Figure Index 是什麼？做家事也能賺錢，1,600 萬支人類影片如何訓練機器人
Figure 用 Index 付費蒐集人類做家事與工作的影片。真正的競爭力不是影片數量，而是可持續訓練 Helix 的資料供應鏈。
如果要教一個人摺衣服，你示範一次，他多半就能抓到大致步驟。但換成機器人，事情會難得多。衣服的材質、桌面高度、光線與摺法只要稍微改變，原本有效的動作就可能失敗。
Figure AI 在 2026 年 8 月 25 日公開的 Index，就是為了解決這個問題。它把一般人變成資料貢獻者，付費請大家錄下做家事、整理貨架、備餐或維修等真實工作，再把影片拿去訓練人形機器人的 AI 系統 Helix。
這項計畫真正值得注意的，不只是累積了 1,600 萬支影片，而是 Figure 正把「人類如何在現實世界完成工作」變成一條可持續採購的資料供應鏈。我對這項資料策略中性偏多，但現階段仍不能把影片數量直接當成機器人已學會的技能數量。
Figure 以官方短片介紹 Index 的全球人類任務資料網路，以及資料如何協助訓練人形機器人。 影片來源：Brett Adcock 官方 X 貼文。
Figure Index 是什麼？
Index 是 Figure AI 建立的全球資料蒐集網路。一般人可以透過 App 申請成為 Creator，配戴官方提供的錄影裝置，記錄自己完成日常工作的過程，並依上傳的影片分鐘數獲得報酬。
這些影片不是拿來製作短影音，而是要教機器人看懂真實世界的工作流程。例如整理房間時，人會先把桌上的雜物分類，再判斷物品該放到抽屜、架子或垃圾桶。影片可以讓 AI 學到任務的先後順序、物品之間的關係，以及不同環境下的處理方式。
Figure 也提供另一種模式。使用者可以在 App 內提出家事需求，由 Creator 到府協助，過程同樣可成為資料。企業則能申請在物流中心、餐廳、工廠、零售與辦公室等場所蒐集工作影片。
簡單來說，Index 現在提供的是「真人到府服務」與「付費資料任務」，Figure 想做的下一步，則是把真人逐漸換成能隨叫隨到的機器人。
264,000 次下載、1,600 萬支影片，這些數字代表什麼？
根據 Figure 官方公告，Index 在低調運作 4 個月後，已建立以下規模：
| 指標 | Figure 公布數字 | 真正代表的意義 |
|---|---|---|
| App 下載 | 264,000 次 | 產品已吸引大量申請者，但下載不等於持續貢獻 |
| 覆蓋國家 | 108 個 | 資料環境不只集中在單一國家 |
| 週活躍貢獻者 | 超過 44,000 人 | 已形成固定上傳資料的人力網路 |
| 影片上傳 | 超過 1,600 萬支 | 蒐集管線具備規模，但不等於 1,600 萬種技能 |
| 上傳速度 | 每秒 30 分鐘影片 | 每天約新增 4.9 年長度的影片 |
| 累計支付 | 1,500 萬美元 | Figure 已用真實資金建立資料供應 |
| 未來投入 | 12 個月超過 10 億美元 | 這是資料與運算的支出承諾，不是已支出金額 |
這些數字中，我認為最重要的是 44,000 名週活躍貢獻者，而不是下載量。下載 App 只表示有人感興趣；持續有人在不同家庭與工作場所錄製任務，才可能讓資料涵蓋更多物品、空間與做事方式。
Figure 表示，Index 每 1,000 小時資料平均涵蓋 373 種任務、1,146 種被操作物品與 116 種環境。這說明它不只追求影片總量，也在處理機器人最難遇到的「長尾情境」：同樣是洗碗，每個家庭的水槽、餐具、清潔工具與擺放方式都不一樣。
為什麼機器人不能直接看 YouTube 學做事？
大型語言模型能從網路取得大量文字，但機器人需要的資料更接近「人如何動手完成工作」。一般 YouTube 影片常有剪接、特寫與鏡頭切換，也不一定能看到操作者的雙手、視線與完整步驟。
Index 蒐集的是第一人稱影片，也就是從操作者視角記錄任務。這種畫面較接近人形機器人實際看到的世界，可以讓 Helix 學習三類資訊：
- 任務目標：「整理桌面」最後應該變成什麼狀態。
- **動作順序：**哪些物品要先移開，哪些步驟有前後依賴。
- **環境變化：**遇到不同房間、工具或障礙物時，人會如何調整方法。
Helix 是 Figure 的視覺－語言－動作模型（Vision-Language-Action model，VLA）。白話來說，它會同時理解攝影機畫面與人類指令，再把判斷轉成機器人的動作。Index 提供的資料，主要是在補強 Helix 對真實環境、任務步驟與人類操作方式的理解。
上傳的影片如何變成可用訓練資料？
資料量變大後，最大的問題往往不是「不夠多」，而是重複、錯誤與刻意作弊的內容也會一起增加。Figure 公開的處理管線包含 5 個階段：
- **篩選：**先檢查畫質、內容與任務是否符合要求。
- **詐欺審查：**由系統與人工抽查，找出試圖繞過規則的上傳者。
- **去重：**把影片轉成可比較的特徵，移除與既有內容太相似的片段。
- **重新平衡：**避免常見任務淹沒少見但重要的情境。
- **標註：**替每段任務建立分層文字描述，讓模型知道整體目標與細部動作。
這套流程讓 Index 更像資料工廠，而不是單純的影片硬碟。對 Figure 來說，真正的競爭優勢也可能在這裡：其他公司可以付錢買影片，卻不一定擁有同樣的任務設計、品質控制與模型回饋機制。
不過，Figure 目前沒有公開影片接受率、總有效時數與各類任務占比。外界因此還無法判斷 1,600 萬次上傳中，有多少內容實際進入 Helix 訓練。
人類影片真的能直接教會機器人嗎？
可以提供幫助，但不能取代所有機器人資料。
Figure 在 2025 年公布 Project Go-Big 時，曾展示 Helix 只使用第一人稱人類影片訓練，就能依照「走到冰箱」等語音指令，在雜亂空間中導航。這項結果支持了一個重要方向：人類與人形機器人的視角及身體結構相近，部分知識可以從人類示範轉移到機器人。
但「知道要做什麼」與「能穩定做完」仍是兩件事。一般影片可以看到手如何抓起杯子，卻未必記錄手指施加多少力量、物體重量、接觸面的摩擦力，或機器人每個關節當下的位置。這些控制資訊仍要靠機器人實際操作資料、模擬訓練與感測器回饋補足。
因此，Index 更適合被理解成機器人的大規模預訓練教材。它能讓模型先認識更多任務與場景，再用較昂貴的機器人資料學習精確動作。這讓我對 Figure 的資料策略偏正面，但還不足以證明通用家用機器人已經成熟。
Index 真的是世界最大的機器人資料集嗎？
Figure 稱 Index 是全球最大、最多元的實用機器人訓練資料集，但這項說法目前無法由外部完整驗證。
原因不是一定有其他資料集更大，而是不同計畫使用的計算單位並不相同。Google DeepMind 的 Open X-Embodiment 收集超過 100 萬個機器人操作 episodes，橫跨 22 種機器人；DROID 則公開 76,000 條示範軌跡與 350 小時互動資料。Index 公布的是人類影片支數，沒有公開總有效時數，也不是機器人原生的關節與控制資料。
另一個差別是開放程度。Open X-Embodiment 與 DROID 提供研究社群存取，Index 則是 Figure 專用的封閉資料管線。前者有利於外部研究與重現，後者的價值在於讓資料直接服務 Figure 自己的 Helix 模型與機器人產品。
所以，現階段比較合理的結論是：Index 已證明自己能以消費型 App 的速度蒐集大量人類工作影片，但「最大」與「最好」仍要等統一口徑、能力評測與更多技術細節才能判斷。
10 億美元投入，Figure 想建立什麼護城河？
Figure 已經同時掌握 Figure 03 人形機器人、Helix 模型、BotQ 製造工廠，以及 Index 資料網路。這種垂直整合能形成一個回饋循環：Index 提供人類任務資料，Helix 學習後部署到機器人，機器人在真實環境中的成功與失敗，再回頭決定下一批要蒐集什麼資料。
這比單純買更多 GPU 更接近 Figure 的長期護城河。算力可以向外採購，但橫跨家庭、餐廳、物流與工廠的真實工作資料，不容易在短時間內複製。
Figure 在 2025 年宣布 Series C 已取得超過 10 億美元的承諾資本，投後估值達 390 億美元。如今公司又承諾未來 12 個月在資料與運算投入超過 10 億美元，顯示它把機器人競爭的核心，從硬體製造進一步推向資料規模與模型能力。
但投入金額本身不是成果。真正會讓我更看多的證據，是 Helix 在陌生家庭與工作場所的任務成功率持續提高，而且不必為每個新場景重新蒐集大量機器人示範。若支出快速增加，泛化能力卻沒有同步改善，Index 就可能變成昂貴的資料採購系統。
想靠 Index 賺錢，先注意報酬與隱私
App Store 頁面 顯示，Index 只開放 18 歲以上使用，申請者要先提供自己、住家或工作場所的基本資訊。官方也明確寫出目前需求很高，會逐一審核申請。換句話說，下載 App 不代表一定能接到任務。
官方目前只說依上傳分鐘數付費，沒有在公開頁面列出固定的每分鐘報酬、各地區費率或影片被拒絕後的計價方式。因此，不適合只用累計支付 1,500 萬美元，推算個別使用者能賺多少。
隱私則是更實際的門檻。Figure 的隱私政策列出可能收集本人及周遭環境的照片、影片或錄音；App Store 也顯示，姓名、Email、概略位置、User ID 與其他資料可能與使用者身分連結。
如果影片在家中或工作場所拍攝，畫面可能帶到家人、同事、門牌、文件、螢幕、客戶資料或財物配置。即使任務本身只是摺衣服，背景仍可能暴露不必要的資訊。對參與者來說，報酬是否值得，不只要看每分鐘費率，也要看錄影範圍、資料保存方式、刪除權利與第三人同意。
FAQ
Figure Index 可以做什麼？
Index 讓使用者錄製日常家事或工作影片，提供 Figure 訓練人形機器人的 AI 系統。使用者也能申請由 Creator 到家中處理工作，企業則可洽談商業場域的資料蒐集。
使用 Figure Index 真的能賺錢嗎？
官方表示，通過申請的 Creator 可依上傳影片分鐘數獲得報酬。不過公開頁面沒有固定費率，申請也要經過審核，因此不能把它當成保證收入。
台灣可以使用 Figure Index 嗎？
App Store 顯示 Index 支援繁體中文，Figure 也表示資料來自 108 個國家。不過官方沒有公開各地區的 Creator 名額、審核條件與報酬差異，實際資格仍以 App 內顯示為準。
1,600 萬支影片等於機器人學會 1,600 萬個技能嗎？
不等於。影片中可能包含重複內容、未通過品質審查的片段，也缺少部分力量與關節控制資訊。影片數只能證明蒐集規模，機器人是否學會技能仍要看陌生任務的成功率與安全評測。
Figure 的機器人何時會進入一般家庭？
Figure 把家用機器人列為目標，但 Index 公告沒有提供一般消費者購買 Figure 03 的日期、價格或服務地區。現在可以確認的是資料蒐集網路已啟動，不能把它解讀成家用機器人已正式上市。
結論：Index 是資料供應鏈，不是機器人畢業證書
Index 把一個難以規模化的研究問題，改造成消費型 App 與全球零工網路：一般人完成真實工作，Figure 付費取得資料，再用這些影片訓練 Helix。這條路如果有效，Figure 得到的不只是更多影片，而是一套競爭對手很難快速複製的資料生產系統。
我目前對 Figure 的資料策略中性偏多，因為 44,000 名週活躍貢獻者與每秒 30 分鐘上傳量，已經顯示執行規模。但對通用人形機器人的進度仍維持中性：公司尚未公開 Index 的總有效時數、標準化評測與陌生任務成功率。
接下來真正值得追蹤的，不是影片數能否再增加 100 倍，而是每增加一批資料，機器人能否用更少示範學會新任務，並在不同家庭與工作場所穩定、安全地完成工作。那才是 Index 從「很大的資料庫」變成「真正技術護城河」的證據。
