Infro
让河北的农村大婶佩戴vr眼镜，记录她们切菜洗碗，每小时付费五块钱，然后转头卖给特斯拉一小时120美元。这就是数据采集生意。
关注到这件事，是我在百度的前同事黄大荣最近干起了这门生意，她频繁往河北、山东的工厂跑。她告诉我，今年数据采集行业之所以需求旺盛，是因为一种叫ego的数据的出现。
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工人头上，以「第一视角」拍摄人正在干什么，这类数据今年被证明是训练机器人绝佳的数据，现在行业的头部企业都在大量采买ego数据。
ego数据来自人类真实的劳动，那么就要付费采集，比如把需要设备铺到工厂，铺到家庭，让人戴上，而且一戴就是8个小时。
黄大荣的生意是这么操作的： 她一头对接上游需求，比如一个甲方告诉她，自己要多少小时数据，大概什么场景，一头要和各地的地头蛇打交道，这些地头蛇手上大概都掌握十几家工厂，然后他们再把工作拆分给厂长，厂长再拆分给工人。这就变成了一个层层套利的生意，比如黄大荣拿到的上游订单是90块钱一小时，最后到工人手里大概30块钱一小时。「我直接联系厂长不行，推不动，他们不听你的。」
现在为硅谷大量供应ego数据有两家公司Build.AI 和 Human Archive，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 。
听完黄大荣的经历，我感到最吊诡的是，如果说过去，AI 是从互联网抓免费数据，训练大模型，然后取代办公室的白领；那么数据采集，是AI第一次为人类的真实劳动付费，且这些劳动者提供的数据，最终是为了训出一个合格的机器人，取代我们自己。
马克思说，劳动异化的极端形式是工人生产的商品反过来支配工人。但这一次好像更彻底：我们生产的是自己的掘墓人，且只卖了 20 块（想想机器人公司的市值有多高）。
最近我常常在思考一件事：主流叙事习惯记录光鲜的主角——天才创始人、百亿估值的企业家、颠覆式创新的开拓者。但最普通的人，那些在计件工资下担心数据采集头盔拖累生产速度但又想多赚点钱的工人，那些被拖欠五块钱一小时工资的农村大婶——无人关注。每一个会端起杯子的机器人，都得益于他们提供的数据。
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。
这篇口述首发刊载在我的另外一个号，AI闹，AI闹的定位是「关注AI行业最值得记录的人和故事」，欢迎关注。
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。
工厂普遍采用的双目设备+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。
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。
