具身智能领域刚刚亮出了一张完全反直觉的底牌

具身智能领域刚刚亮出了一张完全反直觉的底牌。 Figure AI 创始人 Brett Adcock 突然公开了秘密项目 Index。 隐身四个月，没有发布新硬件，也没有炫酷的演示视频。 他做了一件让整个机器人行业发懵的事：直接给全球普通人发钱。 平台悄悄上线，下载量突破 26.4 万，覆盖全球 108 个国家。 4.3 万名周活跃用户，戴着镜头记录自己做家务。 1600 万条第一人称动作视频涌入后台。 平台每秒钟吃进 30 分钟视频数据。 Figure 已经向普通用户真金白银发放了 1500 万美元补贴。 他们还宣布，未来 12 个月将继续砸下 10 亿美元专攻数据与算力。 一家估值数十亿美元的机器人巨头，为什么突然做起了众包视频平台？ 为什么不在实验室多造几百台机器人自己跑？ 为什么不用英伟达最拿手的仿真引擎在虚拟世界里合成？ 拆开具身智能的黑箱，底下卡着一台困了行业四十年的冰冷机器。 它的名字叫「莫拉维克物理鸿沟」与「具身众包数据飞轮」。 1988 年，机器人学者 Hans Moravec 提出了著名的莫拉维克悖论。 人类觉得格外复杂的下棋、微积分、写代码，AI 可以在服务器里飞速学会。 但一个一岁婴儿信手拈来的本能，机器人学了四十年依然寸步难行。 随手拿起一个带油污的杯子。 在杂乱的抽屉里摸出钥匙。 叠好一条软塌塌的毛巾。 机器人在每一个动作面前都会宕机。 瓶颈不在关节电机有多强，在物理世界无休无止的混沌与长尾。 过去几年，整个机器人行业困在两条死胡同里。 第一条路叫实验室遥操作。 工程师戴着头显遥控机械臂，抓取固定位置的塑料积木。 一台设备造价昂贵，上百名研究员昼夜不停，一年也只能攒出几千小时数据。 这种在无菌实验室里喂出来的模型，一进普通人的杂乱厨房就彻底失灵。 第二条路叫虚拟仿真合成。 用大算力在数字世界里渲染上亿次抓取动作。 但真实世界的摩擦力、光线折射、布料褶皱，物理引擎根本算不准。 这一道仿真与真实的鸿沟，让算力在物理世界面前集体撞墙。 缺少海量多样的高质量物理数据，大模型的缩放定律在机器人身上直接熄火。 Figure AI 找到的解法，是绕过机器人肉身，直接采掘人类数百万年的物理直觉。 人类的大脑和双手天生理解柔性物体的受力与重心。 他们用真金白银搭建了一座全球分布式数据矿场。 4.3 万名普通人在 108 个国家的真实家庭里，洗碗、擦桌子、拉抽屉、叠衣服。 每一秒钟都在把全世界最真实、最混乱的物理长尾数据泵入系统。 再通过端到端视觉语言动作大模型 Helix。 把人类第一人称的视线与操作轨迹，跨模态蒸馏成机器人的通用动作策略。 很多人以为人形机器人的胜负手在于硬件代工与关节结构。 硬件迟早会被规模化制造压成白菜价。 真正把所有玩家挡在门外的，是这堵没人能用纯代码凭空生成的物理数据高墙。 当大部分玩家还在实验室里手工采集样本。 真正的先跑者已经把全球数十万普通人的日常生活，变成了一座自我供血的物理世界炼油厂。 当一门前沿技术学会把全人类最不起眼的物理日常变成核心燃料，它离真正走进千家万户，还差多远？