「焦点提醒」人形机械人学会干活之前 ，，， ，先要有人教它。 。。
作者 |高泽
编辑|邢昀
在机械人真正走进工厂和家庭之前 ，，， ，先要有人教会它们怎么“像人一样干活”。 。。
你可能在社交平台刷到过这样一段视频 ，，， ，印度流水线上的工人们像寻常一样在分拣、装配 ，，， ，或者缝纫、裁剪 ，，， ，但他们的头顶与手腕处的摄像头会纪录下每一次行动细节。 。。这着实就是在为训练人形机械人做数据收罗。 。。
在海内 ，，， ，类似的事情也最先下沉到兼职市场。 。。“具身智能数据收罗员”的招聘帖麋集泛起 ，，， ，“日结薪资、居家可做、无学历要求”吸引了大宗求职者。 。。有人重复抓取水杯、整理衣物、挪动物品 ，，， ，成为机械人的“AI教练”。 。。
这背后 ，，， ，是具身智能行业正在遭遇的数据饥渴。 。。人形机械人要从演示视频走向真实场景 ，，， ，不可只靠模子和硬件本体 ，，， ，还需要海量真实、清洁、可复用的行动数据。 。。
无本体第一视角众包、真机遥操作、仿真天生三类收罗蹊径各自卡位 ，，， ，一场围绕数据质量、本钱和效率的竞赛正在睁开。 。。
1、赛博流水线
人形机械人的本体和大脑都在进化 ，，， ，但越是在落地工厂、客栈、家庭等阶段 ，，， ，问题越详细：
让机械人去拿一杯水 ，，， ，水杯放在1.2米高的餐桌中央 ，，， ，这是一个有把的宽口马克杯 ，，， ，杯子旁边尚有一些杂物 ，，， ，机械人要判断手该伸到那里 ，，， ，用什么方式握住杯子。 。。
这些能力不是凭空长出来的。 。。它需要大宗真实、一连、可标注的数据来训练。 。。
在“数据荒原”逐渐成为行业共识后 ，，， ，具身智能数据收罗这条上游赛道最先快速升温。 。。佐思汽研和水清木华研究中心联合宣布的《2026年具身智能机械人数据工业结构研究报告》显示 ，，， ，2025年全球具身智能数据市场规模抵达2.42亿美元 ，，， ，同比增添181.4%；；；；；；其中 ，，， ，中国市场规模抵达5亿元人民币 ，，， ，同比增添203% ，，， ，占全球市场约四成。 。。
报告预计 ，，， ，2025-2030年全球市场复合年增添率（CAGR）可达85.0% ，，， ，2030年总规模将攀升至52.5亿美元。 。。
在此配景下 ，，， ，各路玩家竞相入场。 。。既有第三方数据服务商切入 ，，， ，好比光轮智能聚焦仿真+无本体混淆方案 ，，， ，半年融资20亿元 ，，， ，估值破百亿 ，，， ，服务多家头部企业。 。。也有人形本体企业选择自建大型收罗基地 ，，， ，智元机械人更是开放AGIBOT WORLD 2026数据集 ，，， ，笼罩具身智能全域研究。 。；；；；；；チ尥肪┒蔡逑 ，，， ，要建设全球最大的具身智能数据收罗中心。 。。
无本体Ego（第一视角衣着）收罗是当下工业端热度最高的蹊径 ，，， ，无需实体机械人本体 ，，， ，仅靠衣着摄像头录制人类行动即可产出数据 ，，， ，也是入局门槛最低、加入者最多的赛道。 。。
主打全球真实场景收罗的Cervo团队（河南纳斯熊得网络科技有限公司）是这条蹊径的玩家之一 ，，， ，其营业笼罩中国、印度与南美三大区域。 。。团队合资人Ray先容 ，，， ，公司收罗到的所有数据均落地在真实的便当店、工厂与家庭中。 。。他以为 ，，， ，录下来真实的操作习惯对机械人落地的适配性更强。 。。
一套完整的收罗流程从需求对接启动：客户明确场景类型、硬件规格、收罗时长与地区要求 ，，， ，团队对接线下相助场景 ，，， ，为一线操作职员做装备使用与行动规范培训 ，，， ，现场录制完成后通过存储卡归集至云端 ，，， ，再交由相助团队完成洗濯与标注。 。。
硬件层面分为两个梯队 ，，， ，入门级接纳GoPro运动相机或头戴手机 ，，， ，本钱低廉但视角受限 ，，， ，手部容易脱出画面 ，，， ，有用数据率约93%到95% ，，， ，需要严酷培训操作职员的头部行动；；；；；；高端方案接纳六目全景收罗装备 ，，， ，单台本钱3000至8000元 ，，， ，可笼罩300度视角 ，，， ，有用数据率靠近100% ，，， ，预算富足的头部企业更倾向这类方案。 。。
海内市场上 ，，， ，无本体收罗已经下沉至公共兼职市场。 。。一位具身智能数据收罗员对《豹变》体现 ，，， ，珠三角某公司兼职日薪约150元 ，，， ，单日事情10小时 ，，， ，全程佩带动、手等三处摄像头 ，，， ，重复做握拳、收纳物品等标准化行动 ，，， ，“事情像赛博流水线 ，，， ，重复几百上千次 ，，， ，手酸脖子痛 ，，， ，装备经常出故障 ，，， ，试岗没通过还会被扣钱”。 。。
同时 ，，， ，也有一些公司在自建数据收罗团队。 。。安徽数点信息科技有限公司商务总监周兴豪体现 ，，， ，公司标注+行动收罗全职团队合计100余人 ，，， ，职员年岁区间集中在20-26岁 ，，， ，本科占比45% ，，， ，月薪在5000-7000元左右。 。。招聘主要看重手部肢体协调性、耐心水平、自动学习意愿。 。。
一位身处一线都会的数据收罗员也体现 ，，， ，全职事情的薪资会高一些 ，，， ，日薪可达约250元。 。。要求牢靠场景到岗 ，，， ，逐日产出不少于3小时有用数据 ，，， ，凌驾部分核算绩效 ，，， ，缺乏则要倒扣人为 ，，， ，由数采组长现场监视 ，，， ，员工双人一组相互校验。 。。
外洋的本钱或许还要更低一些 ，，， ，Ray体现 ，，， ，在非洲、拉美等地 ，，， ，产线工人举行数据收罗的收益仅为1.5美元/小时（折合人民币约10元/小时）。 。。
低门槛、低本钱、可快速规；；；；；；俏薇咎艴杈兜慕沟阌攀 ，，， ，但短板同样突出：数据质量狼籍不齐 ，，， ，无效样本占比高 ，，， ，行动不规范、场景摆拍、手部脱离画面等问题普遍保存 ，，， ，行业内众包数据的现实可用率普遍缺乏三成 ，，， ，且“有用数据”的界说主要掌握在客户手中。 。。
相较于工业端热衷的“人海战术” ，，， ，学术界与深耕手艺的首创团队更青睐真机遥操与仿真收罗蹊径 ，，， ，追求数据的精准度与可复现性。 。。
一位曾在某高校AI实验室担当研究助理、现在任职一家具身智能首创公司的业内人士体现 ，，， ，真机遥操收罗是通过远程操控机械臂某人形机械人完成使命 ，，， ，同步纪录枢纽角度、力反馈、视觉画面等多模态时序数据 ，，， ，“数据完全匹配机械人本体的运动逻辑 ，，， ，没有跨硬件的误差 ，，， ，是模子微调阶段的焦点数据泉源”。 。。
但真机收罗的门槛极高：单台人形机械人本体造价数十万元 ，，， ，对收罗员的手眼协同能力有严酷要求 ，，， ，还需要解决多传感器时序对齐的焦点难点 ，，， ，差别装备的帧率、延迟保存差别 ，，， ，毫秒级的时间错位都会大幅降低数据价值。 。。
上述业内人士团队接纳拉高收罗帧率、定制硬件统一时间戳接口的方案解决这一问题 ，，， ，整套管线搭建需要软硬件团队配合 ，，， ，很难像无本体收罗一样快速批量扩张。 。。
仿真收罗则是另一种增补蹊径 ，，， ，在虚拟情形中批量天生行动样本 ，，， ，省去硬件与园地本钱。 。。
但该业内人士坦言 ，，， ，仿真与真实天下保存难以逾越的SimtoReal（仿真到真实迁徙）鸿沟 ，，， ，物体摩擦力、形变、光照都和现实保存误差 ，，， ，纯仿真数据训练的模子落地真机效果很差 ，，， ，仅能作为预训练阶段的样本增补 ，，， ，无法支持高精度使命。 。。
2、怎样采到更好的数据？？？
在现实落地中 ，，， ，三种数据获取路径没有绝对的优劣之分。 。。差别团队的蹊径选择 ，，， ，实质上都是在本钱、效率和数据质量之间寻找平衡。 。。
无本体收罗之以是能快速爆发 ，，， ，焦点在于极致的轻资产模式。 。。
Ray团队中美两地焦点成员仅8人 ，，， ，不养全职收罗员与标注员 ，，， ，焦点团队只认真客户对接、场景资源匹配与项目统筹。 。。装备可以租赁、人力按小时结算、园地依托现有实体资源 ，，， ，不需要投入重金采购机械人本体 ，，， ，几万元启动资金就能切入赛道 ，，， ，这也是大宗中小团队涌入的焦点原因。 。。
但数据质量问题无法阻止 ，，， ，最典范的就是“虚伪关联”。 。。
周兴豪举了一个经典案例：收罗职员习惯拿起茶杯先吹气降温 ，，， ，模子便将“吹气”判断为拿杯子的须要前置行动。 。。由于人形机械人大多没有“吹气”的功效 ，，， ，因此 ，，， ，训练出的机械人每次抓握茶杯都会对着空杯停留一下 ，，， ，完全脱离真实使用逻辑。 。。
“数据越多纷歧定越好 ，，， ，但数据越脏一定越糟。 。。”周兴豪这样总结。 。。在他看来 ，，， ，低质量数据的负作用远大于数据缺乏 ，，， ，“数据缺乏可以补采 ，，， ，数据污染要先洗濯再返工 ，，， ，相当于走转头路”。 。。
行业早期的野蛮生长阶段 ，，， ，大宗中心商低价收购劣质数据 ，，， ，简朴包装后转卖 ，，， ，“垃圾数据”在行业内重复流通 ，，， ，进一步加剧了“数据荒原” ，，， ，看似数据总量重大 ，，， ，真正能用的高质量样本寥寥无几。 。。
与之相对的真机蹊径 ，，， ，虽然质量可控 ，，， ，却受限于高本钱难以规；；；；；；。 。。
一台人形本体的采购本钱动辄数十万 ，，， ，还要配套园地、运维职员与标定装备 ，，， ，单条收罗管线的投入是无本体方案的几十倍。 。。且差别品牌机械人的运动空间、硬件参数保存差别 ，，， ，跨本体的数据复用效率极低 ，，， ，替换硬件险些需要重新收罗全套数据集 ，，， ，投入产出比远低于无本体方案。 。。
仿真蹊径则受限于手艺成熟度 ，，， ，物理引擎的精度缺乏以支持重大交互使命 ，，， ，短期内无法成为数据供应的主力。 。。
真正成熟的收罗方案 ，，， ，往往不是押注简单蹊径 ，，， ，而是凭证需求分层组合。 。。
头部互联网大厂、头部人形机械人厂商接纳“二八配比”的组合战略：80%的低本钱无本体数据用于模子预训练 ，，， ，堆砌数据体量提升基础泛化能力；；；；；；20%的真机高精度数据用于场景微调 ，，， ，包管落地使命的乐成率。 。。
周兴豪将其总结为“粗数据打底 ，，， ，精数据调优” ，，， ，两类数据对应模子训练的差别阶段 ，，， ，缺一不可。 。。
预算有限的中小首创团队则没有这样的条件 ，，， ，大都只能采购低价众包数据支持基础研发。 。。
高校与科研机构的处境同样尴尬 ，，， ，学术界更多是学生自主搭建收罗管线 ，，， ，规模小、缺乏标准化质检 ，，， ，数据质量不稳固 ，，， ，但胜在经济本钱较低 ，，， ，且可以无邪定制细分使命 ，，， ，适配前沿算法研究。 。。
在质量和规模之间 ，，， ，行业正在寻找折中方案 ，，， ，好比用更标准化的治理 ，，， ，把低本钱数据的可用率拉高。 。。
周兴豪的团队就履历了从纯众包到驻场收罗的转型 ，，， ，在此基础上 ，，， ，团队还建设了三级质检机制 ，，， ，同时为每条数据附上包括收罗信息、质检纪录的“数据身份证” ，，， ，实现问题可追溯。 。。
这套机制落地后 ，，， ，团队数据可用率从行业普遍的30%到50% ，，， ，提升到约80%。 。。
这也说明 ，，， ，具身智能数据收罗正在从早期的野蛮生长 ，，， ，转向更细腻的生产治理。 。。
3、从卖数据到卖Skill
手艺融合之外 ，，， ，具身智能数据收罗赛道的商业模式也在升级。 。。
纯粹售卖原始数据的赛道正在陷入低价内卷 ，，， ，头部数据服务商已经最先探索向上游延伸 ，，， ，从“卖数据”转向“卖手艺”。 。。
Ray的团队就在妄想SkillasaService（手艺即服务）的转型路径：依托积累的海量场景数据 ，，， ，基于开源基础模子微调简单工业工序的专属手艺模子 ，，， ，搭配机械臂形成完整解决方案。 。。
这套模式的焦点逻辑是本钱替换：西欧工厂人工本钱约30美元每小时 ，，， ，而机械臂加定制手艺模子的综合运行本钱可控制在13至15美元每小时 ，，， ，可以直接压缩用工本钱 ，，， ，服务商则按工时收取手艺服务费 ，，， ，盈利空间远高于纯粹卖数据。 。。
“未来我们不是数据供应商 ，，， ，是机械人手艺提供商。 。。”Ray这样形貌。 。。
谈及行业恒久生长 ，，， ，三位受访者的判断高度一致：行业暂未迎来决议性的“GPT时刻” ，，， ，但可以肯定的是 ，，， ，靠演示视频融资、靠看法炒作的团队会被镌汰 ，，， ，拥有真实线下场景资源、具备全链路质量管控能力的团队才有存活的时机。 。。
落地节奏上 ，，， ，工业半结构化场景会率先实现商业化突破 ，，， ，这也是全行业的共识。 。。
周兴豪剖析 ，，， ，工业场景情形可控、使命界线清晰、经济价值可量化 ，，， ，替换一个工位的回本周期可以准确测算 ，，， ，企业付费意愿强 ，，， ，装配、分拣、质检三类工序会最先跑通。 。。
上述任职具身智能首创公司的业内人士也以为 ，，， ，学术界与工业界的研究都在向工业场景倾斜 ，，， ，简单牢靠场景的模子精度已经靠近落地阈值。 。。
至于公共期待的家用通用人形机械人 ，，， ，在各人看来仍有漫长的路要走。 。。
家庭场景开放随机、滋扰因素无限 ，，， ，需要的数据体量呈指数级增添 ，，， ，且硬件本钱居高不下 ，，， ，消耗者付费意愿弱 ，，， ，短期内很难普及。 。。
未来3到5年 ，，， ，家庭场景会先泛起厨房机械臂、叠衣机等专用智能装备 ，，， ，而非万能型人形机械人 ，，， ，通用人形的落地至少需要十到二十年的手艺与数据积累。 。。
从印度工厂的流水线工人 ，，， ，到海内的兼职收罗员 ，，， ，“人海战术”正在快速填补具身智能的数据缺口 ，，， ，而真机收罗+仿真模拟的“慢工细活”则在守护数据质量的底线。 。。两条蹊径尚未收敛 ，，， ，但异构混淆训练已经架起了两者互通的桥梁。 。。
可以确定的是 ，，， ，野蛮生长的阶段终会已往 ，，， ，建设统一收罗标准、产出高质量可追溯数据 ，，， ，才是这条赛道的恒久生涯规则。 。。当数据荒原里挖出足够多的深井 ，，， ，具身智能的商业化落地 ，，， ，才会真正迎来拐点。 。。
（应受访者要求 ，，， ，文中Ray为假名）
从《神秘的大佛》到《去有风的地方》 ，，， ，每一代人的旅行 ，，， ，都有一部“启蒙剧”