型训练，目标实现零样本泛化。Figure机器人的“数据众包”正在飙升：一周7万人在给机器人录视频
Figure 的底层设想：人类的操作方式，本身就是物理世界最优的行为模板。模型先学习海量人类第一视角操作，建立对物体、任务、环境的理解，之后只需要少量真机数据微调，机器人就能快速学会新任务。
它的巨大优势：数据扩张极快，不需要等机器人硬件量产。哪怕只有少量样机，也能持续扩充模型见过的任务、物体、环境，快速覆盖海量多样化场景，尤其适合家庭非结构化环境。Figure 已经在宝马工厂长期落地机器人试点，走租赁交付模式，提前拿到外部付费场景。
外网最核心质疑，也是这条路线天生短板 ——域偏移（Domain Gap）。
视频里是人类的骨骼、重量、肌肉力量；机器人是金属躯体、不同自由度、不同关节力矩。人类能轻松完成的动作，直接迁移到机器人本体上会失效。视频只能教会模型 “任务应该怎么做”，但无法提供机器人本体受力、碰撞、抓取打滑的动力学数据。众包视频质量参差不齐，还需要投入大量算力做清洗、去重、标注，巨额算力投入带来巨大现金流压力。
适合场景：快速扩充任务多样性、泛化能力优先；低成本快速起步，但真机落地时，依然要补大量机器人本体交互数据。
两条路线核心对比，谁更容易跑通？
Optimus Academy（真机训练派）
优点：数据属于机器人本体，物理真实性强，仿真现实迁移 gap 小；FSD 数据底座复用，长期护城河强；真实工厂场景同步验证产品可用性。
短板：硬件先行，重资产；产能瓶颈直接限制数据量；单台采集成本高，场景扩张慢；算力人力存在被自动驾驶业务分流风险。
Figure Index（人类众包视频派）
优点：数据获取速度快，低成本快速覆盖海量任务与环境；不依赖机器人产能；Helix 模型架构擅长从视频学习操作，快速做零样本泛化。
短板：人类动作与机器人本体动力学存在天然鸿沟；视频缺少力反馈等物理信号；海量数据清洗、算力采购消耗巨额资金；真机验证环节依然绕不开。
外网社区目前形成一个共识：两条路线不是非此即彼，只是训练的主次优先级不同。
特斯拉 Optimus 也会使用人类示范视频作为初始预训练素材，但核心迭代靠真机试错；Figure 同样会使用工厂真机采集数据微调模型，Index 只是前期快速扩充场景多样性的手段。二者都属于 “混合训练”，只是侧重点天差地别。
哪条路才是具身智能最优解？
短期（1-2 年）来看，Figure 的 Index 路线会更容易做出丰富的演示效果。海量居家场景视频，能让 Helix 模型学会大量不同家务任务，快速在多样化环境里展示泛化能力，更容易拿到更多工厂试点订单。但当从 “演示” 走向连续稳定作业时，人类视频带来的域差距会成为硬门槛。
中长期（3-5 年），胜负关键回到硬件量产与真机数据闭环。
如果 Optimus Gen3 能够突破灵巧手良率瓶颈，大批量在特斯拉工厂内部部署，真机数据飞轮一旦全速转动，会形成极难追赶的壁垒。但前提是硬件产能、算力资源可以持续供给，不会被自动驾驶业务挤占资源。
人形机器人的终极目标，是能在无预设的现实世界稳定完成各类任务。不管是靠机器人亲自试错，还是学习人类视频，最终都必须落到真机物理交互数据上。Index 可以快速 “见多识广”，Optimus Academy 能让机器人亲手学会如何与真实世界的力、碰撞、形变打交道。
两条路线正在并行赛跑，当下没有标准答案。赛道真正的悬念，不在于演示视频有多惊艳，而在于：谁能以可控成本，持续拿到足够高质量的机器人本体物理交互数据。
#Optimus #figure #特斯拉机器人 #具身智能 #人形机器人
关注「智财社」看具身智能技术迭代与资本脉络
原文标题 : 特斯拉Optimus机器人自己学 VS 让人类拍视频教的Figure机器人
一个让机器人自己干活学，一个靠普通人手机拍视频训练，人形机器人的训练路线，正在走向分叉路口。
当所有人形机器人厂商都卡在同一个瓶颈 ——物理交互数据严重不足，两大头部玩家走出了完全相反的两条路。
特斯拉Optimus选择自建训练场Optimus Academy，把一台台真机投入工厂真实环境，靠机器人亲自试错、采集真机交互数据；Figure则推出Index全球众包平台，付费招募全球普通人，用手机录制居家、工厂第一视角操作视频，用来预训练 Helix具身大模型。
两条路线，没有绝对对错，本质是成本、速度、物理真实性的取舍博弈，也是外网 X、Reddit人形板块近段时间持续热议的核心话题。
Optimus Academy真机试错，机器人在现实世界学习
特斯拉的逻辑，完全复刻 FSD 自动驾驶的数据飞轮思路：硬件本体才是最好的数据采集器。
弗里蒙特产线下线的所有 Gen3 Optimus，2026 年全部留在特斯拉内部，送入 Optimus Academy。机器人在工厂车间做物料搬运、零部件辅助装配、质检，一边干活，一边采集完整数据：图像、关节力矩、接触力、失败时的动力学反馈。
完整训练闭环：
先由人类操作员做示范遥操作，给模型基础任务先验；
大量 Optimus 真机集群在工厂真实环境反复执行任务；
成功案例、摔倒、抓取滑脱等全部失败数据统一回流；
模型迭代更新，再通过 OTA 下发给全部机器人，形成舰队共同进化。
这套路线的最大优势，彻底绕开仿真到现实的迁移鸿沟（Sim-to-Real Gap）。
所有数据都来自机器人本体的传感器与动力学反馈，采集到的是机器人真实物理身体和世界交互的一手信息。不会出现 “视频里人类能轻松拿起，机器人硬件尺寸、重量、关节刚度不一样，学不会” 的问题。同时复用 FSD 纯视觉、世界仿真器底座，汽车海量场景数据可以迁移给人形机器人。
但代价同样明显：重资产，慢起步，硬件产能直接限制数据规模。
要获得更多训练样本，就必须造出更多机器人。灵巧手良率、整机产能一旦卡壳，数据飞轮就无法快速扩大。外网争议点也集中于此：当前 FSD V14、Cybercab 优先级更高，算力与人力资源是否会分流，拖慢 Academy 的训练迭代速度。
适合场景：标准化工业场景、长期迭代、追求高可靠性；长期壁垒极高，但前期投入巨大、扩张速度慢。
Figure Index全球众包人类视频，用海量人类动作预训练模型
Figure 给出的是另一个更轻量化、快速扩量的解法：不用大量造机器人，先买全世界普通人的操作视频。
Index 是 Figure 推出的全球性数据众包平台，普通人注册成为创作者，手机或头戴设备录制第一视角干活视频，完成审核就能获得报酬。可以是叠衣服、整理厨房这类家务，也可以是工厂零部件搬运、仓库分拣等工业操作。
截至最新公开数据，Index 覆盖 108 个国家，周活贡献者近 7 万人，每秒新增 35 分钟物理交互视频，累计上传千万级视频片段；Figure 承诺未来一年，投入超 10 亿美元用于数据集与算力建设，数据送入 Helix 视觉 - 语言 - 动作（VLA）模型训练，目标实现零样本泛化。Figure机器人的“数据众包”正在飙升：一周7万人在给机器人录视频
Figure 的底层设想：人类的操作方式，本身就是物理世界最优的行为模板。模型先学习海量人类第一视角操作，建立对物体、任务、环境的理解，之后只需要少量真机数据微调，机器人就能快速学会新任务。
它的巨大优势：数据扩张极快，不需要等机器人硬件量产。哪怕只有少量样机，也能持续扩充模型见过的任务、物体、环境，快速覆盖海量多样化场景，尤其适合家庭非结构化环境。Figure 已经在宝马工厂长期落地机器人试点，走租赁交付模式，提前拿到外部付费场景。
外网最核心质疑，也是这条路线天生短板 ——域偏移（Domain Gap）。
视频里是人类的骨骼、重量、肌肉力量；机器人是金属躯体、不同自由度、不同关节力矩。人类能轻松完成的动作，直接迁移到机器人本体上会失效。视频只能教会模型 “任务应该怎么做”，但无法提供机器人本体受力、碰撞、抓取打滑的动力学数据。众包视频质量参差不齐，还需要投入大量算力做清洗、去重、标注，巨额算力投入带来巨大现金流压力。
适合场景：快速扩充任务多样性、泛化能力优先；低成本快速起步，但真机落地时，依然要补大量机器人本体交互数据。
两条路线核心对比，谁更容易跑通？
Optimus Academy（真机训练派）
优点：数据属于机器人本体，物理真实性强，仿真现实迁移 gap 小；FSD 数据底座复用，长期护城河强；真实工厂场景同步验证产品可用性。
短板：硬件先行，重资产；产能瓶颈直接限制数据量；单台采集成本高，场景扩张慢；算力人力存在被自动驾驶业务分流风险。
Figure Index（人类众包视频派）
优点：数据获取速度快，低成本快速覆盖海量任务与环境；不依赖机器人产能；Helix 模型架构擅长从视频学习操作，快速做零样本泛化。
短板：人类动作与机器人本体动力学存在天然鸿沟；视频缺少力反馈等物理信号；海量数据清洗、算力采购消耗巨额资金；真机验证环节依然绕不开。
外网社区目前形成一个共识：两条路线不是非此即彼，只是训练的主次优先级不同。
特斯拉 Optimus 也会使用人类示范视频作为初始预训练素材，但核心迭代靠真机试错；Figure 同样会使用工厂真机采集数据微调模型，Index 只是前期快速扩充场景多样性的手段。二者都属于 “混合训练”，只是侧重点天差地别。
哪条路才是具身智能最优解？
短期（1-2 年）来看，Figure 的 Index 路线会更容易做出丰富的演示效果。海量居家场景视频，能让 Helix 模型学会大量不同家务任务，快速在多样化环境里展示泛化能力，更容易拿到更多工厂试点订单。但当从 “演示” 走向连续稳定作业时，人类视频带来的域差距会成为硬门槛。
中长期（3-5 年），胜负关键回到硬件量产与真机数据闭环。
如果 Optimus Gen3 能够突破灵巧手良率瓶颈，大批量在特斯拉工厂内部部署，真机数据飞轮一旦全速转动，会形成极难追赶的壁垒。但前提是硬件产能、算力资源可以持续供给，不会被自动驾驶业务挤占资源。
人形机器人的终极目标，是能在无预设的现实世界稳定完成各类任务。不管是靠机器人亲自试错，还是学习人类视频，最终都必须落到真机物理交互数据上。Index 可以快速 “见多识广”，Optimus Academy 能让机器人亲手学会如何与真实世界的力、碰撞、形变打交道。
两条路线正在并行赛跑，当下没有标准答案。赛道真正的悬念，不在于演示视频有多惊艳，而在于：谁能以可控成本，持续拿到足够高质量的机器人本体物理交互数据。
#Optimus #figure #特斯拉机器人 #具身智能 #人形机器人
关注「智财社」看具身智能技术迭代与资本脉络
原文标题 : 特斯拉Optimus机器人自己学 VS 让人类拍视频教的Figure机器人
