10亿美元买数据：人形机器人正在复制自动驾驶的路径

一家成立不到四年的人形机器人公司，宣布要从全球108个国家和地区收集超1600万段真实物理世界第一视角操作视频，并在未来12个月内投入超过10亿美元用于数据和算力。Figure 2025年8月26日正式发布移动端应用Index，标志着具身智能行业的竞争焦点正在从算法转向高质量训练数据。

技术变化：从买数据到建数据

Figure此前尝试过外部采购训练数据，但公司CEO Brett Adcock明确表示，外部数据无法达到Helix模型所需的吞吐量、多样性和质量标准。这促使Figure转而自建采集系统。

Index的运作模式并不复杂：用户通过手机录制日常家务或工作的第一视角视频，上传至平台后获得报酬。Figure已向数据创作者累计支付1500万美元。Index应用上线四周，累计下载量达26.4万次，周活跃用户超过4.4万人。平台实现每秒处理30分钟视频上传的能力，数据管线覆盖自动过滤、人工复核、去重、样本均衡和分层标注五个环节，7×24小时运转。

从数据质量指标看，Index数据集中每1000小时视频包含373种独特任务、1146种被操作对象和116个独特环境。这种第一视角覆盖家庭、物流、餐饮、工业等真实场景的数据规模，在机器人训练领域属于前所未有的量级。

高质量真实场景数据的稀缺性，正在成为具身智能行业比算法更难跨越的门槛。

竞争格局：数据即护城河

Figure的选择并非偶然。在自动驾驶行业，Waymo、Tesla等头部企业早已验证了一条路径：谁掌握更多真实驾驶数据，谁的感知和决策模型就更可靠，最终形成数据规模与算法性能之间的正反馈循环。

具身智能正在走同一条路。

当前主流的机器人训练数据集如Open X-Embodiment，主要来源于实验室环境下的结构化采集，场景覆盖有限且多样性不足。Figure的Index通过众包模式采集真实物理世界的第一视角操作视频，直接切入机器人落地的核心痛点——真实场景中长尾任务的泛化能力。

这种模式的壁垒在于：一旦数据集规模和质量形成领先，后来者很难通过算法创新来弥补数据差距。Figure承诺未来12个月投入超过10亿美元，这笔资金如果主要用于数据采买和算力扩张，将拉开与竞争对手在数据基础设施层面的差距。

算法可以被复现，数据规模却不能。这是自动驾驶行业用十年验证过的铁律。

商业逻辑：10亿美元的赌注

Figure的商业化路径定位为机器人即服务（RaaS），即向企业客户提供机器人租赁与运维服务。这一模式的前提是机器人具备足够高的任务泛化能力，能够适应不同客户的场景需求。

Index平台的建设正是为RaaS规模化做数据基础。108个国家和地区的覆盖意味着Figure收集的不只是某个工厂或仓库的特定操作数据，而是具有全球代表性的真实操作分布。这种多样性对于训练通用机器人至关重要。

但从商业回报角度，10亿美元的投入需要对应的收入来消化。根据公开信息，Figure已确认的客户包括BMW Group（Spartanburg工厂试用），另有第二家未公开客户。公司尚未披露任何收入数据，而395亿美元的拟议估值（Bloomberg 2025年2月报道，状态为在谈）意味着资本市场正在以极高的预期为其定价。

数据飞轮的故事需要规模化落地来验证，否则10亿美元只是沉没成本。

产业影响：机器人数据服务商的窗口期

Figure自建Index平台对整个具身智能产业链传递了一个信号：高质量数据采集正在成为产业链中的关键一环。

对于AI数据服务商而言，这意味着一个新的需求品类正在形成。Figure已支付的1500万美元可能只是行业数据采购的起点。随着更多人形机器人公司跟进数据基础设施建设，数据标注、场景采集和质量评估服务将获得新的增长空间。

对于机器人本体制造商而言，Figure的路径提醒了一个现实：如果数据获取能力成为瓶颈，那么算法再强的公司也可能在商业化进程中被卡住。这可能导致行业出现新的分工——部分公司专注于数据采集和模型训练，另一部分专注于硬件制造和场景落地。

持续性判断

Figure的10亿美元赌注能否成立，取决于两个关键因素：

第一，Helix模型能否利用Index数据集显著提升机器人的任务泛化能力，并在RaaS商业化中验证经济可行性。如果数据规模增长不能转化为机器人性能的可测量提升，这条路径的商业逻辑就无法闭环。

第二，Index的众包模式能否持续保持数据质量。随着平台规模扩大，如何防止低质量数据稀释数据集价值，如何确保采集场景的多样性和代表性，是Figure必须解决的技术和运营挑战。

人形机器人的竞争正在从谁能做出更好的机器人转向谁能拿到更好的数据。这场转变可能比技术突破本身更具决定性——因为数据积累的时间成本，是任何算法创新都无法缩短的。