Figure用一款APP建立全球「數據採集經濟體」，中國具身企業誰會搶先跟進？

家用場景的數據蒐集，正在成為人形機器人產業下一波競爭的關鍵戰場。美國機器人公司 Figure 近期推出一款應用程式，嘗試將分散在一般家庭日常生活中的行為記錄轉化為有價值的訓練資料，藉由一般用戶參與，打造一個全新的「數據採集經濟體」。這個模式打破了過去數據工作只能在實驗室或特定場域進行的框架，讓客廳、廚房與臥室都可能成為機器人學習的場域，也讓「做家事」這件日常瑣事，有了全新的勞動意義。在這款 APP 的設計中，用戶可以透過拍攝或記錄自己執行家務的過程來獲得報酬。舉例來說，摺衣服、擺放餐具、清理桌面、整理物品等行為，都能成為數據資料的一部分。

這些看似平凡的動作，對人形機器人而言，卻是理解真實世界運作邏輯的重要素材。機器人要能流暢地與人類生活環境互動，必須先學會辨識物體、掌握施力方式、理解步驟順序，而這一切能力培養，都需要大量真實的人類動作示範作為數據支撐。人形機器人產業長期以來面臨一個核心瓶頸：演算法的進步固然重要，但真正限制機器人能力突破的，往往是缺乏足夠多樣且真實的操作數據。實驗室中精心設計的示範場景，與實際家庭中千變萬化的生活情境之間，存在著明顯的鴻溝。衣物可能皺摺、桌面可能凌亂、餐具的擺放方式可能因人而異，這些細微差異若未納入訓練數據，機器人就很難在實際應用中展現足夠的泛化能力。Figure 的做法，正是試圖填補這道鴻溝。

透過 APP 吸引一般用戶參與，Figure 等於把數據採集的觸角深入家庭場景，以相對低廉的成本獲取大量來自不同家庭、不同生活習慣的人類動作示範。這種分散式數據採集策略，一方面擴大了數據的多樣性，讓機器人得以接觸更貼近真實生活的樣本；另一方面也建立起一種新的激勵機制，讓用戶在不知不覺中成為機器人訓練體系的一環。這種模式若能順利運作，將可能大幅加速機器人技能學習的進程。Figure 的布局，也為中國的具身智能產業提供了一條值得思考的新路徑。目前中國多家機器人新創公司與科技大廠，紛紛投入人形機器人的研發，試圖在這一波技術浪潮中佔據有利位置。然而，數據來源的匱乏始終是產業共同的痛點。

即便各家企業投入大量資源打造示範環境，或與特定場域合作蒐集數據，但這些人工建構的場景往往難以涵蓋真實世界的多樣性，且擴充成本高昂。相較之下，借助 C 端用戶的碎片化日常行為來累積數據，可能是一種更具彈性的解決方案。一般消費者的生活場景千變萬化，從都市公寓到鄉村住宅，從單身住戶到三代同堂，每一種環境都為機器人提供了獨特的學習素材。透過大規模用戶參與，企業有機會在短時間內獲得實驗室難以複製的數據量與多樣性，同時也可能在商業模式上探索出更輕量的變現路徑，讓數據採集本身成為一種可持續運作的經濟活動。不過，這樣的「數據採集經濟體」能否在中國市場順利落地，仍有諸多問題需要解決。

用戶隱私保護是首先必須面對的挑戰。家庭場景涉及大量個人生活細節，要求用戶記錄日常行為，意味著企業必須承擔高度的數據安全管理責任，如何確保用戶的隱私不被侵犯，如何在數據使用上取得用戶充分授權，都是制度設計上必須審慎處理的環節。數據品質的管控同樣是一項考驗。來自一般用戶的數據，品質可能參差不齊，拍攝角度不理想、動作示範不夠標準、場景辨識度不足等問題，都可能影響數據的可用性。企業若不能建立有效的篩選與審核機制，大量低品質數據反而可能拖累模型訓練的效率。此外，激勵機制的設計也至關重要，報酬水準是否具有吸引力，兌現方式是否流暢，用戶能否長期維持參與意願，這些因素都決定著數據採集的穩定性和持續性。

可以預見的是，機器人訓練的競賽，正從實驗室延伸到客廳與廚房。當各家企業都在追尋更充足的訓練數據，誰能更有效率地把散落在民間的真實數據轉化為模型能力，誰就有機會在下一階段的人形機器人競爭中占得先機。Figure 的這一步，等於是在這條賽道上率先畫出了一張新的地圖，而這張地圖是否會被其他業者跟進採用，將是未來一段時間內備受關注的產業動向。對於中國的具身智能企業而言，Figure 的嘗試提供了一個可參考的樣本，但並非唯一的答案。數據採集的路徑選擇，最終仍要回歸到各家公司自身的技術路線、資源條件與市場定位。

無論如何，家用場景逐漸被打開的大門，已經為人形機器人產業開啟了更多想像空間，也讓數據這項新時代的生產要素，有了更廣泛的來源與更靈活的流動方式。