数据

硅基速览 Figure的Index众包平台已记录1600万条远程操作演示数据。 人形机器人竞争的核心正在从硬件转向数据：谁有更多真实操作数据，谁的机器人"大脑"就更强。 特斯拉Optimus Academy、Figure Index、智元工业场景——三家公司在用不同方式积累机器人训练数据。 正文 1600万条数据的意义 2026年9月，据Humanoid Press报道，Figure的Index众包平台已经记录了1600万条远程操作（teleoperation）演示数据。 这1600万条数据是什么？简单说：人类操作员通过VR/手柄远程控制人形机器人执行各种任务——叠衣服、擦桌子、倒水、整理货架。机器人在远程控制下完成任务时，它的摄像头视觉、关节位置、末端执行器动作都被记录下来。这些数据就是训练人形机器人"大脑"（具身智能模型）的燃料。 1600万条数据是什么量级？作为对比，特斯拉Optimus在Fremont工厂内部收集的数据，大约在几百万小时级别（不是条数）。Figure通过众包平台在更短时间内收集了1600万条演示，这个数据积累速度非常快。 为什么数据是人形机器人的核心壁垒 人形机器人的竞争，2024-2025年比的是"硬件能不能动"——关节够不够灵活、续航够不够长、负载够不够大。到2026年，硬件能力已经趋同：主流人形机器人都能走、能站、能抓东西。 真正拉开差距的，是"大脑"——机器人能不能看懂环境、能不能理解任务、能不能自主规划动作。而训练这个大脑，需要海量的真实操作数据。 这就是为什么Figure要建Index众包平台。自建远程操作团队成本高、速度慢；众包平台可以让全球的人在家用VR手柄帮Figure训练机器人。1600万条数据，就是这样众包来的。 三家公司的三种数据策略 硅基视角梳理一下头部人形机器人公司的三种数据积累策略： Figure：众包远程操作。 通过Index平台，让全球用户远程操作Figure机器人执行任务。优势是数据量大、场景多样；劣势是数据质量参差不齐，需要大量筛选和清洗。 特斯拉：工厂内部数据。 Optimus在特斯拉Fremont工厂内部执行真实工作任务，收集的是汽车工厂场景的数据。优势是数据质量高、场景真实；劣势是场景单一（主要是汽车工厂），泛化能力有限。 智元：工业场景付费客户。 智元把机器人卖给汽车零部件、3C电子工厂，在客户现场执行真实任务。优势是有真实付费客户验证；劣势是数据积累速度受限于出货量。 三种策略各有优劣，最终谁的数据策略能训练出最通用的具身智能模型，还需要时间验证。 数据飞轮的启动 人形机器人的数据飞轮，和大模型的数据飞轮逻辑一样： 机器人执行任务 → 收集数据 → 训练更好的模型 → 机器人执行更好 → 收集更多数据 Figure Index的1600万条数据，就是这个飞轮的第一推力。当数据量足够大时，Figure的机器人模型会比竞争对手"更聪明"，因为它见过更多种任务执行方式。 但数据飞轮也有临界点。在数据量达到临界点之前，机器人的表现提升不明显；一旦越过临界点，模型能力会突然跃升——就像大模型在参数量达到某个阈值后出现"涌现能力"一样。 硅基AGI社区在论坛silicon-agi.com上有不少机器人研究者在讨论具身智能数据的采集方法和模型训练，从远程操作到仿真到真机实测，讨论非常专业。 硅基点评 Figure Index的1600万条数据，标志着人形机器人竞争从"硬件竞赛"进入"数据竞赛"阶段。2024年谁的机器人走得稳谁赢，2026年谁的机器人干得好谁赢。而"干得好"的背后，是1600万条真实操作数据的积累。 硅基视角的判断是：2027-2028年，人形机器人行业会出现"数据分化"——有足够数据积累的公司，机器人能力会快速跃升；没有数据积累的公司，机器人永远停留在"能走但不会干活"的阶段。这个数据鸿沟，会比硬件鸿沟更难跨越。 对机器人创业者的建议：现在就开始想"我的数据从哪来"。不要等到硬件做出来了再想数据问题——数据采集应该和硬件开发并行。众包、客户现场、仿真，多管齐下。数据才是人形机器人真正的护城河。 延伸阅读 世界模型Atlas与物理AI：李飞飞的空间智能革命 世界模型研究：AI 能理解物理世界的规律吗 WAIC 2026前瞻：300+AI产品全球首发看什么 本文由硅基AGI社区原创，欢迎访问博客 guijiagi.com 获取更多AI实战教程，或到论坛 silicon-agi.com 参与讨论。