这也让国内规模化数据采集工程大爆发，头部数据采集公司将目标定到千万小时甚至百亿小时。实际上数据规模已不再是关键卡点，真正的卡点是，几乎没有企业能吃下百万小时规模的数据。
一家估值百亿具身公司的模型训练负责人告诉我们，10万小时几乎是一家初创公司能吃透的顶级数据规模。甚至具备这一数据采集规模的公司，在国内都不超过一把手。另一位数据采集商称，头部的具身公司一年采集具身数据的量，可能也只有10万小时。
随着具身模型VLA的泛化性遭遇瓶颈，2026年，能够预测环境状态变化、帮助机器人做出更好决策的世界模型，走向舞台中心。范式切换推高了对数据的需求，但传统真机遥操作采集，设备动辄数十万元一套，数据采集成本高达数百元。
而门槛低、场景多样，行业测算综合成本甚至可以低到1%的第一人称数据（EGO），因此成为主流。这带来的变化是，数据采集从具身公司和地方合作建厂、互相做营收的模式，转向众包模式，让更多人群加入数据采集的洪流。
具备供应链优势的京东，顺势要做全球最大的数据采集中心，以无本体的EGO、UMI数据为主，智元机器人拆分业务成立专门的数据公司觅蜂科技，自研采集设备、成为EGO数据总包方，光轮智能要联合海外头部公司共建EGO数据采集标准。
更上游的承包商、数据采集人员也随之规模化的涌现。做餐饮的，搞医药的，甚至拥有规模劳动力的人力公司，都加入数据采集大军。这些分包商利用社区、三、四线城市等待就业的年轻人，甚至乡村留守的老人，以极低成本规模化堆叠起数百万小时的数据。
几个月的时间，这些处于产业链底层的数据承包商突然发现，曾经迅速依靠人力建立起利润还不错的生意，已经因为各种原因在勉力运转了。
01
“突然卖不动了”
不妙的情绪传来时，做了两三年数据服务的李天宜感受很明显。8月19日，宇树科技上市后不久，原本想找他采买ego数据的客户都犹豫了。
作为具身智能行业的价值锚点，宇树上市仅5个交易日，股价便从开盘时的1100元/股大幅回落，跌幅超过45%。不久，具身头部公司的上市计划也被按下暂停键，具身公司击鼓传花的资金游戏无以为继，融资情况大受影响。
有采购方说的很直白，融资款到不了账，已经租了几年的GPU不能退，数据又不得不买，只能一步步扎紧钱袋子。还有人主动对李天宜表示可以战略合作，发个新闻稿。李天宜说，根本目的就是为了想要数据更便宜。
另一家数据服务商的感受也大致相同。王荆蓝是今年3月开始做具身数据采集的，他们主要作为总包或者分包商，采集数据，标注、清洗等工作交给合作伙伴。
王荆蓝公司当前手上正在操作的国内模型公司的定制订单几乎为零。目前在国内，只是售卖之前自采的5万小时成品EGO数据。除了大厂买了部分数据外，鲜有具身模型公司。
数据商的订单主要来自模型公司或者头部数据采集商。采集方式也分为定制化订单和自采数据。定制化订单，严格按照模型公司要求定向化采集，专采专供，价格相对较高，而自采数据是非独家，可以一份数据卖多家，价格相对便宜。
王荆蓝最近给一家具身公司报价，非独家EGO数据报价是35元一小时，对方直接说，那不行，有人报的价格是20元。王荆蓝气得直接不卖了。
整个市场数据价格几乎拦腰下跌。就连估值150亿的头部数据公司光轮智能，在市面上的数据价格也被打下来了。李天宜说，市场很卷，谁能把数据采集成本做到最低，谁才能活下去。
一个月前，在一家模型厂商的潜在客户谈判桌上，李天宜所在的公司报出的单价只有30元。模型厂商拿着这份报价，转头找一家头部数采公司谈价，对方原本报100元，最后被压到了45元。李天宜说，照现在的行情，价格估计还会更低。
在小红书等社交平台上，很多数据商四处留言，主动寻找意向客户的场景。一夜之间，曾经供不应求的数据生意，似乎也走到了泡沫破裂的边缘。
成本压力传到数据采集方，已经算不过来账。山东一家数据承包商梁成思，接到光轮智能的PICO项目（VR眼镜）定制单。上半年，光轮智能给的数据订单大概是一小时180元，现在降到100元。如果算上承租的PICO设备，一台设备一月租金700元，50台设备的月租金就是3.5万元，算上采集场地租赁费用和人员成本，每月成本就有小几十万，挣到手的钱还不如打工。
梁成思已经犹豫，如果价格进一步下滑，是否要转行。
宿迁一位居家采集的宝妈，为了保证每天能有4小时的有效时长，她每天实际工作时间越来越长。因为上传的数据，最终被确认的有效时长越来越短，她现在都要比以往采集时间故意多出20%。
李天宜自建了一套数据采集平台，拥有注册会员5万人，为了控制成本，他将每日采集数据量从原来高峰期的5000小时，减少到了2000小时。
“又蠢又乱”
从数据采集到使用，根本没有统一的标准和规范，李天宜形容这个行业，“非常非常混乱”。
虽然国内市场的需求订单在变少，但业内对数据的要求和标准一直在变。9月17日，光轮智能召集承包商开会，增加一条硬性规定，为了提升数据的多样性，同一条任务，必须做三遍就要更换物料或者道具。
例如酒店床头柜清洁任务，一人清洁三遍后，就要更换抹布或者清洁剂再操作。这已经是今年5月开始承接PICO项目以来，接到的第五次标准更换。之前还出现多次要求，比如一个人一个任务最多不能超过30条，一个场景不能超过150小时。
这意味着，梁成思做采集任务的成本又提升了，他不仅要买更多的物料，还要不断更换场景。一名员工每天工作8小时，能有效采集的时长从原来的4小时下降到2-3小时。光轮智能按照时长结算，现在不仅单价下降，结算时长也在下跌，数据承包商能拿到的利润不断被挤压。
2026年2月，英伟达发布EgoScale，用2万小时的EGO数据验证了模型Scaling。这也因此拉开全行业采集使用EGO数据的大幕。基本共识形成，训练时投喂真实场景的数据越丰富，模型的泛化能力就越强。但对于什么样的EGO数据是好数据，行业也没有统一的标准， 唯一的标准——真实场景，任务具有泛化性——几乎宽的没边。
在做过模型训练的李天宜看来，要求一个场景不能超过150小时，一个任务不能超过30条，显得非常“蠢”，让数据质量采集看起来有点像儿戏。
数据的泛化性固然重要，但具身数据使用和配比技术路线都不收敛的情况下，任何对数据的硬性规定都是一种破坏。他更相信，对数据场景的同质化约束，有更科学的办法，比如使用算法测算两条数据的相似度，来定量场景的泛化性，而不是人单方面的规定。
从家居、酒店、超市到工厂，在这些人力成本相对较低的四线城市，戴着头环、腰背充电设备的人，已经不再引人侧目。没人能统计市场面上相似场景的数据有多少。不过，觅蜂科技的董事长姚卯青在近期的发布会上有提到，叠衣服、打扫卫生的数据已经泛滥，而修水管、修车、理发、电机产线拧螺丝，海南摘椰子的这类数据几乎空白。
但这些更多元化场景的数据采集，成本极高，也不现实。梁成思说，按照一个场景采集数据不能超过150小时，对数据承包商商而言，投入的成本极高。他们需要调配人力，刚投入一笔资金，还未回本，就得更换场景，不仅导致耽搁的时间成本，而且人员流动性也极高。越是长尾数据采集，成本越高。
追求真实场景也根本不现实。除了工厂场景，其他的家居、酒店、超市等场景任务基本上80%都是摆拍。一个清洁任务， 采集人员不断撒上垃圾后一遍遍清扫，比如先撕点卫生纸清扫完后，再倒点水清扫一遍，不断地设计任务多样性，再重复操作。
哪怕是酒店的保洁人员在酒店采集任务，在多样性等多个要求下，保洁人员一天采集到的有效市场会非常有限，很多任务场景都会同质化。
乱象还表现在因为数据采集门槛极低，涌现出许多各行各业的跟风口的人。有医药背景的、搞餐饮的，还有做劳务派遣的人力公司，他们只要攒集好人员，就可以迅速开干。
更极端的，是有人把数据采集的场景搬到了农村，瞄准那些缺乏经济来源的空巢老人。他们一边干农活，一边戴着笨重的设备，成了高科技产业链上最不起眼的数据采集者。
先不说老人能否长时间忍受沉重的设备，关键是农村的家居场景，根本不符合要求。因为未来人形机器人入住的多是城市家庭，居家环境要有卫生间、阳台、厨房卧室和客厅，农村的房子难以满足这些条件。
具身数据的有效率也很有争议。多位具身业内人士告诉我们，当前的EGO数据，真正能用的只有20%-30%，其余的70-80%不能用或很难用。
而我们问到的多位数据服务商，包括觅蜂科技公开的数据有效率是高达90%以上。李天宜甚至称，所有的数据都有效，只是模型厂商不会用。
一本经济账
具身智能公司“不会用”的另一大限制原因还是算力。李天宜给我们算了一笔账。当前的具身“大脑”模型参数量，和动辄以T（万亿）为数量级的大语言模型相比很小，普遍在10B上下。
“一个参数量10B的具身大脑模型，如果要训完10万小时的具身数据，需要英伟达的千卡集群跑数月。”李天宜反问我们，你看现在国内的具身公司，有几家有千卡集群？
对具身初创公司而言，建千卡集群耗资巨大根本无力承担，大多都是租用。即便租用，费用也不低。“英伟达的5090千卡集群，租赁使用的话，一个月至少要500万元，租一年就高达6000万元。”李天宜称，5090卡主要用于数据标注，如果训练，还要使用价格更贵的显卡。
上述具身模型训练的负责人称，当前训练基模基本上使用的都是英伟达的卡，5090的卡只能做推理，训练的话使用B200和B300，稍微次一点的可能用A100。租赁费用数千万起是打底，如果算上存储、数据清洗、标注等，训练的算力成本超过亿元。
原力灵机创始人唐文斌曾披露，原力灵机15万小时数据的训练用到了小几千卡的规模，投入“小几个亿”。他甚至表态，一家公司如果在算力上没花过亿的钱，大概率没有真正在训练模型。
该具身模型负责人说得更直接，“当前国内，真正训练具身基模的公司不超过5家。因为大家账面资金超过10亿的并不多。”这也是为什么，国内真正在做模型预训练的具身公司很少，采购数据规模普遍很低。多位业内人士称，10万小时几乎是具身公司能采买的最大量级。
10万小时EGO数据，市场价格估计在300-400万元。这笔钱在数据采集服务商看来，规模谈不上大。一位数据行业人士甚至给其盖棺定论称，国内真正在采集具身数据的公司只有1.5家，一家是字节，另一家是蚂蚁灵波，全部是大厂。
而某头部数据采集商在公开访谈中称，具身模型已经展现出对数据需求的极度饥渴，数据规模已经从去年上万小时，演变成百万小时级别，甚至千万小时级别。至少在国内，多位业内人士对百万小时的训练持有保留意见。
上述具身模型负责人称，百万小时的训练，仅仅GPU的训练成本可能都要几个亿。而且模型训练中还经常出现一个环节的错误，就会训崩，从投入产出比上，在资金有限的情况下，任何一家具身公司都不会那么莽撞冒险。
从模型训练转做数据的李天宜，形容这些获得多轮融资的具身公司，对训练基模的优先级，远不如先去围绕资本把故事讲好。
潮落潮起
京东早在今年4月宣布未来两年千亿数据目标后，大半年已过，但至今未公布真实采集规模。不过一位接近京东的数据服务商告诉我们，京东目前采集数据规模也高达百万小时。
这一数据，离两年1000万规模的目标尚远。该服务商形容当下的京东，更像是把脚探进水里，边摸水温边观望。
两位曾和京东负责数据采集的人员有交流的人士，对京东数采印象很难难描述清楚。京东人员流露出从其他数据商处采购数据的想法，但均表示需要评估数据本身，后续推进也不怎么积极。说不清是拖延之词，还是说先建联以备不时之需。
今年9月1日，觅蜂科技董事长姚卯青称，觅蜂已经交付2万套采集设备，同时累积百万小时的数据规模。这距离其宣称的“2026年底的千万小时”目标，还有不小的差距。
在数据采集目标制定上，头部厂商更像是玩起了比谁野心更大的游戏。8月，一直未谈论数据目标的光轮智能，启动未来五年的“百亿小时人类数据合作伙伴招募"计划。里面不全然是EGO数据，还包括相当规模的仿真数据。
据一位业内人士估计，光轮智能今年大半年PICO项目采集的数据还没有超过30万小时。
相比大语言模型可以利用的海量互联网数据，具身行业能提供的数据只不过是毛毛雨，数据瓶颈的问题十分匮乏。但当行业至今尚未验证，数据规模持续扩大能否稳定转化为模型能力的跃升，更没有找到一个明确的scaling临界点。提出千万小时甚至百亿小时的目标，很难被证伪，也很难被证实。
但好消息是，至少scaling在小规模量级的数据集上已经得到部分验证。今年8月，支撑百万小时规模逻辑的例证已经出现。美国具身智能公司Dyna Robotics，8月发布的Dyna-2模型，据报道其使用了100万小时人类第一人称数据，并验证了当预训练数据从100小时，1000小时、1万小时提升到10万小时，每一阶段数据量的提升，模型的预测能力都变得更好。
10月1日，中国初创具身模型公司自然意志，同样发布物理世界基模Natura-1。在其官方研究报告中，这个50B参数量是基于超百万小时的人类第一视角经验数据完成的预训练。这百万小时人类经验数据包括31.7万个任务，1.4万个场景。差不多每个任务仅有3-4小时，一个场景大致100个小时。
它验证了更多样化、更多规模的ego数据，可以训练出更好的模型。
一旦这条路线，在小规模的数据上被验证有效，可能会带来数据采集的反弹。不仅如此，在多位数据采集人士眼里，具身公司遇到寒冬，反而更加强良性发展的回归。
无论是投资人还是具身公司都意识到，光凭一个demo炫技的方式，已经走不通了。面前只有一条路，就是掏出真东西，训出泛化能力强的模型。
最大的变化，来自大语言模型界的巨头。9月初，OpenAI发布Astra-6，实现通用多模态基础模型操控机器人完成任务。OpenAI并未公开Astra-6训练时长，使用多少规模的人类视频数据，但是业内倾向认为其使用了上百万小时的ego数据。
这带来海外公司蜂拥而入中国采购订单大幅增加。另一家数据公司晴岚视界CTO刘斯坦曾告诉我们，几个月前他们公司收到了很多数据订单，有的来自北美头部大模型厂商。
上述的数据服务商王荆蓝的数据公司，已经完成了来自OpenAI的一波订单，目前手上正在采集的订单，也基本上都来自海外。
海外的需求迸发，以及更高的收购价格，也催生国内数据公司将业务目标瞄准海外。受限于数据出口资质的要求，我们接触到的多位数据服务商都在采取各种方式，试图接触海外订单，有想去东南亚开拓采集市场，也有在美国成立具身公司，或者通过隐秘的通道，将数据借道香港、东南亚，然后进入美国。
Astra-6的表现也吸引了一波具身外的模型公司加入。国内的模型公司DeepSeek传出正在做具身模型。一位接触kimi模型负责人的数据服务商称，Kimi正在评估大量的具身数据服务商，已经采购小批量数据训练模型，后续会长期采购。
当下的数据采集服务商站在一个还没定型的市场里，近处都是噪音，脚下的地面随时有可能松动，但远处的方向标开始浮动起来，描绘出的未来图景足够令人眩晕。他们经历一段低谷后，也开始期盼又一轮的潮起，像上半年一样把“铲子”顺利卖出去。
*文中人物均为化名
文｜刘培
编辑｜吴寻
