文 | 豹变,作家 | 高泽,编订 | 邢昀
在机器东说念主果然走进工场和家庭之前,先要有东说念主教训它们若何"像东说念主一样干活"。
你可能在酬酢平台刷到过这么一段视频,印度活水线上的工东说念主们像平日一样在分拣、装置,或者缝纫、编订,但他们的头顶与手腕处的录像头会纪录下每一次动作细节。这其实即是在为磨真金不怕火东说念主形机器东说念主作念数据会聚。
在国内,类似的责任也驱动下千里到兼职商场。"具身智能数据会聚员"的招聘帖密集出现,"日结薪资、居家可作念、无学历要求"眩惑了精深求职者。有东说念主反复抓汲水杯、整理衣物、搬动物品,成为机器东说念主的" AI 考验"。
这背后,是具身智能行业正在遇到的数据饥渴。东说念主形机器东说念主要从演示视频走向果然场景,不成只靠模子和硬件本色,还需要海量果然、干净、可复用的动作数据。
无本色第一视角众包、真机遥操作、仿真生成三类会聚门路各自卡位,一场围绕数据质地、资本和着力的竞赛正在张开。
1、赛博活水线
东说念主形机器东说念主的本色和大脑都在进化,但越是在落地工场、仓库、家庭等阶段,问题越具体:
让机器东说念主去拿一杯水,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,杯子独揽还有一些杂物,机器东说念主要判断手该伸到何处,用什么样子合手住杯子。
这些智商不是造谣长出来的。它需要精深果然、相接、可标注的数据来磨真金不怕火。
在"数据荒废"逐渐成为行业共鸣后,具身智能数据会聚这条上游赛说念驱动快速升温。佐想汽研和水清木华沟通中心联合发布的《2026 年具身智能机器东说念主数据产业布局沟通禀报》流露,2025 年全球具身智能数据商场限制达到 2.42 亿好意思元,同比增长 181.4%;其中,中国商场限制达到 5 亿元东说念主民币,同比增长 203%,占全球商场约四成。
禀报瞻望,2025-2030 年全球商场复合年增长率(CAGR)可达 85.0%,2030 年总限制将攀升至 52.5 亿好意思元。
在此配景下,各路玩家竞相入场。既有第三方数据就业商切入,比如光轮智能聚焦仿真 + 无本色混杂决策,半年融资 20 亿元,估值破百亿,就业多家头部企业。也有东说念主形本色企业弃取自建大型会聚基地,智元机器东说念主更是盛开 AGIBOT WORLD 2026 数据集,消释具身智能全域沟通。互联网巨头京东也暗示,要竖立全球最大的具身智能数据采兼并心。
无本色 Ego(第一视角衣服)会聚是当下产业端热度最高的门路,无需实体机器东说念主本色,仅靠衣服录像头录制东说念主类动作即可产出数据,亦然入局门槛最低、参与者最多的赛说念。
主打全球果然场景会聚的 Cervo 团队(河南纳斯熊得收集科技有限公司)是这条门路的玩家之一,其业务消释中国、印度与南好意思三大区域。团队合伙东说念主 Ray 先容,公司会聚到的所罕有据均落地在果然的便利店、工场与家庭中。他以为,录下来果然的操作民风对机器东说念主落地的适配性更强。
一套圆善的会聚经由从需求对接启动:客户明确场景类型、硬件规格、会聚时长与地域要求,团队对接线下互助场景,为一线操作主说念主员作念开辟使用与动作表率培训,现场录制完成后通过存储卡归集至云表,再交由互助团队完成清洗与标注。
硬件层面分为两个梯队,初学级聘用 Go Pro 畅通相机或头戴手机,资本便宜但视角受限,手部容易脱出画面,有用数据率约 93% 到 95%,需要严格培训操作主说念主员的头部动作;高端决策聘用六目全景会聚开辟,单台资本 3000 至 8000 元,可消释 300 度视角,有用数据率接近 100%,预算充足的头部企业更倾向这类决策。
国内商场上,无本色会聚也曾下千里至大师兼职商场。一位具身智能数据会聚员对《豹变》暗示,珠三角某公司兼职日薪约 150 元,单日责任 10 小时,全程指导头、手等三处录像头,反复作念合手拳、收纳物品等模范化动作,"责任像赛博活水线,类似几百上千次,手酸脖子痛,开辟常常出故障,试岗没通过还会被扣钱"。
同期,也有一些公司在自建数据会聚团队。安徽数点信息科技有限公司商务总监周兴豪暗示,公司标注 + 动作会聚全职团队测度 100 余东说念主,东说念主员年岁区间兼并在 20-26 岁,本科占比 45%,月薪在 5000-7000 元独揽。招聘主要垂青手部肢体和洽性、耐性进度、主动学习意愿。
一位身处一线城市的数据会聚员也暗示,全职责任的薪资会高一些,日薪可达约 250 元。要求固定场景到岗,逐日产出不少于 3 小时有用数据,超出部分核算绩效,不及则要倒扣工资,由数采组长现场监督,职工双东说念主一组彼此校验。
国外的资本简略还要更低一些,Ray 暗示,在非洲、拉好意思等地,产线工东说念主进行数据会聚的收益仅为 1.5 好意思元 / 小时(折合东说念主民币约 10 元 / 小时)。
低门槛、低资本、可快速限制化是无本色门路的中枢上风,但短板通常杰出:数据质地散乱不皆,无效样本占比高,动作不表率、场景摆拍、手部离开画面等问题精深存在,行业内众包数据的推行可用率精深不及三成,且"有用数据"的界说主要掌合手在客户手中。
相较于产业端热衷的"东说念主海战术",学术界与深耕时刻的初创团队更爱重真机遥操与仿真会聚门路,追求数据的精确度与可复现性。
一位曾在某高校 AI 实验室担任沟通助理、当今任职一产品身智能初创公司的业内东说念主士暗示,真机遥操会聚是通过辛勤操控机械臂或东说念主形机器东说念主完成任务,同步纪录重要角度、力反映、视觉画面等多模态时序数据,"数据完全匹配机器东说念主本色的畅通逻辑,莫得跨硬件的偏差,是模子微调阶段的中枢数据开端"。
但真契机聚的门槛极高:单台东说念主形机器东说念主本色造价数十万元,对会聚员的手眼协同智商有严格要求,还需要惩处多传感器时序对皆的中枢难点,不同开辟的帧率、延迟存在互异,毫秒级的时分错位都会大幅裁减数据价值。
上述业内东说念主士团队聘用拉高会聚帧率、定制硬件调理时分戳接口的决策惩处这一问题,整套管线搭建需要软硬件团队配合,很难像无本色会聚一样快速批量膨胀。
仿真会聚则是另一种补充门路,在虚拟环境中批量生成动作样本,省去硬件与处所股本。
但该业内东说念主士坦言,仿真与果然宇宙存在难以超过的 Sim to Real(仿真到果然迁徙)鸿沟,物体摩擦力、形变、光照都和现实存在偏差,纯仿真数据磨真金不怕火的模子落地真机成果很差,仅能算作预磨真金不怕火阶段的样本补充,无法因循高精度任务。
2、如何采到更好的数据?
在推行落地中,三种数据取得旅途莫得十足的优劣之分。不同团队的门路弃取,本质上都是在资本、着力和数据质地之间寻找均衡。
无本色会聚之是以能快速爆发,中枢在于极致的轻钞票样式。
Ray 团队中好意思两地中枢成员仅 8 东说念主,不养全职会聚员与标注员,中枢团队只精良客户对接、场景资源匹配与样子统筹。开辟不错租出、东说念主力按小时结算、处所依托现存实体资源,不需要参加重金采购机器东说念主本色,几万元启动资金就能切入赛说念,这亦然精深中小团队涌入的中枢原因。
但数据质地问题无法幸免,最典型的即是"造作相干"。
周兴壮举了一个经典案例:会聚东说念主员民风提起茶杯先吹气降温,模子便将"吹气"判定为拿杯子的必要前置动作。由于东说念主形机器东说念主大多莫得"吹气"的功能,因此,磨真金不怕火出的机器东说念主每次抓合手茶杯都会对着空杯停顿一下,完全脱离果然使用逻辑。
"数据越多不一定越好,但数据越脏一定越糟。"周兴豪这么追究。在他看来,低质地数据的负作用宏大于数据不及,"数据不及不错补采,数据混浊要先清洗再返工,格外于走回头路"。
行业早期的自负滋长阶段,精深中间商廉价收购劣质数据,简便包装后转卖,"垃圾数据"在行业内反复畅通,进一步加重了"数据荒废",看似数据总量雄伟,果然能用的高质地样本寥如晨星。
与之相对的真机门路,天然质地可控,却受限于高资本难以限制化。
一台东说念主形本色的采购资本动辄数十万,还要配套处所、运维东说念主员与标定开辟,单条会聚管线的参加是无本色决策的几十倍。且不同品牌机器东说念主的畅通空间、硬件参数存在互异,跨本色的数据复用着力极低,更换硬件险些需要再行会聚全套数据集,参加产出比远低于无本色决策。
仿真门路则受限于时刻熟习度,物理引擎的精度不及以因循复杂交互任务,短期内无法成为数据供给的主力。
果然熟习的会聚决策,时时不是押注单整个线,而是凭据需求分层组合。
头部互联网大厂、头部东说念主形机器东说念主厂商聘用"二八配比"的组测度谋:80% 的低资本无本色数据用于模子预磨真金不怕火,堆砌数据体量升迁基础泛化智商;20% 的真机高精度数据用于场景微调,保证落地任务的见着力。
周兴豪将其追究为"粗数据打底,精数据调优",两类数据对应模子磨真金不怕火的不同阶段,统筹兼顾。
预算有限的中小初创团队则莫得这么的条目,多数只可采购廉价众包数据因循基础研发。
高校与科研机构的处境通常苦恼,学术界更多是学生自主搭建会聚管线,限制小、枯竭模范化质检,数据质地抵挡稳,但胜在经济资本较低,且不错生动定制细分任务,适配前沿算法沟通。
在质地和限制之间,行业正在寻找折中决策,比如用更模范化的管理,把低资本数据的可用率拉高。
周兴豪的团队就资历了从纯众包到驻场会聚的转型,在此基础上,团队还建立了三级质检机制,同期为每条数据附上包含会聚信息、质检纪录的"数据身份证",已矣问题可追忆。
这套机制落地后,团队数据可用率从行业精深的 30% 到 50%,升迁到约 80%。
这也诠释,具身智能数据会聚正在从早期的自负滋长,转向更细致的分娩管理。
3、从卖数据到卖 Skill
时刻和会以外,具身智能数据会聚赛说念的生意样式也在升级。
单纯售卖原始数据的赛说念正在堕入廉价内卷,头部数据就业商也曾驱动探索进取游延长,从"卖数据"转向"卖妙技"。
Ray 的团队就在筹划 Skill as a Service(妙技即就业)的转型旅途:依托积存的海量场景数据,基于开源基础模子微调单一工业工序的专属妙技模子,搭配机械臂酿成圆善惩处决策。
这套样式的中枢逻辑是资本替代:泰西工场东说念主工资本约 30 好意思元每小时,而机械臂加定制妙技模子的详细运行资本可摒弃在 13 至 15 好意思元每小时,不错径直压缩用工资本,就业商则按工时收取妙技就业费,盈利空间远高于单纯卖数据。
"畴昔咱们不是数据供应商,是机器东说念主妙技提供商。" Ray 这么描述。
谈及行业恒久发展,三位受访者的判断高度一致:行业暂未迎来决定性的" GPT 时刻",但不错敬佩的是,靠演示视频融资、靠主张炒作的团队会被淘汰,领有果然线下场景资源、具备全链路质地管控智商的团队才有存活的契机。
落地节律上,工业半结构化场景会最初已矣生意化冲破,这亦然全行业的共鸣。
周兴豪分析,工业场景环境可控、任务领域昭彰、经济价值可量化,替代一个工位的回本周期不错精确测算,企业付费意愿强,装置、分拣、质检三类工序会早先跑通。
上述任职具身智能初创公司的业内东说念主士也以为,学术界与产业界的沟通都在向工业场景歪斜,单一固定场景的模子精度也曾接近落地阈值。
至于大师期待的家用通用东说念主形机器东说念主,在大家看来仍有漫长的路要走。
家庭场景盛开当场、打扰身分无尽,需要的数据体量呈指数级增长,且硬件资本居高不下,销耗者付费意愿弱,短期内很难普及。
畴昔 3 到 5 年,家庭场景会先出现厨房机械臂、叠衣机等专用智能开辟,而非万能型东说念主形机器东说念主,通用东说念主形的落地至少需要十到二十年的时刻与数据积存。
从印度工场的活水线工东说念主,到国内的兼职会聚员,"东说念主海战术"正在快速填补具身智能的数据缺口,而真契机聚 + 仿真模拟的"慢工细活"则在看管数据质地的底线。两条门路尚未经管,但异构混杂磨真金不怕火也曾架起了两者互通的桥梁。
不错详情的是,自负滋长的阶段终会往日,建立调清醒聚模范、产出高质地可追忆数据,才是这条赛说念的恒久生计规则。当数据荒废里挖出饱和多的深井体育游戏app平台,具身智能的生意化落地,才会果然迎来拐点。
