8 月 25 日下午，Figure 創辦人 Brett Adcock 發了則貼文，把一個藏了四個月的專案端上檯面。專案叫 Index，原本內部代號 Project Go-Big，現在成了 iOS 和 Android 上都能下載的 App。
四個月，它收到了 1600 萬支影片，來自 108 個國家。下載量 26.4 萬，每週有 4.4 萬人在往裡傳東西。傳的速度是每一秒鐘進庫 30 分鐘的畫面，換算成人類工時，一天大約 4.9 年。
Figure 為這些影片付出去 1500 萬美元。接下來 12 個月，公司準備在資料蒐集和運算資源上再投 10 億以上。
一支影片不到一美元。
它收的是什麼
Index 的介面是一份任務清單。擺餐桌、倒垃圾、摺衣服、整理房間——使用者挑一項，戴上手機或頭戴支架，把自己做這件事的第一視角錄下來，上傳，領賞金。Figure 管這些人叫 Creators。
平台還有另一半：使用者可以直接在 App 裡約一位零工到府做家事，零工做事的同時把第一視角錄下來。這筆交易裡，付錢的是雇主，做事的是零工，拿走錄影的是 Figure。
錄的範圍不只家裡。餐廳、零售的後倉、物流場地都在蒐集清單上。
資料的多樣性 Figure 也報了數：每累積 1000 小時素材，裡面平均含 373 個不同任務、1146 件被操作的物品、116 種不同環境。
上傳進來的東西要過五道關：先用視覺模型按解析度、影格率、光照和任務相關性篩一遍；再由專門的人工審核團隊查有沒有人刷任務騙賞金；然後給每段影片算高維向量，把太相似的重複片段丟掉；接著按任務配額和分群做再平衡，壓掉過多的簡單任務、把稀有情況提上來；最後給通過的片段打分層的文字標註，把高層任務描述和底層動作對齊。這一整套的下游是 Helix，Figure 的機器人神經網路。
同一件事，三種做法
把 Index 放進脈絡裡才看得出它有多不一樣。
中國的做法是蓋房子。我們 7 月 17 日寫過那 64 個資料蒐集中心，還有 20 個在建，全部按 1:1 複刻真實場景，請人進去對著攝影機做事。8 月 21 日又寫過 CAICT 那份報告裡的 70 個具身智慧訓練場，其中 86% 佈置成工業製造場景。這條路的成本結構是地租、設備和薪資。
美國這邊的另一種做法是招人。7 月 30 日我們寫過 Agility 在 Fremont 開中心、招大約 200 人，專門教 Digit 做倉庫工作。這條路的成本結構是薪資和福利。
Figure 走的是第三條：不蓋房子，不招人，做一個 App。它拿到的場景數是 108 個國家、每 1000 小時 116 種環境，這個涵蓋面不是任何一組固定場地能造出來的。它的成本結構是按支計價的賞金。
三條路裡，只有第三條不產生僱傭關係。
賞金單不是薪資單
這才是這則新聞真正的分量所在。
在中國的蒐集中心裡，出鏡的人是被僱的；在 Agility 的 Fremont 中心裡，教機器人的 200 人是員工。在 Index 上，4.4 萬名週活躍貢獻者是按次結算的獨立承攬人，沒有工時保障，沒有福利，沒有最低量，也沒有對資料後續用途的任何權利。Figure 已經付掉的 1500 萬，和它準備投的 10 億，中間隔著的不只是數量級，還有這筆錢大部分不會以人力形態花出去這件事。
再看那份任務清單。餐廳、零售後倉、物流場地，正好是 Figure 已經在推銷機器人的地方——它在 BMW Spartanburg 的產線上跑過物流序列，跟 Catalyst Brands 在 Reno 簽了部署合約，BotQ 廠第 1000 台 Figure 03 剛下線。換句話說，App 裡列出來的任務不是隨機取樣，是產品路線圖的另一種寫法。你錄的那段摺衣服，訓練的是準備進你這個行業的那台機器。
Adcock 自己已經把話說明白了：硬體規模不再是主要瓶頸，瓶頸是機器身上的智慧。10 億美元投向資料和運算資源，是這句判斷的下注方式。
哪些職位應該把這則新聞記下來
家事和居家服務。 Index 蒐集清單上排在最前面的是摺衣服、鋪床、打掃、擺餐桌。這類工作長期被認為難自動化，理由是環境不標準。116 種環境這個數字就是衝著這條理由去的。
餐廳後場和外場收桌。 蒐集範圍寫明包含餐廳。餐飲的動作序列短、重複率高、容錯空間比手術台大，是繼物流之後最容易被排上號的一類。
零售後倉理貨。 Figure 在 Reno 的部署本來就在零售端，蒐集清單裡又單列了 retail stockroom。產品和資料兩端對上了，說明這不是探索性蒐集。
倉儲物流。 這條已經在進行中，不用等。值得看的是 Index 會不會把 BMW 那條產線上沒解決的邊緣情況補上。1146 件不同物品這個數字，針對的正是「貨品形狀太雜所以自動化不划算」這個老論點。
時間上不必恐慌。人類第一視角影片缺少力回饋和觸覺訊號，能不能撐起精細操作，學界還沒有定論。但有一件事已經確定：從 8 月 25 日開始，上面這幾類工作有了公開的、結構化的、每 1000 小時含 373 個標註任務的資料集，而且這個資料集每天以 4.9 年工時的速度在長。
被記錄，是被自動化之前的那一步。這一步現在有人付錢了，一支不到一美元。
