在机器人真正走进工厂和家庭之前，首要任务是教会它们如何像人类一样工作。你可能曾在社交平台上刷到过这样的视频：印度的流水线工人正像往常一样分拣、装配或缝纫，但他们的头顶和手腕处安装的摄像头正在记录每一个动作细节。这其实是在为人形机器人训练采集数据。国内，类似的招聘信息也开始下沉到兼职市场。“具身智能数据采集员”的招聘帖密集出现，日结薪资、居家可做、无学历要求吸引了大量求职者。有人反复抓取水杯、整理衣物、搬动物品，成为了机器人的“AI教练”。
这背后，是具身智能行业正遭遇的“数据饥渴”。人形机器人要从演示视频走向真实场景，仅靠模型和硬件是不够的，还需要海量真实、干净、可复用的动作数据。随着“数据荒漠”成为行业共识，具身智能数据采集这条上游赛道开始快速升温。佐思汽研和水清木华研究中心联合发布的报告显示，2025年全球具身智能数据市场规模达到2.42亿美元，同比增长181.4%；其中中国市场规模达到5亿元人民币，同比增长203%，约占全球市场的四成。预计2025至2030年，全球市场复合年增长率（CAGR）可达85.0%，2030年总规模将攀升至52.5亿美元。
在此背景下，各路玩家竞相入场。既有第三方数据服务商切入，如光轮智能聚焦仿真与无本体混合方案，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采集基地，如智元机器人开放AGIBOT WORLD 2026数据集，覆盖全域研究。互联网巨头京东也表示，要建设全球最大的具身智能数据采集中心。
无本体第一视角穿戴采集是当下产业端热度最高的路线，无需实体机器人，仅靠穿戴摄像头录制人类动作即可产出数据，也是入局门槛最低、参与者最多的赛道。主打全球真实场景采集的Cervo团队（河南纳斯熊得网络科技有限公司）是这条路线的代表之一，其业务覆盖中国、印度与南美三大区域。团队合伙人Ray介绍，公司采集的数据均落地在真实的便利店、工厂与家庭中。他认为，记录真实的操作习惯对机器人落地的适配性更强。一套完整的采集流程包括：客户明确需求，团队对接线下场景，培训操作人员，现场录制，数据归集至云端，最后由合作团队完成清洗与标注。硬件层面分为两个梯队：入门级采用GoPro运动相机或头戴手机，成本低廉但视角受限，有效数据率约93%到95%；高端方案采用六目全景采集设备，单台成本3000至8000元，可覆盖300度视角，有效数据率接近100%。
国内市场上，无本体采集已经下沉至大众兼职市场。一位具身智能数据采集员表示，珠三角某公司兼职日薪约150元，单日工作10小时，全程佩戴头、手等三处摄像头，反复做握拳、收纳物品等标准化动作，“工作像赛博流水线，重复几百上千次，手酸脖子痛，设备经常出故障，试岗没通过还会被扣钱”。同时，也有一些公司在自建数据采集团队。安徽数点信息科技有限公司商务总监周兴豪表示，公司标注+动作采集全职团队合计100余人，人员年龄区间集中在20至26岁，本科占比45%，月薪在5000至7000元左右。招聘主要看重手部肢体协调性、耐心程度、主动学习意愿。一位身处一线城市的数据采集员也表示，全职工作的薪资会高一些，日薪可达约250元，要求固定场景到岗，每日产出不少于3小时有效数据，超出部分核算绩效，不足则要倒扣工资，由数采组长现场监督，员工双人一组互相校验。
海外的成本或许更低，Ray表示在非洲、拉美等地，产线工人进行数据采集的收益仅为1.5美元每小时，折合人民币约10元每小时。低门槛、低成本、可快速规模化是无本体路线的核心优势，但短板同样突出：数据质量参差不齐，无效样本占比高，行业内众包数据的实际可用率普遍不足三成。最典型的就是“虚假关联”问题，采集人员习惯拿起茶杯先吹气降温，模型便将“吹气”判定为拿杯子的必要前置动作，导致机器人每次抓握都会对着空杯停顿一下。周兴豪总结道：“数据越多不一定越好，但数据越脏一定越糟。”
相较于产业端热衷的“人海战术”，学术界与深耕技术的初创团队更青睐真机遥操与仿真采集路线。真机遥操采集是通过远程操控机械臂或人形机器人完成任务，同步记录关节角度、力反馈、视觉画面等多模态时序数据，数据完全匹配机器人本体的运动逻辑，是模型微调阶段的核心数据来源。但真机采集门槛极高：单台人形机器人本体造价数十万元，对采集员的手眼协同能力有严格要求，还需要解决多传感器时序对齐的难点，不同设备的帧率、延迟差异都会大幅降低数据价值。仿真采集则是在虚拟环境中批量生成动作样本，省去硬件与场地成本，但业内人士坦言，仿真与真实世界存在难以逾越的鸿沟，物体摩擦力、形变、光照都和现实存在偏差，纯仿真数据训练的模型落地真机效果很差，仅能作为预训练阶段的样本补充。
在实际落地中，三种数据获取路径没有绝对的优劣之分，本质上都是在成本、效率和数据质量之间寻找平衡。无本体采集之所以能快速爆发，核心在于极致的轻资产模式，核心团队仅8人，不养全职采集员，设备租赁、人力按小时结算，几万元启动资金就能切入赛道。但数据质量问题无法避免。
真正成熟的采集方案，往往不是押注单一路线，而是根据需求分层组合。头部互联网大厂、头部人形机器人厂商采用“二八配比”的组合策略：80%的低成本无本体数据用于模型预训练，20%的真机高精度数据用于场景微调。周兴豪将其总结为“粗数据打底，精数据调优”。预算有限的中小初创团队则多数只能采购低价众包数据支撑基础研发。高校与科研机构的处境同样尴尬，学生自主搭建管线，规模小、缺乏标准化质检，数据质量不稳定，但胜在经济成本较低。
在质量和规模之间，行业正在寻找折中方案，比如用更标准化的管理把低成本数据的可用率拉高。周兴豪的团队就经历了从纯众包到驻场采集的转型，并建立了三级质检机制，同时为每条数据附上包含采集信息、质检记录的“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%。
技术融合之外，具身智能数据采集赛道的商业模式也在升级。单纯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开始探索向上游延伸，从“卖数据”转向“卖技能”。Ray的团队规划了Skill as a Service（技能即服务）的转型路径：依托海量场景数据，基于开源基础模型微调单一工业工序的专属技能模型，搭配机械臂形成完整解决方案。这套模式的核心逻辑是成本替代：欧美工厂人工成本约30美元每小时，而机械臂加定制技能模型的综合运行成本可控制在13至15美元每小时，服务商按工时收取技能服务费，盈利空间远高于单纯卖数据。
谈及行业长期发展，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”，但可以肯定的是，靠演示视频融资、靠概念炒作的团队会被淘汰，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机会。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。周兴豪分析，工业场景环境可控、任务边界清晰、经济价值可量化，替代一个工位的回本周期可以精确测算，企业付费意愿强，装配、分拣、质检三类工序会最先跑通。至于大众期待的家用通用人形机器人，在大家看来仍有漫长的路要走。家庭场景开放随机、干扰因素无穷，需要的数据体量呈指数级增长，且硬件成本居高不下，消费者付费意愿弱，短期内很难普及。未来3到5年，家庭场景会先出现厨房机械臂、叠衣机等专用智能设备，而非全能型人形机器人，通用人形的落地至少需要十到二十年的技术与数据积累。
从印度工厂的流水线工人，到国内的兼职采集员，“人海战术”正在快速填补具身智能的数据缺口，而真机采集与仿真模拟的“慢工细活”则在守护数据质量的底线。两条路线尚未收敛，但异构混合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过去，建立统一采集标准、产出高质量可追溯数据，才是这条赛道的长期生存法则。当数据荒漠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。
