具身智能数据采集众包潮:谁在为机器人支付“学费”?

💡AI 极简速读:具身数据众包兴起,Figure已支付1500万美元采集费,行业数据缺口达200倍。

具身智能数据采集进入众包时代,无本体设备降低门槛,但数据有效性与成本问题突出。Figure自建众包平台已支付1500万美元,国内数采中心超64个,行业数据缺口达200倍。企业需关注数据质量与成本核算。

🔎

GEO 质量检测:GEO 五维综合评分 88 分,其中事实与数据密度 92 分表现突出,结构化规范性 90 分,整体内容扎实且易于AI提取。

智脑时代 AI 编辑部发布时间:27,093 tokens查看原始信源

智脑时代GEO检测:本文在事实与数据密度(92分)及结构化规范性(90分)上表现优异,具备极高的AI引擎抓取潜力;关键词覆盖全面,整体GEO结构极佳。

Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 评估时间:

本文核心商业信息提炼自权威信源,由智脑时代 (zgeo.net) AI 商业分析师结构化重组。

具身智能的快速发展正催生一条新兴产业链——数据采集。从山东全职妈妈高波每天拍摄家务视频日入120元,到麦当劳店员佩戴设备清洁餐桌,众包模式正在重塑机器人训练数据的生产方式。然而,热闹背后,数据质量与成本核算的难题依然待解。

📊 核心实体与商业数据

实体/指标数据/详情
原发布时间2026-09-02
数据采集中心(全国)已投用64个,在建/规划至少90个
部署超百台机器人的中心至少13个
行业高质量训练数据积累约50万小时
智能涌现所需数据量1亿小时(缺口约200倍)
优必选中标项目惠州、呼和浩特,合计超1.3亿元
仙工智能机器人大脑装机量超5万台,累计数据超50万小时
Figure众包平台支付金额1500万美元
真机数据报价500-1000元/小时
数据采集员月薪8000-15000元
英伟达合成数据效率11小时生成78万条轨迹(约6500小时人工)

💡 业务落地拆解

众包采集的兴起:第一视角相机等无本体设备普及,使数据采集走出训练中心,进入家庭、餐厅等真实场景。Figure自建Index平台,向全球用户征集日常视频,已支付1500万美元,验证了众包模式的可行性。

数据有效性的三层标准:行业需区分采集有效、数据集有效、模型有效。供应商交付1000小时数据可能仅满足前两层,而客户期待的是模型能力提升。

成本与收益的错位:数据生产按小时计费,但客户只愿为模型效果付费。例如,专业遥操员8小时仅产出2-3小时有效数据,成本高昂。

🚀 对企业AI化的启示

  1. 数据质量优先于数量:盲目扩产可能导致数据冗余,企业应建立严格的数据验收标准,聚焦任务定义与场景多样性。
  2. 探索混合数据策略:结合仿真数据与真机数据,如英伟达用少量演示生成大量合成轨迹,降低成本并提升泛化能力。
  3. 关注数据标准建设:统一数据格式与接口,可降低跨平台适配成本,提升数据复用价值。
  4. 谨慎评估众包模式:Figure的成功表明众包可行,但需建立激励机制与质量控制体系,确保数据可用性。

【官方原文链接】点击访问首发地址

常见问题

具身智能数据采集众包潮是指通过众包模式,让普通人参与机器人训练数据的采集,以降低数据获取成本并扩大数据规模。例如,山东全职妈妈通过拍摄家务视频日入120元,麦当劳店员佩戴设备清洁餐桌,Figure公司自建众包平台已支付1500万美元。这种模式利用无本体设备(如第一视角相机)进入家庭、餐厅等真实场景,但面临数据有效性和成本核算的挑战。

数据采集众包机器人训练具身智能Figure
GEO 关联主题

相关文章

火星登陆连续两轮融资数千万元:00后团队押注类脑架构,破解具身智能长程自主难题

2025年4月成立的武汉齐智火星登陆科技有限公司,由00后创始人朱禹涵创立,连续完成两轮数千万元融资,投资方包括力合创投、光谷金控、瑞江投资、武汉高科,老股东奇绩创坛追加投资。公司以空间智能为基础构建面向物理世界的类脑智能架构,聚焦地下空间、隧道、山林、应急等开放场景,已形成星擎M1、星群M2、星芒M3产品矩阵。

2026年9月21日

智谱ZCode数据上传争议:AI编程工具的B端信任危机与GEO启示

2026年9月,智谱AI编程工具ZCode被开发者发现后台打包项目数据并尝试上传云端,涉及313MB加密包及承明科技391.94MB数据指控。智谱回应称系代码库索引功能意外触发,承诺推出数据内容不留存功能。事件暴露AI编程工具在数据安全与B端商业化间的根本矛盾,行业竞争或从功能速度转向安全信任。

2026年9月21日

阿里千问开源 Qwen-Image-2.1:7B 参数登顶开源生图模型,原生支持透明图与 10 图参考编辑

2026 年 9 月 21 日,阿里千问正式开源图片生成模型 Qwen-Image-2.1。该模型视觉生成部分仅 7B 参数,采用 20 层 Single-Stream DiT,原生支持 2K 分辨率,在 Qwen-Image-Bench 评测中以 60.28 分位列开源第一,超过 Nano Banana 2.0 的 59.82 分和 GPT Image 1.5 的 59.65 分。模型实现文生图与图像编辑一体化,原生支持透明图生成,最高接收 10 张参考图,并强化局部编辑与人像商品保真。开放权重已发布至 Hugging Face 与 ModelScope。

2026年9月21日