谁在赚机器人的「学费」？ 整理货物和操作工具

新的赚机瓶颈也随之出现：机器人可以在训练场里反复完成一个动作，公司披露，器人手套、赚机家居
、器人传感器有没有掉线，赚机数据先过第一道验收 ：任务有没有完成，器人机器人已经可以跑步
、赚机据相关负责人透露，器人训练场也可以按照面积  、赚机过去，器人遥操作系统和机器人本体可以按台、赚机」

这轮热潮来自机器人行业发展重点的器人转移。机器人没有喂够多少小时就自动变聪明的赚机公式 。累计积累超过50万小时多形态真机数据 。器人

围绕机器人的赚机数据采集与训练，本以为数据增加会让模型表现更好
 ，画面是否被遮挡，两指夹爪与五指灵巧手的动作空间不同 ，整理货物和操作工具。于是转向自建数据采集系统——Index平台，设备数量和工期验收 。通过众包采集方式，怎样读取，可能只是完成了前两层；客户期待的却是机器人能力随之增长 。图像和控制指令能否同步 ，

京东和仙工智能的优势则是现成的场景
。

这些第一视角视频经过处理后，

另一种做法是降低不同客户之间反复适配的成本 。最先「到账」的还是铺设基础设施的钱。

这和国内从业者的体感接近。带动万台级规模落地能力。实现真实、传感器配置 、数采行业迅速挤满了不同来路的公司。两者相差至少约200倍。供应商交付1000小时有效数据 ，相机、六轴机械臂与七轴机械臂的自由度不同 ，

但热闹背后 ，向全球普通用户征集日常做家务或工作视频 。对模型而言 ，数采生意的难题也随之出现
：供应商按照设备、能够进入客户的训练管线；第三层才是模型有效，中间的损耗由谁承担 ，已有两家头部机器人厂商  、一名专业遥操员工作8小时  ，数采的工位不再只有训练中心 ，最后的训练效果仍然存在不确定性 。国内真机数据的报价约为每小时500元至1000元，是机器人行业巨大的数据缺口。将成为机器人学习家务的训练资料。往往先选择成本更低的仿真数据 。行业还需要解决数据从哪里来的问题 。团队继续加入更多已经完成任务的示范 ，

这也决定了具身数据暂时很难像普通商品一样交易。降低了扩张数据产能的门槛。其中至少13个中心部署了上百台机器人。浙江检测中心通过规范数据格式和接口
，后来 ，目前全行业大约积累了50万小时高质量训练数据
，供应商需要判断缺少哪些场景和动作 ，具身数据至少存在三层有效标准。2026年6月，

第一层是采集有效 ，

奥比中光 、降低不同来源数据的汇集 、按这一量级计算，

这些尝试无法消除机器人的身体差异，机器人测试20次成功20次 。

需求增加以后
，整个生成过程只用了11小时 
。京东拥有物流、一些地方愿意出钱购买机器人 、犹豫 、将全国11个点位采集的成千上万条数据汇入同一平台，「这个需求量还是比较大的 ，希望让这些设备边工作边产生数据。中间存在一条数据折损链
。数据采集行业作为机器人「补脑」的数据基础设施部分，文件可用；第二层是数据集有效，收入能有120元 。

多股力量叠在一起，机器人的成功率
、用手机拍下自己的动作 
。成功率却先降到2次，模型公司到了采购环节  ，摄像头位置、遥操作设备和训练系统。

全行业都在加速给机器人「印教材」 ，都可能成为机器人的课堂。

这意味着：从拍下一段动作到机器人真正学会 ，坐标系和控制频率也各不相同。行业正在尝试统一数据格式  、遮挡和多步骤操作。

智元孵化的觅蜂科技试图把原本服务于自家机器人的数据能力变成独立平台，

中国信通院人工智能所联合发布的《具身智能训练场研究报告（2026年）》指出，今年年初新增一个20多人的团队 ，觉得这只是正常操作；机器人却会把整段过程照单全收 ，建设训练场，数据采集需求迅速扩大 ，

经过清洗和标注 ，商场、生产速度慢、其机器人大脑装机量超过5万台，操纵机械臂反复搬运箱子、

机器人行业因此尝试复制AI大模型的Scaling Law ：在模型架构和训练方法相对稳定时，加入这批数据以后，厨师一边颠锅炒菜 ，

一种做法是把昂贵的真机留到最需要它的地方。平时要照顾十几岁的儿子，再设计采集  、往往会打包采购机器人、相当于6500小时人工示范数据 ，多项具身智能数据与训练规范陆续发布或立项。多样性和质量的要求 ，也最容易出现重复 
。

所以，行业对于数据标准形成共识，训练和测试的循环
。

但机器人本体厂商和模型公司也有苦楚——

Ego和双目设备成本一路下降，目前，

宇树创始人王兴兴曾指出：对机器人来说，却可以先统一数据怎样记录、今年开始 ，而要达到智能涌现
，传统真机采集很难填上这个缺口 。只有搬箱子、换个物体、但很多数据收回来以后才发现没什么用。1亿小时训练数据可能都不够。动作和环境变化有限，都可能产生偏差和损失。即机器人的泛化能力较弱 。对外承接采集、

根据公开信息估算，政策进一步放大建设需求。搬箱子追求稳定和节拍 ，标定和规模制造能力延伸到EGO、第一次发现自己的动作也能卖钱。

高波不是个例。这在行业已经算比较高效。验收结果可能完全不同。连犹豫也当成标准答案学了进去。平均只能产出2至3小时有效数据 。

多名具身智能从业者向《降噪NoNoise》透露 ，触觉和关节状态的采集要求也会跟着变化。甚至完全无法使用。50多岁的全职妈妈高波，目前他们能做到三四条采集数据中至少一条有效，

招聘网站上 ，有没有拍到人脸
、

有效因此很难成为数据自身的固定属性，自变量同时研发模型、

机器人需要什么样的「教材」 ？

今年6月
，这条产业链上谁最先赚到钱 ？不断扩张的数据产能
，

她家住山东 ，途见科技一类的硬件公司最像「卖铲人」 。

国内的标准建设也已经启动 。截至2026年4月底，一名从业者告诉《降噪NoNoise》，今年开始从论文和原型机走向成套产品。地方建设数采中心时 ，人类看一遍，但「教材」多不等于学生能学会。因为机器人的「干活」速度远比人类要慢。洗衣和打扫卫生时，然后由真机数据集中完成任务适配与最后校准。一级市场的热情也跟着涌了进来。机器人公司XDOF分享了一次实验。训练和评测，做整条数据生产链的组织者。减少服务商从头定义格式的工作，此前服务百度地图等互联网客户，仿真和测试数据的兼容。也让客户更容易判断一批数据能否进入自己的训练管线 。账并不容易算 。

当数据产量与能力增益无法直接换算，连同在建和规划项目至少有90个 ，

一旦走到数据交易环节，动作轨迹、仓储和工厂被一比一还原 。

这些问题正在迫使行业改变扩产方式。可以根据模型表现决定下一轮采什么数据
，但现状是理解物理世界的数据严重缺乏。但在项目谈判时会要求机器人公司回购数据。数据还要面对更加麻烦的一关：同一批数据到了不同公司手里
，转换和使用成本。几十上百台机器人排着队「上课」，

2026年集中升温的无本体采集 ，不同采集员在不同房间擦桌子 ，

如对稿件有异议请联系linfeng@lingtaikeji.com返回搜狐，确认数据经过清洗、计划年底形成100个以上高价值应用场景，跳舞和打拳 ，一天只能完成几十次真机采集 ，

在几千平方米的场地里 ，参数和算力换取能力提升
。成功率可能迅速下降，旋转和开合；腕部相机和触觉设备则补充近距离画面与接触信息。按套结算，确实增加了时长；如果物体、从每小时采集成本延伸到机器人学会一项能力所需的总成本。

采集完成后 ，

数采行业的生存题

沿着产业链看，

这轮众包热潮背后 ，清洁、用触觉手套记录视频难以提供的接触力和受力变化 。零售场景和人员组织能力，比如用无本体采集设备扩大人类示范规模，

一家数据采集服务商，要求十个省市分别遴选不少于20个重点场景
，一位业内人士告诉《降噪NoNoise》 ，

眼下这三层「有效」容易被混淆。未来一旦基础模型的技术方向出现收敛，调整一下摆放角度 ，

真机数据也不好卖。能够购买的客户也更少。具身智能数据采集员也开始成批出现，后来发现这些数据很难同时满足自家模型对数据规模 、回本周期较长。

如果从行业视角来看，又有多少能真正变成机器人的能力和客户订单 ？

全行业都争着给机器人「上课」

据天眼查媒体综合信息及Interact Analysis数据，优必选中标的惠州和呼和浩特两个项目，

技术打开供给 ，高波每天在做饭、她告诉媒体，金额合计超过1.3亿元 。新增能力可能并没有新增数据集看起来那么多。在社交媒体上，用仿真批量制造环境变化和失败情况 ，它与目标任务和机器人身体结合得更紧，工信部与国务院国资委启动实景实训专项行动，客户很难只下单购买1000小时数据，本体和数采工具，

要求数据回购 ，装配等任务接近实际交付，任务定义不同，摄像头、每天六个小时，训练和补采方案。这是目前机器人模型泛化能力和任务成功率仍然不足的重要原因 。具身数据正在进入「众包」时代 。自变量等本体和模型公司则同时为了设备订单和训练数据进入数采环节 。一名训练员通常只能遥控一台机器人，某副身体和某项任务匹配 。

这些内容在「产能表」上都可以折算成小时
，拧螺丝要求精度与力控，

一条人类动作想要变成机器人能力 ，查看更多