作者｜霞光AI实验室 子墨

梅卡曼德创始人邵天兰的一则朋友圈，将具身智能行业心照不宣的隐秘争议彻底摆上台面。

他言辞犀利地直指行业乱象：部分高估值具身智能企业，依托关联交易、数据采集中心及地方资源包装营收数据，以此冲刺IPO、谋求资本上市。此番发声中，邵天兰还在评论区直接点名银河通用，引发行业热议。

邵天兰朋友圈截图

针对此次质疑，银河通用官方迅速作出回应，表态不愿参与行业口水纷争，将持续深耕技术研发、场景落地与商业化推进，专注自身核心业务发展。

一石激起千层浪。

一时间，针对"攒局型"具身智能企业左手倒右手、表演式数采的质疑声四起——采集量级究竟能否支撑真实场景落地，众说纷纭。

而早在今年8月，类似问题已被海外媒体所关注：《金融时报》在《谁在买中国机器人？》一文中，描述了一套交易链条：机器人企业与地方政府共建数采中心采购其机器人，随后再把采集的数据卖回机器人企业，还将这一过程称为“循环融资”。

这也让具身智能行业内的一些更本质问题，不得不被推到台前：机器人企业究竟需要什么数据？数采中心生产的数据是否真正进入模型？设备订单和数据交易又该如何判断实际价值？

要看清这些问题，仍要回到一条数据产生、流转并进入模型的全过程。霞光社对话了三位身处数采行业的从业者，分别从真实数据、订单需求和触觉数采出发，呈现出这门生意正在经历的变化。

物理AI数据创业者 黄大荣：中国具身智能数采卡在哪？

如果只看机器人出货量，中国具身智能似乎已经走得很快。但出货量只能反映产业化进度，机器人能否在真实场景中完成任务，最终还要回到模型能力。而模型能够走多远，很大程度上取决于它究竟见过多少真实世界。

据了解，OpenAI 积累的原始数据已达到千万小时级别，这还仅是保守估算。为其供给数据的海外机构，单月采集量便可达到百万小时。反观国内，简智、光轮两家企业同样具备单月百万小时的采集能力，但市场上愿意大规模采购 Ego 数据的买家寥寥无几。（Ego数据，指采集者头戴相机 / AR 眼镜，以人眼第一视角记录人与物体交互的多模态数据，用来训练人形机器人，让机器人学习在真实环境里怎么观察、抓取、完成任务。）

如此悬殊的差距，很容易让人想到一条“捷径”：真实采集既慢又贵，能不能直接依靠仿真和合成数据追上去？

可以是可以，但现阶段恐怕很难。

自动驾驶已经走过一遍类似的路。最初，大量汽车先要在真实道路上运行，积累几千万甚至上亿小时的数据。只有模型见过足够多的道路、天气和突发情况后，合成数据才有参照，才能补充那些危险、低频或难以重复的场景。现在的具身智能，更像自动驾驶的早期阶段。真实物理世界的样本底座还没有建立起来，模型甚至没有充分见过杯子如何滑落、人在狭窄空间里如何调整动作。这个时候只谈仿真，很容易生成一段“看起来合理”的视频，却无法让机器人在现实中稳定完成任务。

既然真实数据采集那么重要，为什么国内的具身公司购买Ego数据量这么少呢？

答案其实很简单，就是因为钱不够。虽然大家现在觉得具身融资火热、泡沫丛生，但实际上，要想真正落地真实场景，融到的这些钱还远远不够。

我们可以来算一笔账：一套采集设备可能要两三千元，再加上采集人员，按照全球平均水平估算，仅人工成本就接近每小时15美元。把这个数字乘以一千万，就能明白为什么数据规模不是多建几个数采中心、增加一些工位就能堆出来的。

并且数采也不是说量堆够采够了就行了，模型在早期需要的是广度，要先“见过世界”。因此，采集需要覆盖世界各地不同的国家和地区，让机器人接触不同的职业、家庭和生活环境。比如菲律宾的铁皮房、柬埔寨的茅草屋，都是有价值的，它们能让模型知道，人类并不都生活在标准化公寓里。

菲律宾的铁皮房

但广度数据只能帮助模型完成前期预训练。当机器人准备进入具体市场，采集就必须从“看得多”迈向“学得深”，围绕目标场景反复训练。

例如，面向中国家庭的机器人，需要熟悉本地家庭的空间、物品和生活习惯；面向北美商超或咖啡厅，则必须到当地采集。店内员工可以签署拍摄协议，但营业期间不断进出的顾客很难逐一授权。因此，真正接近商业场景的数据，最难拿到，也最昂贵。

采集场景确定之后，还要保证采集的内容能够真正被模型使用。摄像头一直开着，只是增加采集时长，并不代表记录下来的数据全部有效。

以印度的一些手工作业现场为例，当地人习惯赤脚围坐在地上，边聊天边完成手里的工作。双手、双脚和其他人的动作同时进入画面，模型甚至需要先判断哪个是手、哪个是脚。为了减少干扰，采集方案会要求操作人员分开工作，避免脚部入镜，必要时还要穿上袜子。

但在实际执行中，有人不愿分开，因为会影响彼此聊天；也有人认为只要戴着设备，就应该计算采集时间，即使中途喝水、休息或去洗手间，也不会主动关闭设备。

印度人做数采现场

同样的流程交给国内数采员，沟通成本往往会低一些。讲清楚场景表和操作规范后，他们通常能够理解什么是有效数据：只有完成规定动作时才开启设备，离开任务就暂停采集，无关人员也尽量不进入画面。

两种执行结果的差异，最终都会反映在数据质量上。

这也让“采集了多少小时”成为一个容易失真的指标。设备运行一小时，不等于模型得到一小时有效数据。操作偏离流程、手部受到遮挡、多人动作相互交叠，都会产生大量的无效片段。而那些符合采集要求的片段，它仍然也只是生数据。要让模型读懂，还需要先剔除无效片段，再完成动作和语义标注。

例如，一段制作蛋花汤的第一视角视频中，一个人左手端碗，右手拿着筷子，把蛋液打散，再倒进锅里。标注人员需要指出双手的位置和姿态，并用语言说明每一步正在发生什么：左手扶住什么，右手如何运动，蛋液在什么时机倒入锅中，动作与物体之间产生了怎样的关系。机器人学习的不是“这是一段做饭视频”，而是画面背后的动作逻辑。

数据完成清洗和标注后，才能正式进入模型训练环节。

不过，现阶段一些国内企业即使能拿到十万小时数据，模型也未必能够承受得住。问题不再是数据有没有处理好，而是企业是否具备足够的算力、稳定的数据管道和能够持续训练大模型的工程能力。数据需要被送入模型，训练结果还要返回采集端，告诉团队哪些动作已经足够、哪些场景仍然缺失。这个循环跑不起来，采得再多也只是堆在服务器里的素材。

OpenAI的优势就在这里。它不只拥有更多数据，还有足够的算力和一整套能够消化数据的治理能力。国内企业面对的则是多重缺口：数据量不足、算力受限，能够同时理解模型和数据的团队也不够成熟。

这些问题归根结底还是需要持续的资金投入来弥补。

虽然现在许多具身智能公司的估值很高，但估值并不等于真正到账、可以用于训练的钱。数据、算力和顶尖人才都是长期投入，而国内资金又分散在大量创业公司中，真正落到单家公司手里的资金，很难支撑一场千万小时级别的数据战争。

在这样的资金压力下，企业与地方共建数采中心，成为了补充设备和采集能力的一种方式，争议也随之出现：数采中心采购机器人形成销售收入，采集的数据又被机器人企业买回，这些交易究竟来自真实训练需求，还是主要在关联主体之间循环？

设备数量、工位规模和采集时长容易展示，模型能力是否提升却需要更长时间验证。当后者难以被迅速证明时，设备订单、项目规模乃至上市进度，就容易被当作企业成熟度的替代指标。

但在我看来，上市只是获得继续投入的机会，并不等于已经“上岸”。真正的上岸，是像酒店、餐饮或工业机器人，能够进入真实场景，并被客户重复采购，即使做的不是通用人形机器人，也已经建立了自己的商业闭环。

而机器人最终进入哪里，又会反过来决定下一批数据应该采什么。

从中国市场看，我判断，家庭场景可能比工业场景更早出现机会。高端工厂已经完成了大量自动化，剩下的质检等工作技术门槛很高；劳动密集型工厂的人工成本又很低，未必愿意购买一台几十万元的机器人。相比之下，养老、做饭、洗衣、提醒用药和取送物品，可能是更明确的需求。机器人不必一开始什么都会，只要能够在一个家庭里稳定完成几项重复工作，就可能产生购买或租赁价值。

所以，数采不能先把小时数做大，再去寻找用途。机器人准备进入什么场景、服务什么人、解决什么问题，决定了哪些动作值得被记录，哪些环境需要反复训练。

数据的终点从来不是服务器，而是机器人终于能够在真实世界里，把一件事做好。

中瞳数融总经理 孙浩：不是摄像头开得不够久，而是数据生产没有真正接上模型需求

数采行业正在呈现一个看似矛盾的现象。

一边，机器人企业不断喊着“缺数据”，但真实数据的供应量可能连需求的1%都不到；另一边，一些数采中心已经摆满设备、招来数采员，采回来的数据却迟迟找不到买家。

矛盾背后，其实是供需错位：高质量数据供小于求，低质量数据供大于求。企业缺少的，是能够解决模型问题的高质量数据；市场上开始过剩的，则是没有明确用途、为了增加时长而生产的同质化数据。目前，数采行业最大的断点，不是摄像头开得不够久，而是数据生产还没有真正接上模型需求。

这种错位，可以从一条有效数据是如何产生的说起。

桌上放着一个水杯，数采员伸手拿起它，看起来只有几秒，为了让机器人学会这个动作，却可能需要重复几十次。杯子的角度、抓取位置、手臂高度和使用的力量稍有变化，都会形成不同的运动轨迹。这些变化越丰富，机器人能够学习的动作组合也就越多。

在此过程中，失败的动作同样可能有价值。如果第一次没有拿稳，调整手势后重新抓起，这条“失败—纠正—恢复”的轨迹，有时比一次顺利完成更有意义。因为机器人进入现实环境后，不仅要学会怎样成功，还要知道出错后如何继续。

但有价值的失败，不等于所有重复动作都有效。动作偏离要求、手部被遮挡或设备空转，都会留下无法使用的片段。因此，数采员一天工作12个小时，最终能够交付的有效数据可能只有2-5个小时。

这也意味着，模型企业提出的训练需求，不能直接交给数采员执行，而要先被拆解成具体的动作、场景和交付标准。我们承担的正是这项连接工作：公司一端对接头部机器人企业和模型企业，明确训练任务并承接数据订单；另一端连接城投、交投等地方国资平台，帮助其建设和运营数采中心，再把订单转化为能够落地执行的采集任务。

当训练需求明确后，数采团队还要判断，这批数据能否被不同企业和机器人复用。公共数据集、通用家庭动作和数字孪生资产适合标准化采集；故障恢复、复杂地形和特殊工艺，则要根据机器人的结构和传感器进行定制。目前，我们承接的散单中，约六至七成都属于定制需求。

训练机器人熨衣服，受访者供图

无论是标准化还是定制化，采集方式解决的只是“数据怎么生产”，至于数据有没有价值，还要由模型训练结果来回答。

模型企业通常不会一开始就采购大量数据，而是先围绕具体场景和任务购买几百或几千小时。第一批数据进入模型后，训练结果会返回数采端：哪些动作已经学会，哪些步骤仍然失败，下一轮还需要补充什么。数采团队会据此调整任务，再把新的数据送回模型。采集-训练-反馈-补采，由此形成一轮轮循环。

第一次购买可能只是试用，第二次、第三次购买，才说明数据确实解决了问题。

随着同类数据不断增加，模型能力的变化也会反映出数据的边际效益。如果动作采了很多，模型表现却不再明显提升，这类数据就接近饱和，再继续采集增长的只是文件数量，而非能力。

行业判断数据价值的方式也因此在逐渐发生变化。过去，累计采集时长的数据本身就能成为项目亮点；而现在，比时长更重要的是模型任务成功率提高了多少、边际效益是否还在增长，以及模型企业是否愿意持续采购。只有订单、训练和复购形成闭环，数据的价值才能真正得到验证。

但问题在于，目前能够形成这种闭环的订单还不够多。

机器人尚未大规模进入工厂、仓库和家庭，模型企业能够提出的实际任务有限，数据订单只能随着研发和落地进度逐步释放。与此同时，各地却已经看到了真实数据的长期价值，开始提前建设数采中心，希望为之后的产业需求准备产能。

长期需求确实存在，但它不会立刻变成足以支撑所有数采中心的订单。于是，一些数采中心在等待订单的过程中，只能先组织人员采集容易执行的动作。数据时长不断增加，具体要解决哪个模型问题却不够清晰，“为了采而采”也就由此出现。

现阶段，这种现象很难被彻底解决。一个新市场通常要经历先发散、再聚拢的过程：参与者先进入，不同模式先被尝试，随后再由真实订单、数据价格、模型效果和复购情况完成调整，最终形成相对稳定的行业格局。

在这个过程中，数采中心能否持续获得订单，一定程度上取决于能不能进入到有真实需求的场景中采集到数据。

然而，这些场景并不容易开放，比如家庭采集涉及隐私，精密制造工厂又包含生产流程和技术信息。为了解决这一问题，一些数采机构会与地方经信部门或国资企业展开合作，协调工厂开放部分流水线，再让工人佩戴设备，或租用生产区域完成采集。

但能够获得这类订单的数采中心仍然有限，其余的数采中心只能采集门槛较低的通用动作，当这些数据无法卖给独立采购方时，就只能被关联的机器人企业购回，“循环融资”的现象也由此产生。

地方与企业共建数采中心的模式本身没什么问题，但当企业从关联的数采中心购买数据时，交易的真实性和独立价值就需要进一步说明。比如订单来自模型训练、二次迭代还是其他需求，使用的具体场景、样本类型及占比，数据将用于完成哪些模型任务，以及交易价格是否公允，是否存在独立第三方购买同类数据，复购量和复购率如何等等。

这些信息能够帮助外界判断，关联交易是否建立在真实需求之上。同时，评价一家数采中心，也要看其有效数据比例、场景覆盖度、模型能力提升、边际效益和长尾问题解决情况，而不能只看设备数量、工位规模和累计时长。

沿着这套评价标准继续发展，未来数采行业的分工也将更加清晰。

头部机器人企业会保留内部数采部门，处理敏感数据、核心任务和安全要求较高的场景；公共数据、标准化任务和可复用场景，则交给第三方机构。

中小型数采企业不必与大厂比拼规模，而是在一些细分领域寻找机会。比如一些原本服务电力、能源、航空或矿山的企业，可以凭借行业关系和信任基础进入特殊作业现场；还有一些可以向数据清洗、标注、评测和数据资产平台延伸，不再只是出售采集时长。

数采中心本身也会逐渐变成混合系统：人工负责复杂动作和特殊情况，机器人自主完成简单、重复的采集，评测系统筛选有效数据，再把结果反馈到采集端。数采员也可能会从动作执行者转向评测工程师、任务设计师和长尾案例设计师等等。

数采员操作训练，受访者供图

采集方式和岗位会发生变化，但真实数据在未来3-5年仍然不可替代。仿真虽然能够快速生成低频、危险或难以重复的场景，但重量、尺寸和摩擦系数等物理参数却仍需从现实中获得。参数一旦出现偏差，机器人在仿真环境中抓得再稳，进入现实也可能失败。

因此，行业还要继续积累大量真实数据和真机数据。等物体、场景和动作参数足够丰富，仿真才可能承担更多预训练和长尾场景生成任务。

从落地节奏看，工业场景可能会先于家庭释放数据需求。前者已经存在相对明确的任务，数据订单更容易围绕实际问题产生；家庭机器人的空间虽然更大，技术能力和使用成本却还需要时间成熟。

但无论机器人最终进入工厂还是家庭，数采的逻辑始终相同：场景提出问题，数据记录解决问题的过程，模型再从这些记录中学习。模型、场景和数据构成了具身智能的铁三角。任何一环脱离另外两环，都会陷入空转。

因此，数采行业真正成熟的标志，不是又建了多少中心、采了多少小时，而是能够清楚回答一个问题：这批数据，究竟让机器人学会了什么。

超维传感创始人兼CEO 李炎辉：触觉数采仍是蓝海，但第一步不是堆数据

当大量企业涌向视觉数采时，我们把注意力放在了触觉。

一方面，团队已经深耕触觉传感器12年，积累了长期的技术经验；另一方面，视觉方向参与者众多，没有必要再重复“造轮子”。触觉虽然存在霍尔、电容等不同路线，市面上从事相关手套的企业也有十余家，但真正能够稳定提供高质量触觉信息的厂商仍然很少。从具身智能数采的角度看，这里仍是一片蓝海。

更重要的是，触觉数采补上了视觉数采难以覆盖的接触信息。机器人可以通过视觉找到目标，但手指接触物体后，还要根据压力、摩擦和受力变化，判断有没有拿稳、应该使用多大的力。

以拿起一个300克的水瓶为例：假设拿起水瓶恰好需要5N的力。如果不同传感器在相同动作中分别记录出4N、5N和6N，模型就可能误以为，4-6N都能完成抓取。但到了现实中，4N可能拿不起来，6N又可能把瓶子捏瘪，让水洒出来。

模型不会主动判断哪一个数值错了，它只会按照收到的数据学习。因此，触觉数采首先要解决的是：同样的接触，能否被不同设备稳定地记录为一致的结果。

这也决定了触觉数据不能一开始就用采集时长衡量。只有先解决一致性问题、建立统一的数据标准，讨论时长才有意义。

如果同一个动作在不同手套、不同批次的传感器上得到不同结果，一小时的数据可能存在偏差，一万小时只会积累更多偏差。反过来，如果传感器能够持续、稳定地记录接触信息，采集时间越长，模型获得的有效样本才可能越多。

因此，触觉数据的“有效”，意味着记录准确、结果一致。要做到这一点，不能只依靠某一个零部件。从底层材料、印刷工艺到软件算法、贴合和标定，任何环节出现偏差，都可能让最终力值发生变化，本质上是要给触觉数采建立一把统一的尺子。

有了这把尺子，触觉数据的有效时长反而比视觉数据更容易判断。

视觉设备连续工作8小时，可能拍下大量与任务无关的画面，真正能够进入训练的数据不到一半。触觉传感器则不同：没有发生接触时，记录值为零；只要真实接触发生，设备保持一致、操作符合规范，这段触觉信息就可以被留下。如果8小时都在按照标准完成有效接触，8小时就可以是8小时有效数据。

但数据有效，并不意味着数据足够丰富。

比如让数采员反复叠一条毛巾，若毛巾的材质、摆放方式和操作过程完全相同，即使重复100次、1000次，采回来的数据虽然符合标准，但模型学到的内容却十分单一。

真正有价值的数采，需要在统一标准下制造更多变化。毛巾的材质可以不同，光线可以从明到暗，也可以产生阴影；操作姿态和折叠方式也可以调整。模型见过的变化越多，进入真实场景后才越有可能完成任务。

但这些变化也不能脱离采集目标，如果正常任务要求五根手指抓住水瓶，操作过程中却只用指腹或手掌发生了非正常接触，传感器即使准确记录了力值，数据也可能偏离原本的任务要求。

因此，触觉数采不仅需要执行动作的人，也需要能够设计动作的人。

短期内，数采员的需求会快速增加，但岗位也会逐渐分化。一类人按照制定好的规范完成重复操作；另一类人则要理解模型需要什么，设计材质、姿态和接触方式等变量，让普通操作人员也能稳定采出高质量数据。长期来看，前者可能会先增加再减少，后者会持续存在。

人员之外，触觉数采能否扩大规模，还要看采集设备如何完成验证，并进入实际项目。

我们并不直接经营数采中心，而是为模型企业和数采机构提供高一致性的数采手套，并与使用方共同研究采集规范。目前，一副触觉数采手套市场价格大约为几千元，但采购通常不会一步到位。

超微传感 超芯维Hypetrix HSG系列数采手套，目前已在京东店铺上线，受访者供图

刚开始时，模型企业或数采机构可能会先采购10-20套，用来验证可行性和设备性能；验证通过后，才可能扩大至上千套。设备能否扩大部署，也不只取决于硬件本身，还取决于采回来的数据是否真正帮助模型完成了任务。模型反馈回来之后，采集方式和传感器还要继续调整。

随着触觉数据需求不断扩大，成本更低的仿真和合成数据也会逐渐进入模型训练。但现阶段，它们还无法替代真实数据，因为触觉领域尚未形成足够规模的数据基础。

就像生成式视频能够合成画面，是因为模型已经学习过海量真实视频。触觉同样如此：压力、摩擦以及不同材料接触时的反馈，都要先从现实世界中获得，仿真和合成数据才有学习与校准的依据。

因此，早期的真实触觉数据会远多于合成数据。积累到某个阶段后，合成数据可能逐渐增加，甚至超过真实数据。这个拐点何时到来还无法确定，但真实数据必须先完成基础积累。

真实数据的持续积累，最终需要由具体应用场景承接。相较于家庭，工业领域更可能会率先形成稳定的触觉数据需求。

工厂环境相对结构化，机器人要抓什么、放到哪里、使用多大的力，都更容易被定义，数采任务也能围绕具体操作展开。这个方向虽然竞争激烈，但也恰恰说明越来越多企业看好它进入实际生产的速度。参与者增加，也会带来更多尝试和成功案例，推动中国制造业提高生产效率。

当然，并不是所有进入这个赛道的企业都能留下。产品是否稳定、数据是否有效、模型能否因此完成实际任务，最终都要接受现场的检验。没有价值的产品和数据会被淘汰，真正解决问题的企业才能在竞争中生存。

数采中心也会经历类似的筛选，经历一个从少到多、再从多到少的过程。

产业早期需要快速积累数据，数采中心会先从少到多。但当简单、重复的数据逐渐采够，只承担标准动作采集的中心会慢慢减少。能够进入特殊场景、提供高质量数据和定制服务的机构，才可能长期存在。

与此同时，行业分工也会随之形成。涉及精密制造、核心工艺和企业独有技术的数据，很难对外开放，头部企业可能会建立数采部门，将这些数据留在内部，形成自己的“护城河”。更通用、更宽泛的数据，则可以由第三方机构提供，帮助模型企业降低采集成本。

如今，具身数采仍处于早期阶段，难免鱼龙混杂，充满争议，但最终都会聚焦到价值，回归到实质。那些能够持续提升数据质量、推动统一标准建立的参与者，更有可能在行业沉淀之后留下来。