机器人数据生意分工

一位为机器人训练数据订单组织采集团的中间商透露，生意越来越难做：合同约定每小时50元，但视频通过基础质检之后，还要被客户逐段评定任务复杂度，简单和中等难度的片段可能不再计费，只有复杂任务进入最终结算。卖方在签约、组织采集时，甚至无法准确预知任务最终会被怎样分类。人员已经安排，设备已经投入，一小时工作究竟能换回多少钱，却可能要等到验收后才知道。这笔订单背后，是过去两年逐渐兴起的机器人训练数据生意。今年9月，OpenAI发布GPT-6 Astra，在特定三维空间任务上表现出更强的能力。

同期的外滩大会上，自变量机器人创始人王潜表示，从2025年初开始，OpenAI、Anthropic就已大量采购机器人数据，并建立小规模的数据工厂。理解三维空间，还不等于能够操作真实世界。要让机器人学会整理衣物、操作工具，仅靠互联网文本和视频还不够，模型还需要学习动作如何发生、如何与物体交互。让机器人在真实环境里反复试练，成本高、迭代慢。不少模型公司选择先向人类学习：由数据供应商组织人员佩戴摄像头与传感设备，记录做饭、整理衣物、检修设备等操作；

素材再经过筛选、标注、动作信息提取，加工成机器人模型可用的训练材料。这催生了一批专门组织人员、设备和场景的数据供应商，其中一些已经形成百万小时级的数据生产规模。 2026年8月，觅蜂科技宣布累计生产超过100万小时无本体数据，第20,000套MEgo采集设备正式下线。 9月，Midcentury对外宣称拥有超过200万小时第一人称数据资产； 10月，Maxinsights在宣布完成3,000万美元种子轮融资时披露，公司已累计采集超过200万小时真实世界数据，其中约150万小时达到其定义的模型可用标准。

数据的生产行业正在快速扩张，但不同企业在供应链中的位置，以及它们能够获得的商业价值，正在出现分化。订单的流转背后的角色分化模型实验室提出采集需求，由直接服务实验室的数据公司承接，再分包给不同地区的采集组织者。后者负责人员、场地和设备，录制的视频经过筛选、同步、标注，部分还需要提取手部轨迹或重建三维动作信息，最终才能进入模型训练流程。不同企业在这条链上的位置，很大程度上取决于它们原本拥有什么能力。一类复用已有的劳动力组织能力。一家国内真实场景数据供应商，原来经营的是大模型数据业务。

他们组织人员录制粤语、西班牙语、葡萄牙语等语言数据，也承接金融、高难度数学题等专业领域的订单。为了制作高难度数学题，甚至需要找到国际数学奥林匹克竞赛金牌选手。这类业务考验的是组织能力：找到合适的人，培训他们按要求完成任务，再管理质检和交付。转向具身数据之后，这套体系仍然适用。客户需要工厂，就寻找工厂和熟悉现场操作的工人；需要家庭，就组织人员进入真实家庭。采集人员佩戴摄像头，记录自己完成任务时看到的画面，设备和人员围绕订单重新配置。

按这位创始人的说法，业务转换比较顺利，原来的大模型数据业务也没有停止，单子挺多的。从语言、文本到人类操作视频，数据内容发生了变化，但底层的组织方式存在相似之处：模型公司提出要求，数据供应商将需求拆解成可以交给真人完成的工作。海外的Instawork也在复用既有的劳动力组织能力。它原本经营餐饮、酒店和物流等行业的灵活用工平台，现在将人力网络延伸到机器人领域，既提供真实场景中的第一人称视频，也组织多模态采集、遥操作和UMI数据生产。

同一套组织能力，还延伸到落地侧，Instawork还为已经部署的机器人提供现场操作员、培训和运营支持。 Kled则采用任务平台模式。 AI实验室提出数据需求，平台将任务分配给符合要求的贡献者，并通过任务推荐、验收率和区域信息提高匹配效率。 2026年9月，Kled宣布贡献者网络超过50万人。另一类公司，原本就掌握数据加工工具和大模型客户资源。 Scale AI、Appen等传统AI数据服务商，将原有的数据标注、质量管理和客户服务能力延伸到机器人领域。

Scale AI从自动驾驶数据处理起家，2025年9月宣布已完成超过100,000小时机器人数据生产，与Physical Intelligence、Generalist AI、Cobot等公司都存在数据业务关系。 2026年3月，Scale AI又与Universal Robots合作，将数据引擎接入工业机器人训练。 10月，其与Hugging Face合作发布的FineART数据集，进一步将机器人操作记录拆分成带时间戳和语言描述的子任务。 Encord的位置有点特殊。

它一边向采集网络购买原始数据，另一边向模型和机器人公司提供加工与管理服务。其官网公布的采购条件显示，上游不需要完成边界框、分割掩码等标注工作，而是提供数据样本、采集能力、现有规模和小时报价，并分别说明存量数据与定制采集、独占与非独占授权的条件。原始数据生产与最终客户服务，可以由不同公司承担。还有一类企业，则将设备、采集、处理和交付整合到一套生产体系中。 Maxinsights在多个国家组织采集人员，将数据生产拆成采集、检查、标注、筛选和交付等环节。

据公司披露，其通过当地人力服务机构招募人员，再直接管理采集流程。觅蜂围绕MEgo设备组织生产，并通过「觅蜂派」平台将任务分发、设备使用、质量验收和报酬结算整合成线上流程。 Mecka则自研多传感器采集设备，在真实环境中组织人员，再通过内部模型完成动作追踪与三维重建。看起来都在卖数据，但它们实际经营的是几种不同的生意。它们既可能在同一条供应链上合作，也可能争夺同一笔数据订单。供应商名单很长，买家名单很短顺着订单链路向上追溯就能发现：数据供给网络虽庞大，能持续吃下大额具身数据订单的终端买家，依然高度集中。

两家国内头部Ego数据供应商告诉我们，它们各自最大的客户都来自海外大模型公司。已经关停的机器人数据创业公司Eidon AI，其联合创始人Sam Padilla曾估计，全球大型实验室里，能够批准百万美元级数据采购的决策者，可能只有20到50人。公开披露的供应关系也能看到这些数据流向。正是在这样买方集中的格局下，早期的数据生意机会来自于信息差。消息灵通是一种优势：更早拿到实验室需求，就能快速调配人员、场地、设备，接单分包。但对接实验室的核心服务商，价值早已不止拿单。

难点在于把模糊的模型需求，翻译成采集员可执行的任务标准，并且管控多层分包下的数据一致性。一位国内头部数据供应商创始人将这一市场分成两个世界：接单是比较好的，那叫上游，落地下面就是卷价格。随着供给持续涌入，渠道之间互相压价，单纯靠扩人力的模式越来越难赚钱。而核心买家的需求本身也在发生变化。行业从业者告诉我们，不少前期大批量采购通用Ego数据的实验室，第一轮采购已经收尾。新订单越来越偏向指定场景、指定任务。哪怕是定制采集，报价单位依旧按小时结算，但买家开始深究：这一小时视频里，到底承载了什么信息。

大规模、多样化的人类操作数据仍然重要，但对模厂来说，同质化操作视频的边际增益正在下滑。早在9月，市场上的居家场景采集订单已经停了很多。头部模型公司的采购规模扩大的同时，希望更具体地定义数据构成与交付标准。觅蜂科技董事长姚卯青在9月的媒体交流中透露，一些头部客户要求每周交付5万至10万小时数据，已有客户提出千万小时级需求。与此同时，部分客户正在从同时尝试多家供应商，转向更稳定的定点合作。他给出的一个原因是，不同来源的数据混合后，质量和规格一致性难以控制，增加了后续清洗与训练的难度。

Figure发布INDEX数据采集平台时，除了公布视频规模，还披露了另一组指标：每1,000小时视频包含约373种任务、1,146种被操作物体和116种环境。 Figure通过去重、任务配额和分布调整，减少高度重复的内容。 2026年8月，已经停运的美国廉价航空公司Spirit Airlines，在破产资产拍卖中吸引了多家AI公司竞购。 Google以1,000万美元成为企业数据的中标者，Mercor出价750万美元。

它们看中的是包含约1亿封内部邮件、5亿条Microsoft Teams消息，以及企业运营、财务、人员管理和项目资料的数据资产。这些记录的价值在于，它保留了一家企业如何处理真实工作的上下文：任务怎样提出，不同部门如何协作，问题如何处理，最终形成什么结果。参与竞购的AI数据公司micro1，在10月进一步宣布，计划未来一年投入10亿美元采购和授权企业运营数据，将其用于构建模拟真实业务流程的强化学习环境。可见，AI公司不仅需要大量真实世界记录，还希望从中提取可以用于训练和评估的任务过程。

对于已经部署机器人的企业，这类需求还会进一步细化。物流机器人公司Pickle Robot购买Encord的服务，主要是解决包裹轮廓标注不完整、多边形相互重叠等问题，减少工程师审核和返工。 Weave Robotics则需要随着机器人进入不同家庭和商业洗衣环境，持续更新任务定义，处理此前没有覆盖的失败案例。姚卯青在公开交流中提到，部分头部客户对手部姿态重建精度的要求已经达到毫米级，甚至提出5至7毫米的标准；帧率、时间同步、空间定位和语义标注也都有相应要求。供应商的产品也随之向细粒度、多模态方向迭代。

觅蜂区分裸手Ego、Ego+Wrist、Ego+UMI数据；光轮智能按任务场景组织多视角采集； Maxinsights推出MaxGlove传感手套，补充力感知、重量信息。而此前留给模型公司处理的部分工作，成了供应商出售的产品。 Encord、Scale AI、光