缝纫工戴头灯摄像头每小时获10元补贴

出品｜虎嗅科技组

作者｜易玉琴

编辑｜苗正卿

头图｜AI 生成

10元一小时，张莉（化名）把自己“蒸馏”了。

她是制衣厂的一名缝纫工。几个月前，工厂给工人们发了一套新设备，外形有点像头灯，通过绑带固定在头部，前端装着一个小型摄像头。

厂里说，只要戴着它正常上班，每小时就能额外获得10元补贴。

张莉没多想。工作还是原来的工作，只是头上多了个东西，戴久了有些累，但好歹能多挣点钱。

很快，厂里几乎所有工人都戴上了设备。缝纫机照常运转，工人们每天重复着铺平布料、翻折、缝合等动作，只是这一切，如今都被头顶的摄像头记录下来。

他们只知道，自己多了一笔收入。至于这些视频最终会流向哪里、被用来做什么，很多人并不在意。

实际上，他们正在为机器人“打工”。

工人头上戴着的，是Ego（Egocentric，第一人称视角）数据采集设备。它能够记录人类在真实环境中的操作过程，这些视频经过清洗、标注和处理后，可以成为训练机器人的数据原料。

眼下，具身智能行业几乎所有企业都在喊“缺数据”。

为了教会机器人干活，行业探索出了多条数据采集路线，包括真机遥操作、仿真生成以及无本体采集等。其中，以头戴摄像设备记录人类操作的Ego数据逐渐兴起。

相比依赖机器人本体和专门场地的采集方式，Ego数据的采集门槛更低。工厂工人、仓库分拣员、餐厅厨师，甚至普通家庭用户，都能在日常工作和生活中参与数据采集。

低成本、可复制、容易规模化，让Ego成为当下扩张最快的具身数据采集路线之一。

短短一年左右，一门围绕人类劳动行为的新生意，正在迅速成形。

人人都能成为数据采集员

张莉所在的制衣厂，只是这场数据采集热潮的一个缩影。

过去一年，随着Ego数据需求持续增长，越来越多企业涌入这条赛道。

从产业链来看，参与者大致分为三类。

上游是设备厂商，主要生产头戴式摄像头、智能眼镜及其他动作采集硬件；

中游是数据服务商，负责寻找场景、招募人员、组织采集，并对原始视频进行清洗、标注和加工；

下游则是机器人及具身模型厂商，负责将数据用于模型训练。

不过，如今的玩家们已经不满足于只做其中一门生意。越来越多下游企业开始向上游延伸，试图包揽从数据采集到模型训练的整套流程。

其中，Meta、京东、蚂蚁集团、腾讯等国内外科技巨头均已入局。

京东的动作最大。2026年4月，京东宣布推出具身智能数据基础设施，计划在两年内积累1000万小时人类真实场景视频，最多发动60万人参与。京东还自研了JoyEgoCam采集设备，将数据采集延伸至物流、零售、社区及家庭等场景。

京东机器人数据采集中心  图源：财联社

蚂蚁集团则在探索低成本采集。今年2月，其研究团队提出AoE方案，利用智能手机和颈挂式支架拍摄第一视角视频，再通过软件完成筛选、标注等处理，降低对专业设备的依赖。

与此同时，机器人企业也在亲自下场招募“数据工人”。

今年8月，美国人形机器人公司Figure推出众包平台Index，付费招募普通人拍摄做饭、整理家务等日常操作视频。

据Figure创始人Brett Adcock在10月公开的公司会议上披露，Index累计上传视频已达3750万段，App下载量超过126万次，覆盖112个国家。

国内，智元孵化的觅蜂科技则将设备、采集和数据服务一并收入囊中。

2026年8月底，觅蜂宣布第2万套MEgo无本体采集设备下线，累计生产数据超过100万小时，覆盖500余种细分任务。

为了扩大产能，觅蜂还推出众包平台“觅蜂派”，普通人可以租赁设备、领取任务，按照审核通过的有效时长获得报酬。

这套模式有点像外卖平台。平台负责派单、制定规则和结算，采集员则提供自己的时间、劳动和真实场景。

一张覆盖工厂、仓库、商超乃至普通家庭的社会化数据生产网络，正在加速铺开。

但要将这张网络铺向更多场景，还离不开大量中小服务商和中间商。

它们承接数据订单，寻找工厂、仓库等采集场所，再通过劳务公司、众包渠道招募人员、分发设备、组织采集。一笔订单，可能经过多层分包才到达实际采集者。

为了寻找更稳定、成本更低的劳动力，一些从业者甚至把目光投向特殊场所。

此前，虎嗅与一些相关劳务派遣机构交流时，有人提到过与部分保密机构合作的设想，希望让相关人员在劳动过程中佩戴设备，顺便完成数据采集。

这一说法尚未得到独立核实，相关合作是否落地仍不明确。但这类想法的出现，足以反映当下数据采集行业对于扩大劳动力来源、降低成本的迫切需求。

一位从事数据采集业务的管理人员向虎嗅直言，目前Ego数据采集仍是一门典型的劳动密集型生意，单纯依靠组织人员采集数据，进入门槛低，护城河也很浅。

在他看来，谁能以更低的成本组织更多人、进入更多场景，谁就有机会获得更大的数据产能。

只是，当数据产能迅速扩张后，谁能真正从中赚到钱？

一小时劳动，被层层标价

Ego数据采集，究竟能赚多少钱？

从采集员到数据公司，答案并不相同。

2026年8月底，觅蜂科技第2万套设备下线时，现场工作人员曾向媒体介绍，即将上线的众包平台可以提供每小时45元的采集报酬。

但实际收入并没有这么简单。

10月，虎嗅以普通用户身份体验觅蜂派时发现，平台采用“基础单价＋日激励”的计费模式。基础单价为每有效小时20元，额外奖励根据当天累计有效时长计算，分为每小时0元、20元、23元和25元四档。

也就是说，每小时45元是达到最高奖励档位后的价格。

更关键的变量，是有效数据率。

平台只按照审核通过的时长结算。如果拍摄过程中出现镜头遮挡、动作不规范、任务不完整等情况，视频就可能被部分或全部剔除。

笔者也亲自体验了半个小时，主要完成擦桌子等日常任务。虽然累计录制约30分钟视频，但经过平台审核，最终只有20多分钟被认定为有效数据，获得的报酬不足10元。

此外，采集员还需承担设备租赁费用。以MEgo View为例，当时推广期租金为19元/天，一周起租，非推广期约为39元/天。

算上无效时长和设备租金，实际到手收入还要进一步缩水。

对于数据服务公司而言，采集员的报酬只是成本的一部分。

一段视频从采集到交付，还涉及设备采购和折旧、场景开发、人员管理、数据传输、清洗、标注及质检等费用。如果客户需要更精确的动作信息，还可能增加三维手部姿态重建、运动轨迹恢复等处理环节。

这些投入最终反映在数据售价上。

据虎嗅调查，当前市面上无本体/便携数据约100-300元/小时，真机遥操作数据约500-1000元/小时。

但这并不意味着，工人每小时拿十几元，数据公司转手卖出几百元，就能赚取十几倍利润。

采集时长、平台审核有效时长和客户最终验收时长，往往是三本不同的账。

一批视频即便通过初步质检，也可能因动作信息不完整、任务不符合要求等原因被客户退回，而人工、设备和加工成本已经发生。

这也让具身数据企业走出了不同的商业路线。

有的销售或租赁采集设备，有的组织人员采集、按有效时长收取服务费，还有的提供数据加工、管理平台和定制化交付服务。

此前，虎嗅拜访的一家具身智能数据企业介绍，其业务同时覆盖采集设备、数据采集服务和数据管理平台，采集人员主要采用外包模式。该公司透露，其2025年已实现盈亏平衡，但未披露具体财务数据。

这种覆盖多个环节的模式，可以让企业复用客户、设备和交付体系，减少部分重复投入。但具体能赚多少钱，仍取决于订单规模、数据通过率和加工成本。

那么，这门生意的市场究竟有多大？

浙商证券10月28日研报预计，中性情景下，具身数据采集市场规模将从2026年的21亿元增长至2027年的193亿元，到2030年达到1741亿元。其中，Ego数据市场预计达到1028亿元。

不过，这仍是建立在数据需求大幅增长、采集价格持续下降等假设上的远期预测。当下，Ego数据的实际交易规模尚缺乏权威统计。

目前，具身模型公司、机器人企业和大模型厂商是主要的商业买家，科研机构也存在采购需求。

例如，觅蜂科技已与腾讯Robotics X实验室、蚂蚁灵波达成数据业务合作。诺亦腾则透露，行业内单家客户的数据订单规模正从数万小时向百万小时演进。

但各家需求差异明显。有的采购原始操作视频，用于大规模预训练；有的需要精确动作轨迹和结构化数据，以适配具体机器人。

对于数据公司而言，真正决定生意能做多大的，是下游客户愿意持续为什么样的数据付钱。

而这最终取决于一个问题：机器人究竟能从这些人类视频中学到多少东西？

数据越多，未必越值钱

从技术角度看，Ego数据的价值已经开始得到验证。

11月9日，英伟达发布新一代机器人基础模型GR00T 2，使用超过40万小时人类第一视角视频，以及手持夹爪示范、机器人遥操作等数据进行预训练。

在一项涉及72个任务的测试中，随着Ego训练数据从零增加至全部，机器人的平均任务完成进度从50%提升至70%。

这说明，大规模人类第一视角数据能够帮助机器人学习操作能力。

但实验中的提升，也依赖于动作信息提取、人机对齐等技术环节。普通摄像头拍下的视频，距离机器人可以直接执行的动作指令，还有一段距离。

以张莉每天重复的缝纫动作为例。她可以凭借手指的触觉和多年经验，迅速判断布料是否对齐、针脚是否偏移，再随时调整力度。

摄像头能够记录她如何操作，却很难完整还原手指施加的力量、布料的接触状态，以及动作背后的精确控制信息。

因此，机器人即便看过成千上万小时的缝纫视频，也未必能够独立缝好一件衣服。

另一个难题在于，人类与机器人的身体结构不同，不同机器人之间也存在构型差异，学到的动作未必能直接迁移。

此前，香港中文大学助理教授、香港具身智能实验室联合总监李钟毓在与虎嗅交流时，明确表达过对Ego数据的看好。

在他看来，人类第一视角数据能够为机器人提供大规模预训练素材，让不同构型的机器人学习通用操作经验。

但谈及数据规模，他也提醒：“同一段视频重复十万遍，即使算下来有十万小时，也没有增加多少有用的信息。”

真正影响模型能力的，还有任务、场景和交互方式的多样性。

李钟毓认为，可以先利用人类数据进行预训练，再将模型部署到不同构型的机器人上，让它们在真实任务中产生新数据，持续用于后续训练。

这也与部分机器人企业的实践方向一致。

目前，多种数据结合训练已成为具身智能企业的重要方向。

星动纪元、无界动力、小米机器人以及海外的1X、Skild AI等企业，均在探索融合真机、Ego、遥操作及仿真等多源数据的训练路线，以真机数据支撑实际操作，并通过人类视频等数据扩大训练规模。

人类数据提供广泛的操作经验，真机数据则记录机器人自身的动作、状态和交互反馈，帮助模型适应具体硬件。

对于下游买家而言，数据价值最终需要落实到具体任务上：增加多少小时Ego数据，能够将某项操作的成功率提高多少，又能节省多少真机采集成本？

这也将影响Ego数据产业链的未来。

随着普通家务、简单抓取等通用视频供给增加，同质化数据可能面临更激烈的价格竞争。而复杂操作、稀缺场景，以及包含精确动作和触觉信息的数据，可能获得更高溢价。

回到张莉的缝纫机前。

头上的摄像设备，仍在记录着她调整布料、控制针脚的动作。

身处这条数据产业链的最底层，她不会清楚，这些视频最终进入了哪家公司的训练集，又让机器人的成功率提高了几个百分点。

对她而言，这不过是每天重复的工作，以及每小时额外的10元收入。

但对机器人行业而言，这些再普通不过的劳动，正在成为下一代机器人的学习材料。

某种意义上，人类正在用自己的劳动经验，教会机器人如何成为未来的劳动者。