作者|驚蟄研究所 雨谷

8月下旬，「人形機器人第一股」宇樹科技正式登陸科創板。然而，上市前黃仁勳親自站台、聯想火線入股帶來的超高關注，並沒有讓宇樹科技的股價延續造富神話。上市第11個交易日，宇樹科技股價盤中跌破550元，較1100元高點已經「腰斬」。

就在同一時間，另一群在「宇樹」背後的公司正在悶聲發財。它們不造機器人、不研究模型，只做一件事：僱人，給機器人「喂」數據。

900億熱錢，誰在「喫肉」？

儘管股價遭遇巨大波動，但宇樹科技73天閃電過會的上市之路，無疑是具身智能產業今年以來的縮影。據IT桔子統計，2026年上半年，國內具身智能賽道孖展322筆，總額達到935億元，按年增長約5倍。資本市場強勢關注的同時，熱錢也開始湧向具身智能頭部企業。

今年3月，銀河通用宣佈完成25億元新一輪孖展，刷新了去年12月由其創下的3億美元（約21億元人民幣）中國具身智能單輪孖展紀錄。4月，它石智航拿下4.55億美元（約30億元人民幣）單輪孖展，刷新中國具身智能孖展紀錄。到6月底，智平方宣佈完成近50億元新一輪孖展，投後估值超過200億元，成為粵港澳大灣區首個200億級具身智能獨角獸。

而在宇樹科技上市前夕，2023年才成立的智元機器人，在7月正式確認啓動港股IPO流程，傳聞估值至少400億港元。據第一財經統計，今年上半年，國內估值超百億元的具身智能企業已有22家。

*機器人運動會「開瓶蓋」項目（圖源：智元官網）

然而，資本押注的是「未來」，熱錢也不等於利潤。宇樹科技招股書（上會稿）顯示，今年一季度其扣除非經常性損益後的淨利潤為4025.36萬元，按年下降52.55%。

今年3月，原力無限聯合創始人劉揚在接受每日經濟新聞採訪時，也直言：「2025年，行業裏大量所謂的‘商業化訂單’，本質上是公關性質的展示採購和數據採集合作，而不是真正意義上的生產力替代。」而劉揚的這句話也隱約揭露了一個事實：具身智能產業鏈上，最先嚐到甜頭的不是機器人公司，而是數據採集公司。

數據採集服務商——杭州數犀科技項目負責人孫瀟告訴驚蟄研究所，此前他的公司專門從事智駕數據標註，今年5月意外了解到具身智能賽道開始出現大量數據採集需求，因此選擇果斷入局做起了數據採集業務。

據孫瀟透露，雖然其公司正式經手數據採集業務還不到兩個月，但是已經在蘇州、宿遷、南陽建了三個基地，目前還在大力擴充採集員的隊伍，「目前這個業務的毛利能夠做到30%左右，比很多傳統行業都要高。而且訂單多到根本做不完。」

*孫瀟展示的夾爪採集設備

為什麼大多數機器人公司還在虧損，數據採集公司卻能夠先喫到肉？答案要從具身智能的底層邏輯說起。具身智能可以簡單理解為硬件和軟件的結合。其中硬件包括機器人本體、關節、靈巧手等，軟件則是由具身大模型驅動的智能系統，讓機器人理解物理世界並生成動作指令。

近些年硬件技術的發展進步飛快，但軟件技術的發展卡在了數據上。不久前，世界機器人大會上有一組被反覆引用的數據：當前國內真實物理交互場景合規數據僅50萬小時，而機器人商業化落地需要數千萬小時，缺口超過99%。而這組數字背後是具身智能行業面臨的結構性矛盾，也是產業鏈發展釋放出的階段性機會。

中國信通院發布的《具身智能訓練場研究報告(2026年)》顯示，截至今年6月底，全國建成啓用超70家機器人訓練場，在建或規劃中的訓練場達到46家。在官方口徑披露的訓練場之外，更多數據採集服務商也找到了屬於自己的生態位。

具身智能也有「包工頭」

數據需求的暴增，讓訂單像雪片一樣飛向數據採集公司，但這門生意的本質是一場層層轉包的人力分賬。

「我們很多業務不是直接對接的上游機器人公司，而是發包商先從機器人公司接單，再轉包給我們。」孫瀟告訴驚蟄研究所，「機器人公司給夾爪採集的出價通常是每小時100多元，中間發包商轉一道手後，給到我們的價格是每小時70元到90元，我們數據採集公司再按照40元到70元的價格，結算給一線採集員。」顯然，數據採集公司的利潤來自於上游發包商報價與一線採集員結算價格的價差。

「我們一開始在蘇州做數據採集的時候就發現，人員薪資水平、員工社保這些成本覈算下來，非常不划算。所以後來就開始分散到三、四線城市，甚至更偏遠的地區去做。像宿遷、南陽，房租便宜，工資水平也偏低，採集員崗位日薪160元左右就能招到人，幹滿兩個月之後再給繳社保。要是像機器人公司那樣把總部放在北上廣深，同樣的人力配置，成本翻倍都不止。」

*宇樹科技杭州辦公樓（圖源：宇樹科技官網）

對於數據採集公司的生態位，孫瀟表現得很坦然，「我們本質上就相當於產業鏈裏的包工頭。雖然現在這個賽道非常早期，但從歷史的角度講，我們肯定能喫到具身智能行業增長的蛋糕。」

當然，「包工頭」賺到錢的前提，還得是有人願意幹。而從孫瀟分享的情況來看，數據採集公司的招聘門檻低到令人意外：識字，無學歷、性別要求，新手三天即可上手。「一天湊夠4、5個有效時長，輕輕鬆鬆日入160元左右，月休四天，一個月至少3800元。對於三線城市的年輕人來說，這份收入比在超市當收銀員、在奶茶店搖奶茶更有吸引力。」

不過孫瀟也指出，這份工作雖然不像流水線計件一樣會累，但有時候可能會讓人覺得枯燥，很考驗人的耐心。「因為數據採集的本質是為機器人提供訓練數據，機器人（背後的大模型）不是一上來就能理解採集員的這個動作是在幹什麼，所以會要求採集員做動作的時候要不急不慢，這就導致一個很簡單的動作可能就做很久或者做很多遍，有的人沒耐心就堅持不下去。」

一線採集員的表現，也關係到數據採集公司的收入。由於上游發包商是以有效時長作為結算標準，因此大部分數據採集公司會通過擴大人員規模的方式，提高有效時長的產能。但人員規模的擴張不一定能堆出產能，人員水平、項目要求、採集設備的差異，都可能影響採集結果，尤其是「人的問題」。

「我們粗略統計，一線採集員一天坐班8小時，實際能夠產出的數據只有4小時左右，做得好的團隊能把產出係數做到0.6，相當於一天能產出4.8個小時數據。人跟人之間也有差距，有的人會當成工作對待，有的人只把它當成兼職。我們之前允許居家採集，有的人一天就能產出6小時數據，但有的人連最基礎的3、4個小時都做不出來。」

孫瀟坦言，數據採集表面上看是用人頭堆產能，但也恰恰卡在「人」身上。用人門檻過低，就意味着規模化需要以管理能力為前提。因此為了及時完成訂單，孫瀟所在的公司最後選擇把人員集中到一起，一天兩班倒。

「要是一天只做8小時，按照上游的數據缺口，起碼要5到10年才能滿足需求，機器人公司等不起。所以如果一套設備一天的有效時長達不到4小時，他們就會把採集設備收回。京東之前也有說要在宿遷做一個10萬人規模的數據採集基地，但是他們本地推進的速度並沒有想象得那麼快，我估計也是遇到了數據產能和質量上的問題。」孫瀟說道。

等一個「GPT時刻」

為了讓機器人擁有堪比人類的「大腦」，像孫瀟所在公司這樣的「包工頭」們開始拼命搬磚，而具身智能的競爭重心也在逐漸轉移到數據量級上，「就像GPT一樣，訓練數據的質量和規模對機器人模型的影響也非常大。」

今年8月，三位華人創立的Dyna Robotics，用超過100萬小時的人類第一視角視頻對DYNA-2模型進行預訓練。結果發現，高精度製造場景測試中的任務成功率從上一代模型的20%提升到了90%。這意味着物理AI擁有了自己的Scaling Law（縮放定律，指模型性能隨參數量、數據量和算力增加而按冪律提升的規律），機器人的「大腦」進化也可以像大語言模型一樣，通過「堆數據」來提升。

*Dyna Robotics發布的帖子

孫瀟說：「當下具身智能行業形成了一個近乎偏執的共識：採集的時長要絕對充足，可以冗餘，但不能缺。我們上游發包商給到的ego（第一視角）數據需求就達到百萬小時級，夾爪類數據也有十幾萬小時。所以我覺得相比外界傳言的‘上千萬小時數據缺口’，真實的數據需求只會多不會少。」

他還提到，產業上游對真實世界高質量數據的需求，也催生了一個耐人尋味的倒掛現象——「你的機器人有多智能，它就得需要多少人工」。

「我們目前做的只是數量上的工作，實際數據提交之後還要經過清洗、標註等其他工序，才能讓數據真正能用。所以最後給到模型訓練的一小時數據，其綜合成本可能要到300元到500元之間。我跟上游的算法工程師聊過，他們真機可用的一條數據成本要到1200元到1300元，還有的能夠達到1600元。」孫瀟說。

「但是你不要光看價格高，因為它們對真實場景的要求非常高。機器人後面要進入千家萬戶，就需要有真實場景作為採集素材。但是哪家數據公司能夠一口氣拿出來幾十套現成的房子，給你去做數據採集？不過據我所知，現在出現一種類似拼單的新模式，幾家機器人公司對接同一家數據採集訓練場，大家在同一個場景下，用各自的設備採集數據。」

另外，小區門口的小超市、藥店、早餐店這些需要實地採集的真實場景，也存在溝通困難、成本高、執行難的問題。在孫瀟看來，目前只有工廠這類標準化的場景可以大體量複製，家庭生活、餐飲零售等長尾場景的需求仍然懸而未決。

熱錢湧動的另一面，是行業揮之不去的「內循環」爭議。「有的地方單位買入機器人，讓數據採集公司採集數據後，再賣回給機器人公司。這樣一來，機器人廠商拿到了訓練數據，可以向資本市場鼓吹更大的故事，地方單位也完成了考覈指標，有種大家互相刷單的意思。」

孫瀟還舉出之前英偉達和OpenAI的「例子」，「我拿了你的投資，我再買你的顯卡用來訓練更強的大模型，互相成就彼此的估值。」而具身智能賽道的當下是一級市場講故事、二級市場買預期，中間是數據採集公司在真實地「搬磚」。

從產業演進來看，具身智能行業距離自己的「GPT時刻」仍然隔着三重拐點：技術上，還差着數千萬小時的數據；生產上，正在從小批量試用轉向大規模落地；經濟上，多數公司仍在虧損，商業閉環尚未跑通。

但不可否認的是，熱錢的湧入讓機器人第一次以具象且富有實感的方式走進真實世界。那些在三四線城市不斷冒出的「數據採集工廠」，正在為具身智能的全面繁榮鋪設地基。或許機器人還在燒錢，但是「喂」它的人，已經先喫到了肉。