每天多 11.66 万小时人类视频、每周花 810 万美元：Figure 把数据成本算到了每小时 9.9 美元
3750 万条视频、112 个国家、每秒新增 81 分钟素材。把 Figure 披露的单周数据投入摊到新增时长上，一小时的代价约 9.9 美元——这个数字比真机遥操作便宜还是贵，取决于你拿它干什么。
- 硬件节点：Figure 第四代人形机器人 Figure 04 已完成设计锁定，零部件进入发运与验证周期；新一代执行器、电池与灵巧手同步进入可靠性测试，其中灵巧手是研发投入重点。
- 量产参照：今年夏季已完成第 1000 台 Figure 03 的制造，官方称较 Figure 02 成本下降超过 90%。
- 数据规模：自研 Index 平台累计采集 3750 万条人类操作视频，覆盖 112 个国家；采集速率提升至每秒约 81 分钟视频，折合每天新增约 11.66 万小时。
- 数据换来的效果：Helix 2.5 依托 Index 预训练，在未见过的家庭环境中任务完成率从 9% 提升到 56%；单周数据相关投入约 810 万美元。
- 算力配套：与 Nscale 达成初始 35 亿美元算力合作，计划部署最多 10 万颗英伟达 Vera Rubin 平台 GPU，2027 年下半年在德州巴斯特基地上线，合作规模有望扩至 60 亿美元；Helix 3.0 已在内部代号「Black Box」的实验室完成测试。
- 判断：这三件事拼起来，是一条与国内主流顺序相反的路线。国内多是「先做本体，再找场景采数据」；Figure 是「先把数据管线铺到 112 个国家，再回头为模型重新标定硬件」。Figure 04 之所以围绕 Helix 的操控需求重设执行单元，是因为数据端已经在按模型的需要产出，硬件只能跟着改。
这次披露里最该被算一遍的，不是 3750 万条，也不是 35 亿美元，是一个没人直接说出口的数字：Figure 采一小时人类视频，花多少钱。
Figure 给出的采集描述是：Index 平台通过面向全球用户开放的采集 App，招募普通人记录居家、办公、仓储等场景的日常操作，而不是靠实验室人工采集或远程遥操作录数据。累计 3750 万条人类操作视频，覆盖 112 个国家，采集速率提升至每秒约 81 分钟视频。
「每秒 81 分钟」这个说法反直觉，换算一下：81 分钟 × 86400 秒 ≈ 699.8 万分钟 ≈ 11.66 万小时。也就是每过一天，Index 的库里多出 11.66 万小时的素材；一年按 365 天算，约 4256 万小时。
9.9 美元一小时。作为对照，国内真机遥操作采集的公开成本口径大约在 30 元人民币/小时（约 4.2 美元），而成品真机数据的市场售价在 500 到 1000 元/小时区间。也就是说，Figure 这套「全球众包第一视角视频」的单位成本，比国内真机采集贵一倍多，但比成品真机数据便宜一个量级。
判断：这个位置很关键。它说明 Index 不是来替代真机数据的，是来吃「中间那一层」——比公开视频监督信号强、比真机遥操作便宜一个数量级的海量数据。它压不垮真机数据的价，但会把「通用操作数据」这一档的价格锚往下拽，逼着真机数据往长尾、高价值、不可仿真的方向走：柔性物体、力控装配、罕见故障。
这条数据最常被引用：Helix 2.5 依托 Index 预训练，在未见过的家庭环境中任务完成率从 9% 提升到 56%。
两个读法都成立。乐观的读法：预训练数据把零样本泛化从「基本不会」拉到了「过半数能成」，这是 6.2 倍。谨慎的读法：56% 意味着一半任务失败，在家庭场景里这个数字还不能交付。
6.2 倍说明什么：数据规模确实能换来泛化。9% 属于「偶然成功」，56% 属于「有规律地成功」，这中间跨越的是模型对陌生布局、陌生物体、陌生光照的适应能力，靠微调堆不出来，只能靠预训练覆盖面。
56% 还差什么：差的是失败后的恢复。家庭任务的失败往往不是「抓空了」，而是「抓到了但位置偏了」「东西掉地上了」「人走过来了」。这类失败需要重规划而不是重试，而重规划能力来自长序列数据的密度，不是来自视频条数。
判断：Index 现在采的是「人怎么做事」，这是个正确的起点，但它天然缺少「事情做砸了怎么收拾」的样本——人拍视频时不会把失败片段上传。这意味着 56% 到 90% 这一段，可能不是靠继续扩大视频总量能解决的，得靠另外一类数据：失败与恢复。这是所有走众包路线的团队都会撞到的墙。
为了消化这些数据，Figure 与 AI 算力云厂商 Nscale 达成初始规模 35 亿美元的合作，计划部署最多 10 万颗基于英伟达 Vera Rubin 平台的 GPU，算力资源计划 2027 年下半年在德州巴斯特基地上线，后续合作规模有望拓展至 60 亿美元。
把这两个数字放在一起看很有意思：算力账单 35 亿美元起，本体产量 1000 台。
| 环节 | 公开数字 | 性质 |
|---|---|---|
| 本体制造 | 第 1000 台 Figure 03（2026 年夏） | 已发生 |
| 本体成本 | 较 Figure 02 下降超 90% | 已发生，口径未明 |
| 数据采集 | 810 万美元/周 | 进行中 |
| 数据存量 | 3750 万条视频／112 国 | 进行中 |
| 算力 | 35 亿→60 亿美元、最多 10 万颗 GPU | 计划，2027H2 上线 |
| 模型 | Helix 3.0 完成内部测试 | 已发生，指标未披露 |
这个结构回答了一个老问题：人形机器人的钱最后花在哪。答案是花在「让机器学会干活」这件事上，而不是「把机器造出来」上。本体成本降了 90% 只换来 1000 台，数据一周烧 810 万美元却能持续产出——资本开支的重心已经从产线移到了机房。
第一，Helix 3.0 的指标。官方只说「基于迄今最大规模预训练数据和 GPU 资源完成内部测试」，没给任何数字。Black Box 实验室这个名字本身也在暗示这是闭门测试。等它公开时，要看的是同一套任务集上的对比，而不是新任务上的演示。
第二，11.66 万小时/天这个速率能不能维持。众包采集的激励成本会随覆盖国家增加而上升，早期靠新鲜感拿到的量，后期要靠钱买。810 万美元/周如果继续往上走，9.9 美元/小时这个数字就会变形。
第三，2027 年下半年才上线的算力，能不能接住现在就在膨胀的数据。数据是按天长的，算力是按季度交付的，中间这两年的数据会先堆在存储里。存储成本不出现在「单周 810 万美元」这个口径里，但它真实存在。
判断：对做交付的团队来说，这篇的可迁移结论只有一句——先算清你的数据一小时多少钱，再决定采什么。Figure 敢在全球铺 112 个国家，是因为它把单位成本压到了 10 美元以内；如果你的真机采集成本是一小时几百块，那就不该去采「通用操作」，该去采只有你能采到的那种数据。