机器人数据采集:日薪180元,缺口超99%的具身智能数据从哪来
具身智能合规数据缺口催生一门新生意,家政师、宝妈、护工甚至大学生等群体涌入,家庭成为主要的集采场景之一,相关劳动规则、隐私制度、行业标准等亟待规范
本文作者为产联社CLS,钛媒体经授权发布。
上午9点,五道口附近一间办公室里,35岁的陈萍扫码签到。招聘信息把这份工作写得很简单:早9点到晚6点,日薪180元。进屋后她看到几排长桌,几十名采集员坐在一起,每人面前一台笔记本电脑,配两个腕带式手环和一个头戴设备。她要做的就是跟着视频一遍遍做标准化的手部动作。
其间她被叫去做体测:量血压,再站上一台机器测身体数据。一开始准确率不高,有人过来指点。后来听说把手环挪到上臂肉多的位置,准确率能做到100%,她这才通过。
快下班时她才搞清楚,这份活儿“不仅要看工作时长,还要看采集的数量”。之前没人跟她讲过这一点,她还误删过几条数据。为了凑够数量、不被扣钱,她多干了40分钟才扫码签退。
42岁的“锦姐”在家做同类工作已经10天。名义时薪25元,可真正算进收入的,是平台审核确认的“有效时长”:每天开机约8小时,按约70%的有效率折成5小时,一天约125元。头三天她不懂这套规则,以为录多久算多久,有效率只有40%,“等于白忙活大半天”。
两个人干的是同一件事:具身智能数据采集。机器人想学会叠衣服、收纳、泡茶,先得拿到大量人类示范的第一人称视角数据。生产这些数据的,是一批新出现的零工。
中国信息通信研究院在《具身智能训练场研究报告(2026年)》里给出了一个门槛:机器人要想迎来自己的 "ChatGPT 时刻",有效数据得攒到千万小时级;而放眼全球,眼下能用的高质量真实数据只有数十万到百万小时这个量级。
需求一侧的数字更直观。据贵州省大数据局2026年7月公布的数据,国内真实物理交互场景的合规数据目前仅约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%。
缺口催出了新生意。一条数据怎样算有效、谁来验收、验收之后流向哪里,构成了这套新劳动规则的核心。
“会做家务、能戴住设备就行”
陈萍干活的房间里坐满了人,有年轻人,也有看上去比她年长的中年人。大家互不相识,也不交谈,狭小空间里只剩下跟着视频做动作的声响。她起初不明白:怎么很少有人喝水、上厕所?下班时她才想通——采集数量直接和报酬挂钩,多喝水多上厕所,等于浪费时间。
和她处在同一个劳动力市场里的人,大致分三类。
一类由劳务中介组织线下集中采集,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,有效率能做到90%;设备不收音,可以边干活边听书、听播客;随时能暂停,到点去接娃、做饭、拿快递。约束也很具体:每天有效时长必须大于3.5小时,否则设备可能被收回;玩手机、吃饭、上厕所一旦录进去,有效率马上往下掉;头部得跟着双手移动,连着几天,“肩胛骨是真的酸”。
家庭租赁是另一条路,主打科普体验。北京的家长林娟在觅蜂派APP上申请了一台头戴式设备,推广期19元/天,原价39元/天,租7天一共掏了133元;设备本身原值约5000元,弄坏了要赔。平台规矩是两只手必须同时出现在画面里、同时干活,不然记作无效数据;任务按有效小时计价,单价10—45元。她8岁的孩子撑不了几分钟就放下,收益基本可以不算。但林娟说,体验和教育的意义比赚钱大得多。
受邀体验众包平台的赵宏民也晒了自己的账:注册两周,采了76分钟,平台审核认定有效66分钟,有效率约87%。他做的场景有快递拆封与整理、厨房清洁与整理、宠物喂养、桌面整理、泡茶叶,收入合计26.64元,扣掉0.27元税,到手26.37元。各项目定价不一样——快递拆封30元/小时,宠物喂养、泡茶叶、厨房清洁等20元/小时。上岗前没安排任何线下培训,平台只拉了个体验用户群,丢了一份操作指南:连设备、开始采集、上传视频、提现,"基本一看就会"。
把几种数据集采形态摆在一起,报酬差距相当明显。产联社了解到,企业直招的线下集中采集岗位日薪约200—300元;通过劳务中介接单的,有的时薪只有15元,干满8小时到手约120元。居家众包按有效时长结算,名义时薪约10—30元,部分采集员一天做8小时,实际收入也在120元左右。
头显并非唯一手段。具身智能数据服务商光轮智能用到的采集模态还有动捕手套、外骨骼、手部追踪等,记录的是第一人称视频、手部轨迹和深度信息。
各类数据的采集难度差得很远。家里那些重复的家务动作门槛最低,"会做家务、能戴住设备就行";灵巧手数据则对手部轨迹的精细程度要求高出一大截,采集和验收的成本也跟着往上走。
采集者的职业背景也越来越杂。京东在江苏宿迁建的具身智能数据采集中心,就吸引了不少居家宝妈、果园工人、养老机构护工、舞蹈老师来兼职。机器人数据采集正在从专门岗位走进普通劳动者的日常。
说到底,真正落地到真实场景的具身智能终端存量还很小,让机器自己攒数据又贵又慢;人类操作数据能给模型提供动作先验和任务理解,正好补上从"看得懂"到"做得出"这一段。
银河通用相关负责人透露,公司的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了日常生活的长尾:快递拆封、厨房清洁、宠物喂养、泡茶、倒垃圾这类家务,还有把充电线收进抽屉这样的精细操作。光轮智能平台上,任务超过2万个,覆盖2500多个环境。
那数据到底该自采还是外购,界线在哪?松延动力具身智能负责人于尘对产联社说,越是接近真实机器人执行、越牵涉本体能力的数据,越要自己攥在手里;越是看重规模和场景多样性的数据,越适合从外部买。而人类示范数据,恰好是最大的一块"外采"。
“操作不难,上手快,门槛低,特别适合长期待在家里的人。”赵宏民判断,众包模式下的数据采集员短期会大量增加,成为一种新的灵活用工工种。眼下这类岗位大多还是兼职——厨师、美甲师、保洁员都能在不耽误本职的前提下接活。
不过他判断,这轮需求有阶段性:采集量到某个阈值后会趋稳,等下一次技术爆发再起。
“炼出”能喂给机器的有效数据
数据采集从业者面对的规则,核心一条是结算不看工时,看有效数据。这就把它和传统的计时、计件劳动区分开来:工人产出的是能清点验收的实物,采集员的动作、语速、手部轨迹合不合机器要求,得由企业的质检体系来判。数据采集正变成一种以“有效数据产出”为考核标准的新型计件劳动。
光轮智能是个例子,该公司每天在岗采集员约800—1600名,占其在册采集网络的15%—25%。采集岗门槛很低,培训约3天就能上岗;质检、标注岗要专门培训,周期更长。
一名光轮智能内部人士对产联社称,采集员干满8小时,最后只有2—4小时能算可用数据,有效转化率25%—50%。时间大多耗在穿戴设备、复位场景、切换任务上。
一条数据从动作变成资产,通常要走五道工序。拿“把充电线收进抽屉”这个灵巧手项目来说,每秒 30 帧:产品团队先把客户需求拆成一个个具体任务,定下动作、场景、设备和采集参数;采集员戴上动捕手套或 VR 头显,在真实场景里做一遍,录下第一人称视频、手部轨迹和深度信息;之后脱敏、多路数据对齐、去畸变、自动质检、预标注、格式转换等约20个节点由机器自动跑完;机器预检完再由人工终裁,合格的放行,不合格的退回重采;合格数据由人工标注手部精细动作,再抽检、转成标准格式交给客户。整个过程人只干三件事——动手示范、判对错、标难点,中间的重复活都交给机器。
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里约六成经过返工,任务完成重跑率61.2%;被判不合格的数据中,约八成要重新采集。返工不是偶发,而是数据生产流程里得持续管理的成本项。
采购方的感受也印证了质检的必要。银河通用相关负责人称,市面上很多第一人称视角数据,是供应商拿开源算法做基础标注后直接卖的,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”。
质检环节成了收入结构的决定因素。结算依据是“质检通过时长”,数据采集机构既不看工时,也不看任务量;考核采集人员时,采集完成量、采集时长、已质检时长、质检通过时长和通过率都要纳入。这么设计,制度上就把“刷时长”的动机压下去了,返工成本也落到供应方头上。
不同数据的验收成本差别很大。家庭场景里重复的家务动作门槛最低;高精度灵巧手数据对手部轨迹的精细度要求高得多,采集和验收成本跟着往上走。企业提效的办法不只是加人,还包括扩大自动加工节点、压低返工率。六成数据要返工还能日产上万小时,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”,全链路要1—3周。据数据集采业内人士估算,按每名采集员每天产出2—4小时可用数据算,5个工作日生产1万小时数据,需要约500—1000名采集员。此外还得配质检、标注和项目管理人员。若以客户最终验收的有效数据为交付标准,后续返工和筛减带来的额外投入也要算进去。
回款周期是另一道坎。部分数据采集商面临60—70天的回款周期。反差在于,一线采集员通常想按日结算,上游客户却要等数据审核、验收等流程走完才付款。夹在中间的数据采集商,既要组织人力、设备和场景,又要垫付工资、设备押金,还得扛验收不通过、标准调整和回款延迟带来的经营风险,成本控制和现金流管理能力很受考验。
所有权这一点常被忽略。采集员签劳务协议、拿固定报酬,数据所有权不归他们,后续分成也和他们无关;数据公司凭协议取得完整权利,就能把数据反复卖。据了解,优质标准数据集的复售倍数超过10倍。按行业参照口径,单个技能点要达到“可交付水平”,需2000—5000小时训练数据,头部客户单家平均采购量达20万小时,复售因而成了这门生意主要的利润来源。
确权的法律路径已经出现。深圳落地了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。
集采生意的“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。可当人的动作、身体和生活空间被转成训练数据,风险也跟着来了。
首先是劳动规则。招聘信息写的是日薪、时薪,真正决定收入的却是有效率、工作量和质检结果。考核规则有没有充分告知、有没有申诉渠道,直接关系这批零工的权益。
陈萍的经历是个典型样本:数量考核没提前告知;迟到扣押金,甚至可能被临时清退;误删数据追不回来。她事后总结的“避坑指南”是:哪怕通告只写了工作时长,也要问清楚有没有工作量要求、准确率怎么算、质检怎么扣钱。
中介在这条链条里也不是只抽成。陈萍回忆,被扣钱后她情绪一度崩溃,“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的灰色地带。
个人信息安全同样让人担心。采集过程中,陈萍被要求测血压、测身体数据;领工资还要扫码、上传身份信息。有工友提出信息采集太多,但大多数人选择赶紧领工资。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。
居家场景的边界更模糊。锦姐的设备不收音,在她看来这是“边听书边干活”的好处。可从数据链条另一头看,第一人称摄像头扫过的是她的双手、家里的陈设,还有她作为一个42岁女性的完整动作习惯。林娟自己不出镜,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得考虑。
有数据服务商透露,曾有团队一口气租下30套住房,每套只租一周,专门用来搭采集场景。这种集中短租的做法,一度被房产中介当成新型骗局。风险不止一层:短期内扎堆租房、又改变约定用途,租赁纠纷很容易找上门,甚至闹到报警;室内拍摄还可能把房东留下的私人物品、来访的客人、邻居、老人等无关第三人拍进去,牵涉人脸、声纹等敏感个人信息。拿不到这些人的有效授权,采集的合法性就有缺口。据了解,已有采集员上门拍摄时拍到老人,结果被报警。
家庭场景正在被越来越多的具身智能数据采集厂商划进版图。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,公司攒数据的主要卡点是“真实场景准入难”,眼下正和专业合作伙伴一起进入更多真实工况。工厂、商场的进入许可又贵又慢,准入成本最低的家庭,自然成了采集场。
《中华人民共和国个人信息保护法》第二十八条、第二十九条规定,处理人脸、声纹等生物识别信息,原则上要取得个人单独同意。采集画面里一旦出现没授权的家人、访客或路人,相关信息又没做有效匿名化处理,也缺少其他合法处理依据,授权缺口就出现了,后续的数据交易和使用都要面对合规风险。
同一部法律的第四十五条、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,符合法定条件时可以要求删除。一家具身智能数据服务商的资深人士张明对产联社介绍,实务中通行的做法是签约时一次性授权,数据往后复售、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兼职协议里写着“永久授权、全球通用、可二次转授”这类概括性条款。有专家指出,这种授权违反个人信息保护法的最小必要原则,签了字也难产生法律效力。
比入户疑虑更大的是数据安全。素材上传后还要过质检、标注、存储、交付几道手,能接触到原始素材的人更多。张明认为,最容易出问题的恰恰是平台内部:质检标注环节,系统要让成百上千的众包人员在线看原始视频,等于主动把最敏感的数据摊开了;其次是存储外发,内部员工批量导出几乎不留痕迹。
“打码、哈希、截帧、裁剪”不等于降低了敏感等级。只有做到不可逆匿名化、验证过身份无法恢复,数据才算脱敏。张明对产联社直言,采集现场决定的是数据合不合规,数据会不会流出去,更多看平台的风险内控水平。
安全已被数据供应商当成生存线。张明说得很直接,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。
合规框架在收紧。除了《个人信息保护法》《数据安全法》,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,从八个维度对数据集质量提出要求;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%。
平台被监管盯着,一线采集员惦记的却是手头这一单会不会被扣钱。产联社注意到,锦姐盼的是有效率稳稳守在90%;陈萍在群里叮嘱大家,报名之前先把扣罚规矩问明白;林娟打算找几条科普视频给孩子看,让她知道自己的动作是怎样帮着机器人变聪明的。
具身智能数据采集越做越大,人的劳动正被转化成可量化、可交易的数据资产。上游是数十万小时的真实数据存量与千万小时的需求,中间靠返工率、转化率和回款周期撑起一套成本结构,下游则是还没定型的劳动计价与数据治理规则。数据被反复复用、层层转售之后,当初提供动作的那些人,和这份资产后续的价值之间,仍没有制度性的连接。
资本还在往具身智能数据赛道里涌。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。仅2026年以来,86家企业就完成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。技术路线上,“真机遥操+无本体采集”成了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。)