Figure用一款APP建立全球「数据采集经济体」，中国具身企业谁会抢先跟进？

你在家里叠衣服、洗碗、拖地的视频，现在可以卖钱了。

这不是夸张。

四个月前，美国机器人公司Figure悄悄上线了一款APP做测试；而在8月26日，这款APP正式更名Index，在Google:Play和App Store全球上线——一个让普通人通过录制家务视频来赚钱的平台。

创作者上传自己干活的第一视角视频，Figure按数据质量付费。

四个月测试期内，平台已经覆盖108个国家和地区，积累了1600万段视频，Figure向创作者支付了1500万美元，并承诺未来12个月在数据和算力上投入超过10亿美元。

这个模式的根本，是机器人行业一个被严重低估的瓶颈：数据。

大模型的能力爆发，离不开互联网上动辄数万亿Token的文本数据——仅GPT-4的训练数据量就超过13万亿Token。

但具身机器人面临的是一个完全相反的局面：它没有互联网。

在潮涌AI的报道《光轮智能总裁杨海波：从仿真数据到物理真实，具身智能的“基础设施”之战》一文里，杨海波算过一笔账：具身智能的数据需求，至少是大语言模型的1000倍。

全球81亿人，每天清醒时间超过12小时，理论上每天产生约1000亿小时的物理交互数据——但其中的绝大部分，从来没有被记录过。

Figure想做的，就是用”众包+经济激励”的方式，把这1000亿小时里的一小部分”捕获”回来，变成机器人的训练燃料。

机器人行业的叙事正在换挡：硬件的掌声渐弱，真实的人类行为数据正在成为新的”石油”。对估值390亿美元的Figure来说，Index不是一个副业项目，而是核心战略。

Figure想建的，是一个全球化的”数据采集经济体”。

01 Index的本质：用”众包”解决机器人的”数据饥渴”

Figure的Helix模型是一套端到端的VLA（视觉-语言-动作）系统：70亿参数的视觉语言模型负责理解任务，8000万参数的视觉运动网络负责实时控制。

这种模型对数据的需求是海量的、多样的、高质量的——供应商给不了，Figure决定自己建。

Index的打法很直接：你在APP上注册，录制自己做家务或工作的第一视角视频，上传后通过审核就能拿钱；也可以雇佣零工上门干活，同时录制操作画面……Figure按数据质量和数量付费。

Index App

目前每1000小时数据平均包含373种独特任务、1146种被操作对象、116个独特环境。平台每秒能处理30分钟的视频上传，背后是一套7×24小时运转的数据基础设施。

这不是“众包标注”的简单升级。

Figure要的不是人工打标签，而是人类在真实环境里干活的原生视频。

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，只能从真实场景里“买”。

02 中国企业的“数据长征”：都在做，但都很吃力

国内机器人企业不是没意识到数据的重要性。

实际上，几乎所有头部玩家都在重金投入数据采集，但和Figure的“众包平台”模式相比，中国企业的数据获取方式普遍更“重”、更“贵”、更难规模化。

• 智元机器人

按Omdia的通用人形机器人口径（含轮式双臂），2025年出货5168台，占全球39%份额，位列第一（不过这个“第一”存在统计口径之争）。

其AgiBot World项目自建2000平方米真实采集场，覆盖217个任务、3000余种物品，数据规模850TB；2026年4月，智元又开源了AGIBOT WORLD 2026数据集。与此同时，英伟达GR00T N1模型80%以上的真机训练数据来自智元开源数据集。

但采集场是重资产，扩一座就要重新投钱、搭场地、买设备。

• 宇树科技

2025年人形机器人出货超5500台，按纯双足人形口径自称全球第一。

2026年3月开源UnifoLM-WBT全身遥操作真机数据集，包含340小时、189万条动作轨迹，覆盖衣物收纳、家电操作等场景。宇树走的是“硬件+数据流水线+模型训练+开源社区”一体化路线。

开源数据的增长速度受限于社区活跃度，做不到Figure那种“全球几万人同时上传”的规模。

• 优必选

2025年全年订单近14亿元。

其牵头的国地共建创新中心发布RoboMIND数据集，涵盖279个任务、单臂/双臂/人形等多种机器人形态，优必选自身也在多地建集中化数据采集中心。

路线偏“内部闭环”——数据围绕自身本体和任务统一设计，集中度高，但开放性弱，采集成本全部由自己扛。

• 自变量机器人

2026年4月发布全球首个世界统一模型WALL-B（WUM架构），坚持100%真实场景数据采集，同时提出“牛奶数据”概念——真实家庭里自然光变化、物品随意摆放、人宠随机互动的“嘈杂”数据，与实验室“糖水数据”对立。自研主从遥操、外骨骼等数采设备，建了大量数据工厂。

2026年7月推出QUANXTA Zero无本体数采方案，宣称可将模型完成简单任务的数据成本整体降低约60%。

即便如此，创始人王潜自己也坦言：“机器人其实硬件到位了，但是大脑没有跟上。”

• 星海图

开放GOD真机数据集，覆盖住宅、商超等复杂场景，让机器人在更接近现实的环境中积累数据。

• 银河通用

走“合成数据打底，真实数据校准”路线，用仿真提速、用真机校准。

• 傅利叶智能

产品与服务已覆盖全球40多个国家和地区、约2000家机构与医院，在医疗康复场景中通过真实部署与仿真平台持续积累数据。

• 千寻智能、穹彻智能

与第三方数据服务商37度数据合作，外包部分采集标注工作。

一个共性很明显：国内具身企业的数据采集，要么自建工厂（重资产），要么依赖开源社区（速度慢），要么外包给第三方（质量难控），每一条路都有天花板，没有人能像Figure那样，用“众包+经济激励”的方式，让全球几万人同时为自己“生产”数据。

03 Figure模式，中国企业能复制吗？

答案是：能，但有难度。

而且如果不尽快行动，数据差距可能越拉越大。

Figure的核心优势不是技术，是“网络效应”。

108个国家、1600万段视频、1500万美元创作者报酬——这是一个飞轮：越多人上传，数据越多样，模型越强，机器人越能干，平台越值钱，越多人愿意上传。这种飞轮一旦转起来，后来者很难追赶。

Index周活用户

国内企业要走这条路，面临的现实障碍有三层：

第一，隐私和合规。

在中国，上门拍摄家庭内部视频涉及隐私权、肖像权、数据安全等多重监管。Figure在欧美可以靠“用户授权+匿名化处理”推进，中国的合规门槛更高。

第二，成本结构。

中国的人力成本确实更低，但“低成本”也意味着“低激励”。Figure在美国付的报酬能让创作者觉得“值得做”，中国的定价要打动普通人，平台补贴规模不能小。而自变量即便把数采成本降低了60%，依然是重资产投入。

第三，数据多样性。

中国家庭环境的物理差异极大——从一线城市的精装公寓到三四线城市的自建房，从南方的潮湿气候到北方的干燥暖气。Figure覆盖108个国家，天然获得跨文化、跨气候、跨建筑类型的多样性；中国企业如果只做国内市场，数据多样性天然受限。如果做海外，又要面对文化差异和运营成本。

但机会同样明显：中国有14亿人、全球最完整的制造业供应链、和Figure相比低得多的运营成本。如果能解决合规和激励机制，一个“中国版Index”的潜力可能更大。

04 数据战的终局：不是谁数据多，而是谁能把数据变成“能力”

瑞银证券中国工业行业分析师王斐丽今年4月受访时判断：人形机器人行业的“电动车时刻尚未到来”，当前大量出货仍流向科研机构和数据采集中心，真正进入工厂持续复购的商业化拐点仍未出现。

今天的数据竞赛，本质上是在为“拐点”积累筹码。

Figure投入10亿美元建Index，不是为了现在变现，而是为了在机器人真正走进千家万户的那一刻，拥有别人无法复制的数据壁垒。

对中国企业来说，跟进Figure的“采集经济体”模式，不是简单的“我们也建一个APP”。真正需要回答的问题是：你的模型需要什么样的数据？你能用什么样的成本获取这些数据？你的数据能不能持续产生、持续更新、持续反哺模型迭代？

Index上传视频

智元用“开源生态+数据工厂”回答，宇树用“全栈一体化+社区共创”回答，优必选用“集中采集+内部闭环”回答，自变量用“真实场景+无本体采集”回答，Figure用“众包平台+全球化+经济激励”回答。

五条路线，没有绝对的对错，但都有一个共同前提：数据必须真实、多样、持续。

05 潮涌AI观点

Figure的Index发布，把机器人行业竞争的底牌翻开了：拼完本体、拼完模型，最终要拼的是数据。

1600万段视频、1500万美元创作者报酬、10亿美元未来投入——这些数字背后，是Figure对“数据即壁垒”的深刻认知。

中国企业在数据上并非落后。

智元的AGIBOT WORLD、宇树的UnifoLM-WBT、优必选的RoboMIND、自变量的QUANXTA Zero，都在各自路线上有扎实积累。

但相比Figure的全球化众包网络，中国企业的数据获取方式仍偏“重”——自建采集场、自有遥操设备、内部闭环。质量可控，但规模天花板明显。

更值得警惕的是标准问题。

今天每一家都在用自己的采集格式、自己的标注规范、自己的场景定义闭门造车，攒下的数据彼此听不懂、接不上。

规模再大，也是一个个互不相通的池塘，而不是一片海。

对中国机器人产业来说，比“再造一个更大的数据集”更紧迫的，是让各家数据能对话、能流通、能协同训练的通用规则。这件事谁先做成，谁拿到的就不只是数据，而是整个行业的“接口定义权”。

机器人时代的“石油”，是人类每天重复的、琐碎的、真实的物理行为。

谁能以最低成本、最大规模、最高质量地获取这些行为，谁就能训练出最“像人”的机器人。

中国机器人企业会不会跟进Figure的“采集经济体”模式？

短期看，自建采集场和开源数据集仍是主流；长期看，当数据规模成为决定模型能力的关键变量，众包、零工、平台化的数据采集必然会进入中国的机器人产业。

问题不是“跟不跟”，而是“什么时候跟”、“以什么方式跟”、“由谁来牵头”。

参考文章：

机器人前瞻《Figure正式发布Index：覆盖108个国家和地区，超1600万段视频》

腾讯科技《为了给机器人囤数据，Figure全球悬赏人类“干活”》

融中财经《花了十年，优必选终于把机器人卖出去了》

T之家《2026年具身智能数据竞赛进入下半场：九家头部玩家的四大路线》

本文来自微信公众号“壹番财经”（ID:finance_yifan），作者：龙二，36氪经授权发布。