AI喂养，正在成为一条产业链

机器人还没进家门，普通人先成了“数据工人”

图片来源|网络（如侵权请联系删除）部分AI生成

你刷着短视频看到人形机器人叠衣服、拧螺丝，感叹技术进步，却不知道这些机器人的“动手能力”，并非来自实验室里工程师的编程，而是来自无数普通人在家里、在工厂里、在送外卖的路上，一遍遍重复着同样的动作，被摄像头记录下来，打包卖给大厂当“饲料”。

这条产业链已经成形了，而它的规模，远比多数人想象的更大。

一天数百元教机器人“做家务”

要先理解一件事：具身智能为什么这么缺数据？

大语言模型可以吃互联网上浩如烟海的文本，但机器人要学的是“怎么拧开瓶盖”“怎么把衣服叠整齐”……

这些物理世界的操作细节，互联网上根本没有。

觅蜂科技CEO姚卯青在2026世界人工智能大会上给出过一个数据：具身智能模型要达到GPT-3.5那样“开箱即用”的水平，至少需要一亿小时量级的真实操作数据。

而目前全球有效数据仅约几十万小时，中间差了2到3个数量级。

中国信通院的报告也印证了这一点：机器人要实现“ChatGPT时刻”，训练所需数据量约1.1万亿词元，当前供给存在数量级差距。

这个巨大的“数据黑洞”，正在催生一条从采集、标注到交易的完整产业链。

2026年，15家“不做本体、不做模型、只做数据”的独立具身数据服务商，一年内融资约44.7亿元。

有数据显示，今年国内数据标注市场规模预计突破150亿元，同比增速超27%。

钱在往里涌，但真正撑起这条产业链运转的，是那些你可能从未关注过的人。

在北京五道口的一栋大楼里，曾有记者以面试者身份参加了一场数据采集员的试岗培训。

培训者戴着装有摄像头的黑色头盔，手腕绑着摄像机，手上套着布满传感器的手套。

他要把桌上的羽毛球挨个放进球筒，这些行为看似简单，但必须用正常速度一半的慢动作完成，不能有多余动作，最好手也不要出汗。

因为手出汗浸湿手套会影响灵敏度，而这种手套，一副要5万元。

这就是具身数据采集员的日常。他们的工作本质是：用自己的身体当“教材”，教机器人怎么干活。

从行业薪酬来看，这类岗位的薪资并不高。在招聘软件上，居家数据采集员月薪普遍在3000到4000元，时薪多在25元上下。

苏州的居家采集员日薪约250元，但拼命干也只能拍6个小时有效数据，因为有效时长取决于设备配合程度。

这个行业正在吸纳大量此前与科技毫无交集的人，比如宝妈趁孩子睡觉时录几段叠衣服的视频、外卖骑手戴上第一视角设备记录配送过程、非遗糕点传承人把揉面手法变成数字样本。

2026年7月，人社部正式发布“具身智能机器人应用技术员”新职业，机器人训练师这一岗位走入大众视野。

门槛低、不限专业、学历放宽至大专……这些招聘条件看起来像是“灵活就业”的好机会。

但好的另一面，是“不稳定”。

众包模式的劳务生意

2026年下半年，具身数据采集发生了一次关键的路径切换。

此前，行业主要靠集中式数采中心：搭建固定场地，让采集员遥操作真机反复做动作，记录机器人数据。

这种方式数据质量高，但设备贵、效率低、成本惊人。京东科技副总裁曾在一个活动上总结过相关数据：员工带着机器人本体干8个小时，往往只能产出1小时有效数据，算上电费、场地、人工，产能极低且昂贵。

于是，“无本体采集”成了新方向。不再需要动辄十几万、几十万一台的机器人本体，普通人戴上轻量化设备，比如头戴式摄像头、脖挂手机支架、数据手套等就能在自己熟悉的生活和工作场景中采集数据。

觅蜂科技在2026年9月推出了“觅蜂派”众包平台，允许普通人申领设备、在App上接取采集任务，按审核后的有效数据时长结算报酬。

设备租金39元一天，推广期19元，任务基础回报约每有效小时20元。

截至目前，觅蜂科技已在北京、广州、深圳、上海等40个城市落地众包业务。

海外也在走同样的路。人形机器人公司Figure在2026年8月推出了众包平台Index，周活跃贡献者已达69943人，每秒新增35分钟物理交互视频，覆盖上百个国家。

优步也在美国启动试点，允许司机和配送员在接单间隙完成训练AI模型的“微任务”。

这种模式看起来很“轻”，平台只需要连接需求与分散劳动者，按任务规则和价格调度。

但和外卖骑手不同的是，具身数据的交付难度远高于送外卖。

外卖只需把商品送到指定地点，数据却要满足模型对场景、动作和质量的具体要求，而分散采集者在操作习惯、职业技能和工作环境上差异巨大。

更关键的问题在于：当数据开始层层转包，这条链上真正创造价值的人，拿到的有多少？

有数采商透露，过去一年，每小时200多元的单目数据已跌到100多元，市场上甚至出现每小时几块钱的数据。这些数据经过多层转包，说不清来源，也不知道被卖过几次。

与此同时，一些机器人公司为了融资和上市，会与数据公司“互相采购”，即一方买硬件、一方买数据，资金转一圈，各自留下营收，外部很难判断设备是否量产、数据是否真正用于训练。

这个行业既有真实的旺盛需求，也有正在膨胀的泡沫。

自己教机器人取代自己

如果说价格泡沫和交易乱象是产业链的“内部问题”，那么劳工权益和数据隐私就是它引发的“外部冲击”。

今年7月份，某县官方统计过一组数据：工厂实训数据采集往往以“生产安全管理”“效率优化”等名义推行，劳动者鲜少被告知自己的动作轨迹、生物特征将被用于AI模型训练。

企业通常将生物特征采集条款嵌入入职格式协议或员工手册，劳动者“被同意”现象普遍。

不过这并非国内独有的问题。据The Guardian此前报道，印度工厂开始要求流水线工人佩戴额头摄像头和智能眼镜，通过直接与工厂管理层达成协议获取第一人称数据，成本不到全球北方采集的六分之一，而且往往不向工人支付任何额外补偿。

工人甚至不知道哪些公司最终会使用他们的录像、数据会保留多久。

更尖锐的伦理拷问在于：工人配合采集的数据，最终训练出的机器人，可能会取代他们自己的岗位。

正如Business Insider在报道特斯拉数据采集团队时所说：“数据收集员的工作正是为Optimus最终取代人类劳动铺路。”为了保住饭碗而配合数据采集，采集完成后却面临被机器人替代的风险，这构成了一个令人不安的闭环。

这条产业链正在快速生长，但它的规则还远远没有跟上。

政策层面已经开始行动。国家数据局布局了成都、沈阳、合肥等7个数据标注先行先试城市，出台了促进数据标注产业高质量发展的实施意见，并启动“7+32”城市先行试点。

国家数据局还提出培育一批数据标注龙头企业、独角兽企业和瞪羚企业，壮大数据标注产业。

在具身智能工厂实训数据采集中，也有政协委员建议建立法定的“告知—同意”程序，严格限定采集范围，赋予劳动者随时撤回同意的权利。

但政策落地需要时间，而产业链的扩张速度远快于此。

一位从业者曾向媒体表示，不少客户的数据需求已经从百万小时迈向千万小时，京东甚至计划发动内部超10万名员工及外部最多50万名各行业人员参与数据采集，目标一年内积累500万小时人类真实场景视频数据。

当“喂养”AI变成一门规模化的生意，我们需要的不仅是对商业模式的追问，更是对规则的重建。

数据采自谁、属于谁、如何定价、如何保护等，这些问题的答案，将决定这条产业链最终是走向健康的生态，还是变成一台没有刹车的机器。

具身智能的未来固然令人兴奋。但不要忘了，在这座大厦的地基里，垫着的是无数普通人一遍遍叠衣服、拧瓶盖、分拣货物时被记录下来的动作轨迹。

他们不是在“参与AI”，他们是在用自己的身体，为AI铺路。

01

02

03