数采江湖：分包、崩老太和跨国套利
2026 年，ego 正成为具身行业更主流的数据来源。
脏数据｜具身泡沫｜双目｜真实劳动
出品 | AI闹
Info
2026 年，ego 正成为具身行业更主流的数据来源。
ego 是一种来自人类第一视角的数据，采集方法是把设备戴在人类的头上，以「第一视角」拍摄人正在干什么。ego被广泛使用的原因是基于 Physical Intelligence 的 π0.5+Ego 英伟达刚发布的 EgoScale ，他们证明了 ego 可以被当作VLA模型的预训练信号吸收，且更关键的，模型性能随数据量，可以有可预测地提升，这让ego成为一种类似大语言模型的文本数据：你用得越多，你的模型性能越好。
在硅谷，Figure AI 和特斯拉虽未完整公开数据构成，但据业内人士披露，ego正被视为与代码同等关键的训练原料。
但和大语言模型所需要的互联网数据不同——抓起一个杯子、叠一件衣服、拧紧一颗螺丝——这些真实的人类行为从未被完整数字化，所以采集ego数据，需要向人类付费。
为硅谷大量供应ego数据的是Build.AI 和 Human Archive两家公司，他们以10美元一小时在印度、尼泊尔、缅甸的工厂采集，然后以15美元一小时卖给 OpenAI、特斯拉、Figure AI ，相当于一个跨国数据中介。
在中国，ego的数采也已经形成一条完整的产业链。
第一层是需求方，一般是模型厂商、大公司，它们拥有客户关系，掌握核心技术，需要海量的 ego 数据做模型训练；
第二层是数采需要的可穿戴设备，包含单目、双目及多目 ego 设备。此前多数团队采用 GoPro 等单目设备采集，但由于缺乏稳定的深度与三维几何信息，后续空间重建和轨迹估计成本较高，目前整体逐步转向双目设备。
第三层是数据加工层：代表公司是光轮智能、智域基石等，他们会把采集的原始数据进行清洗、标注，根据相应数据再进行仿真学习。光轮的创始人之前就是英伟达仿真负责人。
本期的实践派黄大荣属于中间层，也就是数据代理商人。她在 2026 年 ego 采集需求逐渐旺盛之时，开始投身其中。
像她这样的数据代理商人是衔接各个环节的重要角色：一头要和各地地头蛇打交道，把设备铺到工厂，然后再回收合格的数据，一头要和需求方打交道，提供数据，或者买卖设备。
在她观察里，每个环节和角色都有各自的诉求，以及一些隐秘的规则。「说到底还是一个传统的层层分包的生意，核心在于怎么把钱分到位」黄大荣认为， 「目前之所以可行，是因为巨大的工资差异，让大家有利可图。比如硅谷往往在尼泊尔、印度、非洲采集，这个套利空间已经形成一门生意。」
根据估算，未来 2 - 3 年里，具身需要 1 亿到 10 亿小时的 ego 数据，但目前最大的开源数据集只有约10万小时，缺口极大，但存续时长也很依赖模型的发展。
至于最终具身会不会取代人类的低阶劳动？以黄大荣的视角看，大概率会取代。
人类第一次向AI售卖真实的劳动数据，以便于让机器人以后取代人类，这是整条产业最令人吊诡和不安之处，它是否变形成一种新的剥削？
以下为黄大荣口述，此刻华东暴雨将至，她正在江苏昆山某玩具工厂盯工。
进数采厂
7 月的一天，广东下了特大的暴雨。我接到丁泉的电话，他约我一起去中山工厂看看，「你来看看，工人佩戴上 ego 设备是怎么采集的。」
丁泉是我之前拜访一家公司认识的老板，四十多岁，武汉人，个子不高，语速特别快，他之前是做软件公司的，2026年春节后入行，为人形机器人做数据采集，他脑子动得比嘴快，动作又比脑子快，不到半年，已经在工厂布下了一大批设备。
接到他的电话时，我正在广州，打了一辆车。一小时的车程，司机开得格外慢，车窗外白茫茫一片，雨砸在玻璃上哗哗响，窗外逐渐变成一排排厂房，到中山时，是中午十二点，丁泉给了我一个餐厅地址。
今天做东的人叫赵年，广东人，六十多岁，年轻时候在体制内工作，后来下海开厂，手里握着好几家实体工厂，今天一桌子坐的也都是在中山开工厂的老板，海鲜、刺身、本地家常菜摆得满满当当。
这个饭局的主要目的是说服这些老板，让他们工厂的工人戴上采集设备。老板们的提问和想法都非常简单，一小时给多少钱，戴上会不会耽误工作？用不用改生产线？如果不麻烦，每小时多赚点钱，何乐不为。
吃完饭，我们去一家家具厂车间，看看实际的数采现场。
家具厂的活儿看着不算高精尖，却是机器人最难学的操作。布料是软的，一拉就变形，包覆、贴合、对齐、微调，力度大一点会皱，力度小一点会偏。人类双手下意识调整的细微动作，机器人需要海量真实数据。
- 玩具工厂
奇怪的设备
这家家具车间，工人们已经佩戴上了 ego 采集头盔，用骑行头盔改装，双目镜头、 3D打印外壳、电池等集成在头顶，外观看着很专业，据说是现在最顶配的装备。
但我和工人一聊，大家普遍的反馈是，戴在头上，纯粹遭罪，太重了。戴一会儿还好，但凡要低头、弯腰、反复作业，头顶的重量随着惯性晃来晃去，半天下来，脖子根本扛不住。
这套设备还有个致命的问题：每两个小时，必须全员停工，统一摘设备、插电脑、拷贝数据、校验文件，确认没问题了，再重新分发回去。这就要求现场必须安排一个专人全职盯着，这样的运维成本根本扛不住规模化。
丁泉和我感慨：这种设备，工程师肯定觉得特别完美，但实际落地，中看不中用，根本跑不出量。
他拿出另一套设备，重量一百多克，结构更简单，多余的东西全部砍掉，电池挪到腰间，用插拔 SD 卡存数据，不用现场拷贝文件，存储卡满了直接换卡、统一寄回总部就行。「这套设备明显更实用，能轻松稳定采集六七个小时。」
我跟车间工人简单聊了几句。他们对戴 ego 设备没有抵触，也没有任何期待，想法都特别朴素：这玩意戴着，不影响干活就行。
因为家具厂全是计件工资，干得多挣得多。如果戴上设备。拖累自己一天少干几件活，实打实影响收入。
看完家具厂，丁泉又带着我去了旁边一个大型食品厂，这也是赵年的厂子，规模更大，六栋楼，流水线看着规整又标准。
我本来觉得这是一个绝佳的数采场地，但是逛完整栋厂房，我的结论：这里根本做不了数据采集。
食品厂要求无尘、无菌、全封闭防护。工人从头到脚防护服、防尘帽、手套全套裹死，外置的拍摄设备既不符合卫生标准，也没法消毒，进不了核心生产区域。另外这类工厂，非常介意工艺泄密、流程外流等问题，也不会给我们开设拍摄区域。
六层大厂转下来，最后符合采集只有成品装箱区域这类末端环节。
也是这次跟丁泉的实地走访，彻底纠正了我之前的误区：并非工厂越高级、越智能，就越适合教人形机器人学东西。恰恰相反。最普通的加工厂才愿意敞开大门，欢迎 AI 采集数据，因为他们专利不多，流程开放、环境宽松。
- 一套双目设备+腕部相机
分钱
2025 年末，我研发了一款可视智能牙刷，采集口腔数据及训练模型时遇到很多问题，在此期间认识了很多机器人模型训练及数据采集的朋友，他们在真实物理世界采集并收集视频数据，对于「脏数据」的治理有一套方法。
他们也介绍了一些数据采集项目给我，以便我有更多现金流去支持在口腔采集真实数据，再加上我此前的业务一直针对北美市场，因此也得到授权让我代理销售一些ego设备。
在整个数采行业，要想真实落地，第一环就是我们这种代理设备的人，我们也叫采集组织者。职责是找到符合目标的场景、或租或买设备、铺到工厂、给工厂做培训、定规则、管运维、处理故障、然后交付合格的数据给到上游需求方。
我们一般会找到当地承包商和工厂老板，把需求拆给他们，他们会开放厂子培训员工，拿到对应的收益。当地的承包手里大多有十几家工厂，这类人过去很多都是做人力外包的，或者是有地方关系掌握大量工厂资源的人。
绕过他们，直接联系工厂，会有很多麻烦。
最下游才是实际的数采落地者：一线工人。所有数据、动作、机器的学习样本，全都出自他们之手。
比如我最近接到一个需求，是某数据公司，开价60元一小时，要几万小时数据，我会配齐设备、定好标准，然后再以 40 块钱分到工厂老板手里，最后到工人手里大概 20块钱。
最近，我听一个朋友跟我说了一件事，也是哭笑不得。
他在河北找了一个五金装配厂。他本人在现场盯着的时候，工人正常干活、正常采集，数据质量特别好。可他刚一走，短短三天时间，后台直接蹦出一百小时垃圾数据。
他一查，原来是工人把 ego 从头上摘了下来，放在工位的桌面上，但全程保持开机录制，他们说不用非得戴着设备，放在桌子上也可以拍摄。
后来再一查，他合作的这家保定工厂老板没有给工人分钱，相当于工人平白多了负重、无偿付出，换谁，都想偷懒省事。
这门生意就是这样，再光鲜的数据，如果工人拿不到钱，都是空中楼阁。说到底，数采不是一个什么高端的商业模式，就是一门传统的关于分钱的生意。
垃圾数据
从 7 月开始，我自己采购了一批双目 Ego 设备，正式落地工厂。
从选场景、现场管理、收益分配、工人配合度，数据有效时长、海量原始视频切割成标准任务片段、以及数据的精标注……每天面对的都是这些细碎的问题。
比如采集什么样的数据，是有硬指标的。不同设备的有效采集率差异也很大。行业近期普遍使用双目 ego 设备在国内进行采集，进行管理后，能达到 80% 的有效采集率，菲律宾等海外数据的采集，有效率仅有10% 。
我现在的业务主要落地的工厂在江苏昆山、云南等地。一个场景大概采集一百到五百个小时，之前单目设备例如GoPro可以靠租，但目前单目数据销售已经非常困难。双目设备必须购买，单台三千元—五千元左右，大批量采集数据，设备费用也价格不菲。
很多人以为上半年世界模型和具身融资火热，但凡说训自己模型的公司一定会向我们大量采购ego。以我亲身经历，很多具身公司只是把自研的几台设备，放在工厂，然后骗投资人说，有几千台设备正在采集，数据规模已达几百万小时。
AI闹报道过世界模型融资乱相：世界是个什么模型？
我见过一个更无耻的团队，对外宣称自己是国内最大规模数据采集的公司，已经采集上百万小时数据量，我问工厂，他到底放了几台设备，工厂跟我说，就五台。
我经常在想，为什么这些投资人不来问问我们这些数据采集的人呢？春江水暖鸭先知。我说句实话，从数据采集量看，现在大规模采购数据的国内模型公司仅有「1.5家」。
最近，美团龙珠的投资人找我做调研。我建议他们，以后判断一家公司是不是真在做模型，要重点看他们的数据采购量。
预训练阶段核心就用到三种数据：互联网视频、ego 数据，还有一部分 UMI数据。如果他们并没有向数据商购买数据，或者自己采集足够数据，请问他们在训什么？另外，他们连抓取不同形态杯子的触觉数据都没有，他们的机器人demo是怎么学会端杯子呢？肯定是假的啊。
只能说在中国创业，骗子真不少。
好数据
最近国内一家头部具身公司负责Ego数据采集的人找到我。他叫王南青，河北人，戴一副黑框眼镜，平时爱运动，皮肤晒得有点黑，最近他选择从公司出来，自己创业做数据采集。
我问他为什么离开这家公司，他说得挺实在的，大公司做项目，核心是交付。至于数据真不真实，能不能真正帮模型迭代进步，不是交付的重点。
王南青觉得这不是他想干的，他想找到有价值、来自真实劳作场景的有效数据。
他还告诉我，很多具身公司为了验收好看，找人照着脚本拍标准化动作，零失误、零偏差、全程规整完美。画面无可挑剔，但这类数据毫无训练价值。真实的人工劳作就是充满各种错误，比如打滑、拿错、返工等等，机器人要学习的是活生生的人类，而不是一段虚假的演绎片段。
也是跟他聊天的过程中，我想明白了，到底什么是真数据，什么是垃圾数据？
首先千万不能看融资几亿的具身机器人公司的 demo 和 ppt，很多是吹牛。他们给出的原始视频，看着漂漂亮亮，实际上都是无效废片。
一段真实合格的数据：首先是一段有头有尾、完整闭环的任务单元，也就是 episode，另外还要有明确的任务、固定的场景、对应的操作物体、完整的成败结果，还要有质量评级和异常备注。
另外看似简单的数据字段标注，给视频加文字描述， 比如「厨房台面切芒果，左手扶稳芒果，右手持刀将芒果切成片」，看似技术门槛不高，但对准确度、逻辑关系要求高，背后很依赖数据标注员的能力，他们的工作是给机器人描述物体运动的物理规律。
因为上游给出的标注价格较低，国内的数据标注员大多中专学历，标注错误率高，逻辑关系理解不清晰，对简单动作省略不标，或者语义描述不统一，同一个动作，每个人写法不一样，机器人理解就会混乱。
数据标注质量高的地区在尼泊尔、肯尼亚，和国内工资差不多，却是当地最高学府的大学生做标注，逻辑思维比较强，通过率能达到 80%以上 。
我听说最近一些大厂像字节开始聘用硕士生做标注，肯定是为了提升标注的通过率。
崩老太
行业里也在发生着一些更荒诞的事情。
一个头部数据采集公司，融资金额几十亿元，然后在山东、河南一些地方开始搞「进村采数据」，让一个村的老太太、大姨戴着 PICO 的VR设备做切菜、做饭等任务，一小时一单给5块钱。
最离谱的事情来了，有一线人员反馈，组织数据采集的中间商最后直接跑路，连这点劳务费都没结。
先不谈钱，这种数据有价值吗？因为人形机器人前期落地一定是进入中高产家庭，来自农村劳动的数据集和城市家庭生活差异太大。
并且PICO 采集具身数据虽然自带空间信息，后期标注省了很多钱，方便了数据公司，但不代表适合真实的劳动场景。我自己也买过 PICO设备，站着戴着它玩一会儿都嫌累，更别说眼睛上带着VR设备切菜、炒菜、连续干活。不少人长时间佩戴还会眩晕、不适。
最后采出来的到底是真实工作流，还是为了完成采集任务而「表演工作」？恐怕，只有这些数据公司知道了。
更讽刺的是，这些头部数据公司拿了融资，自己账上有钱，却拖延下游三个月到半年的账期，把现金流压力一路压到供应商，最后是最辛苦的农村大妈遭殃。
场景没想明白，数据有没有价值也没想明白，先把农村大姨变成廉价「数据耗材」。
最前沿的 AI 行业，靠拖欠5块钱劳务费赚钱。这不是创新，我觉得这就是把最老套的坑人生意，套了一层 Physical AI 的皮。
我认为，机器人肯定率先落地城市中高产家庭，那么，家庭相关的场景一定会成为重要的数据来源。比如最近一些数采公司会找时间自由的宝妈，让她们佩戴双目设备和腕部相机叠衣服、收纳、做饭，时薪大概30 元。
在我小红书账号的后台，每天也有无数宝妈、普通人来问我，有没有靠谱的居家采集渠道。他们想要的很简单：碎片时间，多一份收入。
我最近常想，大语言模型吃的是互联网沉淀的存量数据，来自无数普通人免费贡献内容，但是红利全部集中在头部科技公司，普通人分不到太多收益。最后拉高了全社会产能，大众却没有新增收入。
但具身需要的物理数据， 必须依靠当下、鲜活、正在发生的人类劳动数据，也就必须向普通人购买劳动经验、动作、真实场景。
可能发展到最后，数采产业会出现一个滴滴或者美团这样的平台，因为普通人的诉求和外卖骑手、网约车司机一模一样，接单赚钱。稍微复杂点的是，滴滴司机和骑手有没有完成订单，一眼就能看清。但数采是否合格，有没有训练价值，需要一整套新的标准审核。
大概这是属于所有普通人，一种可以接近的全新的AI工种。
AI闹正在寻找独立撰稿人 如果你好奇AI浪潮里的人和事情，善于写作
邮件内容包括：1、个人介绍；2、 相关文章；3、最喜欢AI闹的文章 提供有竞争力的稿酬，专业的编辑指导
期待与你一起开闹
