给机器人喂数据的人
文 | 产联社CLS
早上9点,35岁的陈萍在五道口附近的一间办公室扫码签到。她的工作在招聘信息里写得简单:早9点到晚6点,日薪180元。走进办公室,她看见几排长桌,数十名采集员,每人一台笔记本电脑、两个腕带式手环和一个头戴设备。她要做的,是跟着一段视频,反复完成标准化的手部动作。
中途她被叫去做体测:先测血压,再站上一台机器测量身体数据。起初准确率不高,有人过来指导。直到听说把手环挪到上臂肉多的地方,准确率能到100%,她才过了关。
下班前她才弄明白,这份工作“不仅要看工作时长,还要看采集的数量”。此前没有人告诉过她这一点,她还误删过几条数据。为了做够数量、不被扣钱,她加班40分钟才扫码签退。
42岁的“锦姐”已经居家做了10天同类工作。名义时薪25元,但真正计入收入的是平台审核确认的“有效时长”:每天开机约8小时,按约70%的有效率折算成5小时,日收入约125元。头三天她不知道这套规则,以为录制时长全都算数,有效率只有40%,“等于白忙活大半天”。
两人做的是同一件事:具身智能数据采集。机器人要学会叠衣服、收纳、泡茶,先需要大量人类示范的第一人称视角数据。生产这些数据的,是一批新的零工。
中国信息通信研究院发布的《具身智能训练场研究报告(2026年)》显示,机器人领域要出现 “ChatGPT 时刻”,至少需要千万小时级的有效数据,当前全球可用的高质量真实数据仅为数十万至百万小时级。
国内需求侧的数字更为直接。据贵州省大数据局2026年7月公布的数据,当前国内真实物理交互场景的合规数据仅约50万小时,而机器人商业化落地需要数千万小时,缺口超过99%。
数据缺口催生了一门新生意。一条数据怎样算有效、由谁验收、验收后流向哪里,构成了这套新劳动规则的核心。
“会做家务、能戴住设备就行”
陈萍工作所在的房间里坐满了人,有年轻人,也有看起来比她年纪更大的中年人。彼此素不相识,也不说话,狭小空间里全是跟着视频做动作的声音。她一开始不解:为什么很少有人喝水、上厕所?到下班时才想明白 —— 采集数量直接挂钩报酬,多喝水多上厕所,就是在浪费时间。
和她同处一个劳动力市场的人,大致分三类。
一类是劳务中介组织的线下集中采集,按出勤结算,日薪180—300元。陈萍属于这一类。
一类是平台派发设备的居家众包,按有效时长计件。设备由平台提供,在家一边做家务一边录制。锦姐摸索出的门道是:双手尽量不离开摄像头范围,手环正面朝上入镜,有效率可做到90%;设备不收音,可以边干活边听书、听播客;随时可以暂停,到点去接娃、做饭、拿快递。约束同样具体:每天有效时长必须大于3.5小时,否则可能被收回设备;玩手机、吃饭、上厕所一旦录进去,有效率立刻往下掉;头部必须跟着双手移动,连续几天,“肩胛骨是真的酸”。
一类是以科普体验为主的家庭租赁。北京家长林娟通过觅蜂派APP申请了一台头戴式设备,推广期租金19元/天,原价39元/天,租7天共花133元;设备原值约5000元,损坏需赔付。规则要求两只手同时入镜、同时干活,否则算无效数据;任务单价10—45元/有效小时。她8岁的孩子只能坚持几分钟,收益几乎可以忽略。但她表示,体验和教育的意义远大于赚钱。
受邀体验众包平台的赵宏民亦提供了一份账目:注册两周,累计采集76分钟,平台审核确认有效时长66分钟,有效率约87%。采集场景包括快递拆封与整理、厨房清洁与整理、宠物喂养、桌面整理、泡茶叶,合计收入26.64元,扣税0.27元,实际到账26.37元。不同项目定价不同:快递拆封30元/小时,宠物喂养、泡茶叶、厨房清洁等20元/小时。上岗前没有任何线下培训,平台只建了一个体验用户群,发了一份操作指南 —— 连接设备、开始采集、上传视频、提现,“基本一看就会”。
整体来看,不同的数据集采形态,薪酬差异明显。据产联社了解,线下集中采集的企业直招岗位日薪约200—300元;经劳务中介接单的部分岗位时薪仅15元,工作8小时到手约120元。居家众包按有效时长计酬,名义时薪约10—30元,部分采集员每天工作8小时,实际收入约120元。
从采集手段来看,头显只是其中一种。具身智能数据服务商光轮智能的采集模态包括 VR 头显、动捕手套、外骨骼、手部追踪等,录下的是第一人称视频、手部轨迹和深度信息。
不同数据的采集难度差别悬殊:家庭里的重复家务动作门槛最低,“会做家务、能戴住设备就行”;灵巧手数据对手部轨迹的精细度要求高得多,采集和验收成本随之上升。
数据采集者的职业背景也在扩散。在江苏宿迁,京东建设的具身智能数据采集中心,吸引了居家宝妈、果园工人、养老机构护工、舞蹈老师等群体兼职参与。机器人数据采集正从专门岗位扩展到普通劳动者的日常生活。
实际上,当前运用在真实场景的具身智能终端存量小,靠机器自己攒数据成本高、周期长,人类操作数据能为模型提供动作先验和任务理解,充当从“看得懂”到“做得出”之间的过渡。
据银河通用相关负责人披露,公司人类动作数据累计已超100万小时(该100万小时是"人类动作数据"总口径,含互联网视频提取、重定向等来源)。需要人演示的任务覆盖日常生活的长尾:从快递拆封、厨房清洁、宠物喂养、泡茶、倒垃圾这类家务,到把充电线收进抽屉这样的精细操作。在光轮智能平台上,任务超过2万个,覆盖2500多个环境。
数据自采还是外购的边界何在?松延动力具身智能负责人于尘对产联社介绍,越接近真实机器人执行、越涉及本体能力的数据,越要自主掌握;越强调规模和场景多样性的数据,越倾向外部采购。而人类示范数据,恰恰是最大的一块“外采”。
“数据采集操作简单,容易上手,门槛低,特别适合长时间居家的人。”赵宏民认为,众包模式的数据采集员短期内会井喷增长,成为一种新的灵活用工工种。目前,数据采集员更多是兼职业态 —— 厨师、美甲师、保洁员都可以在不影响本职工作的前提下参与。
但他同样认为,这轮需求是阶段性的:数据采集达到某个阈值后会归于平稳,等待下一次技术爆发。
“炼出”喂给机器的有效数据
数据采集从业者面对的规则核心是结算不看工时,看有效数据。这使数据采集区别于传统的计时或计件劳动 —— 工人生产的是可以被清点验收的实体产品,而采集员的动作、语速、手部轨迹是否符合机器要求,只有通过企业的质检体系才能判定。数据采集正在成为一种以“有效数据产出”为考核标准的新型计件劳动。
以光轮智能为例,该公司每天约有800—1600名采集员在岗工作,占其在册采集网络的15%—25%。采集岗门槛很低,培训约3天即可上岗;质检、标注岗则要专门培训,周期更长。

一名光轮智能内部人士对产联社称,一名采集员干满8小时,最终只有2—4小时能算作可用数据,有效转化率25%—50%。设备穿戴、场景复位、任务切换吃掉了大量时间。
通常,一条数据从动作到资产,要经过五道工序。以“把充电线收进抽屉”(灵巧手项目,每秒 30 帧)这一场景为例:产品团队把客户需求拆解成一个个具体任务,规定动作、场景、设备和采集参数;采集员戴上动捕手套或 VR 头显,在真实场景里把动作做一遍,录下第一人称视频、手部轨迹和深度信息;随后脱敏、多路数据对齐、去畸变、自动质检、预标注、格式转换等约20个节点由机器自动完成;机器预检之后由人工终裁,判定合格与否,不合格的退回重采;合格的数据由人工标注手部精细动作,再抽检、转成标准格式交付客户。在这个过程中,人只做三件事 —— 动手示范、判对错、标难点,中间的重复活全交给机器。
上述光轮智能内部人士对产联社透露,该公司最终合格的数据中约六成经历过返工,任务完成重跑率达 61.2%;被判定不合格的数据中,约八成需要重新采集。返工不是偶发情况,而是数据生产流程中需要持续管理的成本项。
采购方的感受印证了质检的必要性。银河通用相关负责人称,市面上的第一人称视角数据,很多是供应商依赖开源算法做基础标注后直接销售,高质量数据非常少,“需要经过系统性质检,才能真正用于训练”。
质检环节决定了收入结构。数据采集机构按“质检通过时长”结算,既不是工时,也不是任务量;绩效考核同时看采集完成量、采集时长、已质检时长、质检通过时长和通过率。这从制度上压掉了“刷时长”的动机,也把返工成本转移给了供应方。
而不同数据的验收成本差别悬殊。家庭场景里的重复家务动作门槛最低;高精度灵巧手数据对手部轨迹的精细度要求高得多,采集和验收成本随之上升。企业提高效率的办法,不仅是增加采集员,还包括扩大自动加工节点、压缩返工率。在六成数据需要返工的情况下仍能日产上万小时,靠的是任务自动分配、失败自动重试和积压治理。
从数据“采完”到“能交付”,全链路需要 1—3周。据数据集采业内人士估算,按照每名采集员每天产出2—4小时可用数据计算,若在5个工作日生产1万小时数据,需要约500—1000名采集员。此外,还需配备质检、标注及项目管理人员。若以客户最终验收的有效数据为交付标准,还需计入后续返工和筛减带来的额外投入。
回款周期则是另一项挑战。部分数据采集商面临60—70天的回款周期。与之形成反差的是,一线采集员通常希望按日结算,上游客户却要经过数据审核、验收等流程后才付款。处于中间环节的数据采集商,不仅要组织人力、设备和场景,还要垫付工资、设备押金,承担验收不通过、标准调整及回款延迟带来的经营风险,这非常考验数据采集商的成本控制与现金流管理能力。
还有一个常被忽略的事实是所有权。采集员签的是劳务协议,拿固定报酬,不保留数据所有权,也不参与后续分成;数据公司通过协议取得完整权利后可以重复出售。据了解,优质的标准数据集复售倍数超过10倍。按行业参照口径,单个技能点达到“可交付水平”需要2000—5000小时训练数据,头部客户单家平均采购量达20万小时,复售成为这门生意的关键利润来源。
目前,确权的法律路径已经出现。深圳已落地全国首单具身智能数据知识产权登记,数据资产“归谁”,开始有了登记依据。
集采生意“生死线”
对采集员来说,这也许只是一份一天一两百元的兼职。但当人的动作、身体和生活空间被转化为训练数据,风险也随之出现。
首当其冲的是劳动规则。招聘信息写的是日薪和时薪,但真正决定收入的是有效率、工作量和质检结果。相关考核规则是否充分告知、有没有申诉机制,直接关系这批零工的权益。
陈萍的经历是典型样本:数量考核未提前告知;迟到扣押金,甚至可能被临时清退;误删数据无从追回。她事后总结的“避坑指南”是:哪怕通告里只写了工作时长,也要追问有没有工作量要求、准确率怎么算、质检怎么扣钱。
中介在这套链条里并非只有抽成的一面。陈萍回忆,自己被扣钱后情绪一度崩溃,“中介还挺负责的,安慰了我,还一直关注我有没有收到钱”。有数据采集商也承认,“不合格不结费”的众包模式容易引发劳动纠纷,中介抽成不透明是行业灰色地带。
个人信息安全也令人担忧。采集过程中,陈萍被要求测血压、测身体数据;领取工资还需扫码、上传身份信息。有工友提出信息采集过多的问题,但大多数人选择赶快领工资。不少人自我宽慰:“都穷到要做日结兼职了,爱采集什么信息就采集去吧。”这种无感的让渡,恰恰是问题的起点。
居家场景的边界就更模糊。锦姐的设备不收音,在她看来是“边听书边干活”的亮点。但从数据链条的另一端看,第一人称摄像头扫过的,是她的双手、家里的陈设,以及她作为一个 42 岁女性的完整动作习惯。林娟不出镜,在旁边指挥 8 岁的孩子出镜采集,青少年的隐私保护问题也需要考虑。
有数据服务商提到,曾有团队一次性租下30套住房,每套租期仅一周,专门用于搭建数据采集场景。这种集中短租的方式一度被房产中介怀疑为新型骗局,背后也潜藏着多重风险:一方面,短期内集中租赁房屋并改变约定用途,容易引发租赁纠纷,甚至招致报警;另一方面,室内采集可能无意间拍摄到房东遗留的私人物品,以及访客、邻居、老人等无关第三人,涉及人脸、声纹等敏感个人信息。若未取得相关人员的有效授权,数据采集的合法性便可能存在缺口。据了解,已有采集员因上门采集时拍摄到老人而遭到报警。
而家庭场景正被越来越多的具身智能数据采集厂商纳入版图。机器人公司浙江人形具身数据部负责人朱先生对产联社表示,公司积累数据的主要瓶颈是“真实场景准入难”,正与专业合作伙伴一起进入更多真实工况。工厂、商场的进入许可昂贵而缓慢,准入成本最低的家庭,于是成了天然的采集场。
根据《中华人民共和国个人信息保护法》第二十八条、第二十九条,涉及人脸、声纹等生物识别信息的处理,原则上应取得个人单独同意。若采集画面中出现未经授权的家人、访客或路人,且相关信息未得到有效匿名化处理,也缺乏其他合法处理依据,便可能形成授权缺口,并使后续数据交易和使用面临合规风险。
《中华人民共和国个人信息保护法》第四十五条、第四十七条还规定,个人有权依法查阅、复制自己的个人信息,并在符合法定条件时要求删除。一家具身智能数据服务商的资深人士张明对产联社介绍,实务中的通行做法是签约时一次性授权,数据后续的复售、商用一般不再逐次通知采集员。
上游新闻2026年10月曾报道,部分AI兼职协议存在“永久授权、全球通用、可二次转授”等概括性条款。有专家指出,此类授权违反个人信息保护法的最小必要原则,即便签字也难以产生法律效力。
比入户疑虑更大的是数据安全。数据上传之后,还要经过质检、标注、存储和交付,原始素材会被更多人员接触。张明认为,最易出问题的环节恰恰在平台内部:质检标注环节,系统为了让成百上千的众包人员在线查看原始视频,主动把最敏感的数据摊开了;其次是存储外发,内部员工的批量导出几乎无痕。
“打码、哈希、截帧、裁剪”并不等于降低敏感等级。只有完成不可逆匿名化、验证无法恢复身份,数据才算脱敏。张明对产联社直言,在采集现场决定的是数据合不合规,数据会不会流出去则更多取决于平台风险内控水平。
安全已被数据供应商视为生存线。张明直言,这门生意卖的就是数据,能不能卖、能卖多少钱,全看来源合不合法、有没有泄露;安全一出问题,数据本身就会贬值甚至作废。
合规框架正在收紧。除《个人信息保护法》《数据安全法》外,首个具身智能数据集行业标准 YD/T 6771 已于2026年11月1日实施,对数据集质量提出八个维度的要求;同年7月施行的《人工智能拟人化互动服务管理暂行办法》要求家庭场景“默认隐私保护”—— 非必要不采集、能本地处理不上云。违反前者的最高罚则可达5000万元或上一年度营业额的5%。
监管盯的是平台,一线采集员关心的则是自己那单有没有被扣钱。产联社看到,锦姐关心的是有效率能不能稳定在90%,陈萍在群里提醒别人报名前先问清扣罚规则,林娟则打算给孩子找几条科普视频,让她看看自己的动作是怎么帮机器人变聪明的。
具身智能数据采集的规模化,正在把人的劳动转化为可量化、可交易的数据资产。这条产业链的上游是数十万小时的真实数据存量与千万小时的需求,中间是由返工率、转化率和回款周期构成的成本结构支撑,下游是一套尚未定型的劳动计价与数据治理规则。而在数据被反复复用、层层转售之后,最初提供动作的那些人,与这份资产的后续价值之间,还没有建立起制度性的连接。
资本仍在持续涌入具身智能数据赛道。据产联社不完全统计,截至2026年11月19日,国内109家相关企业累计完成369起融资,融资总额达886亿元。其中,仅2026年以来,86家企业便完成160起融资,融资总额达475亿元,同比增长264%,占历年累计融资额的一半以上。从技术路线看,“真机遥操+无本体采集”成为资本布局的重要方向,年内融资187亿元,占同期融资总额的39.4%。
(应受访者要求,文中陈萍、林娟、张明、锦姐均为化名。)
更多精彩内容,关注钛媒体微信号(ID:taimeiti),或者下载钛媒体App
内容来自 钛媒体:引领未来商业与生活新知,版权归原作者所有。
阅读原文 ↗