Figure公開衆包機器人數據平臺Index，向全球用戶付費收集第一視角真實世界操作視頻
Figure公開已祕密運行四個月的Index平臺，向全球用戶付費收集第一視角真實世界操作視頻，以訓練其人形機器人視覺—語言—動作模型Helix。
Figure稱，Index累計獲得26.4萬次下載，覆蓋108個國家，周活躍貢獻者超過4.4萬人，已上傳1600萬段視頻；平臺當前每秒接收約30分鐘視頻，公司估算相當於每天錄入約4.9年的人類活動時長。上述數字均爲Figure披露，尚無獨立審計數據。
用戶可錄製做飯、洗衣、清潔、搬運和整理等任務獲得報酬。Figure稱已向貢獻者支付1500萬美元，並計劃未來12個月在數據與算力上投入超過10億美元，目標是將數據運營規模擴大100倍。
Index的核心並非普通視頻庫，而是把人類第一視角動作轉化爲機器人訓練數據。Figure稱，每1000小時採集視頻平均覆蓋373項任務、1146種被操控物體及116種環境；數據隨後經過過濾、反欺詐、去重、再平衡和分層標註流程。
Figure此前在Project Go-Big中展示，Helix可僅從人類視頻學習端到端控制，並零樣本遷移至人形機器人；公司稱這是人形機器人首次僅以人類視頻，從圖像和語言直接學習到低層SE(2)速度控制。該結論屬於公司技術聲明，外部尚未獲得完整訓練數據、評測協議和獨立復現條件。
Helix 02已用於控制Figure 03全身運動、操作與平衡。Figure披露，模型曾在無重置、無人干預條件下完成約4分鐘洗碗機裝卸任務，包含61個連續移動—操作動作，並在執行中維持任務狀態和隱式錯誤恢復。
Figure已把數據、模型和製造並行推進。BotQ工廠在不足120天內將Figure 03產速從每日1臺提高至每小時1臺，累計交付超過350臺；首條線的設計年產能爲1.2萬臺，公司目標是在四年內累計生產10萬臺。
市場機制上，Index以現金激勵把普通用戶的家庭與工作現場轉化爲數據供給端，資金流向視頻貢獻者、標註審覈、雲存儲、訓練算力與數據治理；Figure則試圖把多樣化人類操作數據轉化爲Helix能力與機器人部署優勢。受益者包括擁有數據採集渠道、GPU算力、端側傳感器與機器人部署場景的公司；依賴少量遙操作數據、單場景演示或昂貴定製集成的人形機器人團隊將承受數據規模差距壓力。
來源：公開信息
ABAB AI 解讀
Figure的路徑是把“遙操作採集”替換爲“人類先替機器人經歷世界”。傳統機器人訓練需讓工程師操控真機採集動作，硬件數量、場地、維護和安全限制使數據擴張昂貴；Project Go-Big把訓練源前移到人類視頻，並宣稱實現零樣本人類—機器人遷移。Index將這一研究方向產品化：用26.4萬下載和付費激勵建立分佈式採集網絡，目標不是錄下固定動作，而是獲取真實家庭、物品擺放、光照、雜亂程度和身體運動的長尾差異。
資本路徑呈現爲“數據採購—模型能力—機器人部署—運行數據”的閉環。Figure已承諾未來12個月在數據和算力投入逾10億美元，前期已向貢獻者支付1500萬美元；這相當於先以資本購買人類行爲樣本，再以Helix把樣本壓縮爲可複用的控制策略。Figure 03具備10Gbps毫米波數據卸載能力，可讓機羣上傳TB級數據進行持續學習；當真實部署數量增加，數據源將從付費人類視頻擴展爲機器人自身的失敗、恢復和長任務軌跡。
歷史對比最接近Tesla Autopilot的車隊數據飛輪與Scale AI式數據運營，但人形機器人數據更難標準化：道路駕駛的相機位姿、車輛動力學和交通規則相對統一，家庭場景則面對不同高度的櫃子、材質、遮擋、可變物體和接觸力學。Figure已讓Figure 02在BMW Spartanburg工廠運行約1250小時、搬運逾9萬個部件，並支持生產逾3萬輛X3；Figure 03隨後進入同廠處理更復雜的物流排序。這說明其商業化先通過約束更強的工業任務驗證，再向高變異性的家庭任務擴張。
這屬於資本集中。真正的護城河不只是機械臂或單次Demo，而是能否持續支付數據採購、算力、製造爬坡與現場部署的固定成本。Figure在2025年完成超過10億美元C輪承諾融資、投後估值390億美元，投資方包括NVIDIA、Intel Capital、Brookfield、LG、Salesforce及Qualcomm Ventures；這類資本和產業連接可同時鎖定算力、製造資源及真實場景入口。機制在於，真實世界數據越多，模型越能覆蓋長尾任務；能力提升又提高部署價值和數據迴流速度，落後者面對的是複合規模差而非單一算法差。
ABAB News · 認知定律
機器人最稀缺的資源，不是電機，而是現實
誰先把人類行爲變成數據，誰先獲得物理世界的語料庫
硬件決定起跑線，數據飛輪決定終局