Figure AI 全球悬赏数据：Index 项目如何构建人形机器人的现实世界训练体系

Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 评估时间: 2026-08-26

本文核心商业信息提炼自权威信源，由智脑时代 (zgeo.net) AI 商业分析师结构化重组。

人形机器人距离真正走入现实世界，需要跨过一道关键门槛：数据。Figure AI 于2026年8月25日推出 Index项目，旨在通过全球用户采集真实任务数据，为机器人建立覆盖现实世界的训练数据体系。

📊 核心实体与商业数据

💡 业务落地拆解

从“会动作”到“懂世界”：数据采集的战略价值

Figure AI 成立于2022年，专注于推进机器人基础模型研发，核心方向之一是 Helix模型（视觉-语言-动作模型）。这类模型旨在让机器人不再依赖固定程序，而是能够观察环境、理解任务并连续完成复杂动作。然而，机器人模型训练所需的数据与传统AI截然不同：普通视频只能告诉模型“发生了什么”，而机器人需要理解“为什么这么做”以及“下一步怎么做”。

此前，Figure曾尝试通过第三方数据供应商获取训练数据，但发现外部数据在规模、多样性和质量上均无法满足Helix的发展需求。因此，Figure决定自建数据采集网络，Index项目由此诞生。该项目邀请普通用户成为“创作者”，通过手机或头戴设备记录真实世界中的任务过程，包括家庭活动（如整理房间、叠衣服）及商业场景（如物流中心、餐厅、工厂）。Figure特别强调收集“意外情况”数据，因为机器人进入现实环境后，最大的挑战是面对陌生场景时做出正确判断。

数据加工：从原始视频到训练燃料

采集数据只是第一步，大量未经处理的人类视频并不等于有效训练数据。Figure建立了一套数据加工体系，包括数据筛选、真实性审核、去重重组和标注，确保数据质量。目前，Index每秒可处理约30分钟的视频上传量，相当于每天接收约4.9年的人类工作时间数据。Figure已向创作者支付超1500万美元报酬，以激励高质量数据贡献。

商业化进展与未来布局

Figure已推动人形机器人进入部分工业场景，包括与宝马等企业合作，并计划推进Figure 03的规模化生产。但Figure认为，硬件制造并非机器人商业化最大瓶颈，真正决定机器人能否进入更多场景的是其智能程度。未来，Index采集的数据不仅用于训练Figure自己的机器人，也可能成为机器人服务体系的一部分，从而掌握下一代机器人产业的入口。

🚀 对企业 AI 化的启示

1. 数据即护城河：在AI领域，尤其是物理世界交互的机器人领域，高质量的现实数据是核心竞争力。企业应尽早构建专属数据采集与加工体系，而非依赖外部通用数据。
2. 众包模式创新：Figure通过众包方式低成本获取海量数据，并建立激励机制（如报酬支付），这种模式可借鉴用于其他AI训练数据收集。
3. 全链路数据治理：从采集、筛选、去重到标注，完整的数据加工链路是确保模型效果的关键。企业需重视数据质量而非单纯追求数量。
4. 长期投入规划：Figure计划未来12个月投入超10亿美元，表明AI基础设施的构建需要大规模、持续的资金支持。企业应做好长期预算与战略规划。

【官方原文链接】点击访问首发地址