小城宝妈和农村留守者，正在教机器人“做人”

代表前沿科技的具身智能行业，正在以一种似曾相识的方式，将下沉市场卷入其中。

十多年前，依靠大量人工完成数据标注工作的人工智能，曾在偏远的县城催生出专门的“数据劳工”。如今，深陷“数据饥渴”的具身机器人，再度将目光投向小城市和农村的廉价劳动力。

看似离科技很远的宝妈和中老年人，接过了“机器人启蒙老师”的角色。她们头戴安装有相机的头环，或手持夹爪设备，又或只是将个人手机固定在挂脖手机支架上，记录自己干活时的手部操作画面。由此采集所得的操作轨迹数据，在业内被称为“无本体数据”——不同于以往需要数采员佩戴VR眼镜，遥控指导一台机器人本体完成动作训练。

这些数据经过质检和标注后，后续将作为训练机器人智能的“养料”。尽管人形机器人跳舞炫技已不在话下，但动手“干活”所需的“大脑”能力尚待补齐，而数据短缺是当中突出的“卡脖子”瓶颈。今年春节以来，随着依赖大量人力的无本体数据采集方式兴起，从印度的工人到中国的宝妈和农民，都加入到这场劳动密集型的具身智能数据基建作业之中。

围绕着机器人数据采集，一套商业模式也逐渐成型。通常的流程是：机器人公司提出数据采集需求后，一级承包商会选择自行招募采集人员，或将任务进一步拆分，转包给位于人力成本较低地区的二级供应商，由后者发挥本地化优势，负责具体的人员招募与日常管理。

“目前（具身数采）行业还非常早期，缺口极其巨大，要不然也不会有那么多人扎进来。”一家数采服务承包商告诉南都记者，“大家都希望能够吃到红利。”

机器人催生新“饭碗”

具身机器人热潮中，一个伦理拷问时常被提起：难道造机器人是为了和人类抢“饭碗”？就眼下而言，机器人非但不具备抢“饭碗”的实力，反而催生了短期内的就业机会和商机。

今年4月，林挺接下了第一个机器人数采项目。他创办的武汉麻小袋科技公司原先主营AI数据业务，但今年以来，陆续有多家机器人公司找过来，询问能否承接机器人的数采工作。林挺意识到，这是个不错的市场机会，和既有的AI数据业务也差别不大，于是决定入局。目前，公司已和五六家机器人企业达成合作。

以往，具身智能机器人行业使用真机遥操数据或仿真数据，来训练机器人的“大脑”。但二者各有短板：真机遥操数据虽然质量高，但供给规模很难提上去；仿真合成数据又存在从仿真环境到现实物理世界的迁移鸿沟。相比之下，真实场景下采集的无本体数据成本低、供给量大，逐渐成为业内短期内提升具身智能模型智能水平的有效解法。

这一趋势始于2025年底，由Generalist、Sunday Robotics等海外具身模型公司率先推动，随即在2026年获得国内具身公司的迅速跟进。包括京东这样的大厂也从今年3月入局无本体数据采集业务。京东集团副总裁、京东探索研究院副院长段楠告诉南都记者，基于已有供应链，京东有较为丰富的真实数采场景。从今年下半年到明年，具身数据的规模化将是京东的一项重点任务。

“去年基本上大家都聊遥操，今年最大的改变是，很多厂商开始做无本体数采设备。”穹彻智能数据基建产品负责人王云路说。

智元合伙人、高级副总裁、具身业务部总裁姚卯青近期接受南都等媒体采访时透露，公司今年设定了千万小时的无本体数据采集目标，当前已达到百万小时量级。在成本和效率上，可以通过众包方式实现。相关任务会开放发布，供具备场景能力与人力资源的厂商认领。

有了需求，数采供应商下一步要解决的是寻找合适的群体推进项目。当前，三类人群构成了机器人数采的主力军：大专院校的实习生、小城市的宝妈，以及四五十岁以上留守县城和农村的中老年人。

林挺介绍，在二线及以上的大城市，就业机会较多。相较于去工厂上班，机器人数采工作的薪资缺乏明显竞争力，因此招募大专院校的实习生成了替代方案。而在下沉市场，数采服务商则倾向于在人口规模大、物价工资水平低、产业基础薄弱的县城和农村招工。符合这些要求的县城，通常分布在河南、河北、山东等人口大省。除提供培训等必要的支持外，人员招募与后续管理均交给当地的供应商负责。

宿迁湖滨社区居民做家务的同时采集具身数据。图：京东黑板报公众号

在河北某地，徐清（化名）负责分包上游数采服务公司发来的任务，招募农村的中老年人进行数采。她手头的项目从今年6月底启动，目前已吸纳三四十名居家数采员，年龄大多在五六十岁。

与使用专业头环或夹爪设备采集数据的做法不同，徐清招募的这些农村中老年人仅需一台自用手机，将其固定在挂脖支架上，边干活边录制双手的操作视频。“我们现在做的都是最低级的。”徐清将那些用专业化数采设备的采集模式视为高级形态，“村里的人不太会。”

如何给机器人“打工”

为了让数采员清楚该如何给机器人“打工”，从机器人公司到供应商之间，形成了一套自上而下的上岗培训和考核机制。

王云路告诉南都记者，具身机器人公司先给外包服务商培训，后者再进一步将要求向下传导。

在林挺看来，机器人数采的培训成本不小，并不是拿到一台设备就可以轻松上手。要熟练操作设备，培训周期在七天到一个月，而且并非培训一次就能一劳永逸。如果一名数采员不能理解底层逻辑，可能每出现一个错误就要反馈一次，不断地调整校正。尤其是年纪大的群体，对新事物的理解接受能力相对较低，只能靠更长的时间来积攒经验。

当前，机器人公司寻求切入工厂和家庭的落地场景，数采员的工作也覆盖这两大优先级领域。林挺坦言，场景资源并不好满足。为拓展工厂数采业务，数采服务商除了自己直接和工厂相关人员洽谈合作，也会付费委托拥有工厂资源的人去协助推进。

徐清主要管理居家场景的数采业务。她发给南都记者的一份《具身智能任务清单》中，详细罗列了家庭场景下1827类细颗粒度的任务，涵盖洗涤、擦拭除尘、收纳归置、食材与烹饪、清洁与家务等9项大类。这份任务清单供数采员参考，以便选择合适的任务项目执行。

《具身智能任务清单》罗列的“手洗织物”任务项下的各类子任务。

出于数据多样性的要求，同一项具体的任务场景只能拍摄一次。徐清举例说，洗涤任务中，可以今天刷碗、明天刷盘子、后天刷锅，但不能每天都重复刷碗这一种动作。录制完的视频，由采集员通过专门的链接手动上传。此后，有AI工具对上传的视频质检，并反馈视频得分及扣分原因。

段楠提到，数据质检时，会检查手部是否一直在视频拍摄范围内，以及动作是不是过快或过慢等。林挺还指出，数采视频中绝对不能出现其他人，不然视频就完全报废，这既是为了让数据能更好适配模型训练需求，也规避了隐私问题。

只有合格的视频才能计入有效作业，工资的结算与有效作业时长挂钩。在徐清的项目中，完成一个小时的合格视频，可以拿到15元。而林挺公司发布的一则招聘须知显示，按照单日有效时长实施阶梯式定价，一小时有效作业的薪资在30元至37元的区间。若按每日6小时有效时长、整月无休计算，一个月最多能赚到6000多元。

据林挺介绍，不同数采设备和采集要求等，均影响有效时长。一般来说，采集8小时能产出2.5到4小时的有效视频。王云路亦向南都记者佐证了这一有效数据比例：采集的数据经过质检后，会产生百分之六七十的损耗。即便如此，无本体数据的采集效率仍比以往真机遥操采集高出四五倍——在遥操采集模式下，一天工作八个小时，大概只能产出一小时有效数据。

穹彻智能的DM3数据管理后台。图：杨柳

合格的数据，最终汇总至机器人公司的管理平台。南都记者在穹彻智能的DM3数据管理后台看到，每条数据所涉及的任务名称、采集结束时间、时长、采集人姓名、采集组织名称、采集方式、设备类型等信息，均一目了然。京东收集的机器人数据，则公开上传到专门的具身智能数据交易平台，用于后续出售展示。

试错成本与低价竞争

机器人数采工作看似技术门槛不高，但并非任何人都能适应。

一名江苏的居家数采员向南都记者抱怨，每天要在家里工作七八个小时才能得到四五个小时的有效时长，而且工作内容过于枯燥。另一名受访的数采员以工作要求多、耐不住性子为由，尝试了两天就选择放弃。

林挺坦言，机器人数采本身收入并不高，也比较辛苦和无聊，同时需要长时间的高度专注——注意力消耗程度堪比连续一小时读一本书。偶尔坚持一两天还能忍受，但如果每天都维持这种状态，一些人时间一长就吃不消。正因如此，机器人数采岗位的人员流动性较高。

不过，林挺也发现，大专院校学生的流动性普遍更高，或许是实际工作体验和他们的预期有较大差距，而下沉市场数采员的流动性相对来说稳定不少。

徐清表示，留守农村的中老年人，本就没有太多工作机会，有些人只能靠捡拾废品换取微薄收入。“他们对于工资的期待，是会战胜（数采）这种枯燥的。”徐清还看到，尽管网上有声音质疑数采员当下所做的事情，是为机器人未来取代人类的工作铺路，但普通数采员不太考虑这些长远的忧虑，“对他们来说，就是当下的钱能不能挣到。”

数采员从业的稳定性，也容易受到上游机器人公司的影响。“目前市面上没有成熟的甲方。”林挺提到，机器人公司的数据标准经常变动，采集方式也得随之调整。这种变动，将试错成本同步转移到数采服务商和采集员身上。它不仅增加了数采服务商的人员流动成本和培训成本，还可能导致数采员在同等劳动时间下的有效时长产出减少，或者任务难度变得更高、操作更麻烦。

林挺理解，这是新兴行业的正常现象。究竟需要怎样的数据，只有先采集之后才能验证是否可行，机器人公司乃至整个行业都没有办法事先预判。然而，这对采集员的影响又是直观的，有的员工经过沟通安抚后选择留下，但也有人无法劝留，人员波动大在所难免。

数采服务商在承担机器人公司试错成本的同时，还要直面低价竞争。徐清表示，数采作为劳动密集型产业，加之国内的人力资源丰富，最终拼的就是谁的价格低。林挺提到，机器人公司在挑选数采服务商时，价格是至关重要的评判因素，往往倾向于选择那些市场下沉、性价比高、能将价格压至极低水平的供应商。一些同行为了拿到订单，最直接的策略便是以极具竞争力的低价吸引机器人公司。

林挺认为，当前具身智能行业仍处于试错阶段，部分机器人公司商业化落地困难，而训练具身模型又需海量数据支撑。在明知投入大量数据未必能收获理想效果的前提下，对机器人公司而言，确定性最高的策略便是现阶段压降数据采购成本，以此对冲潜在风险。

尽管市场上的数采订单并不少，但林挺不愿承接那些单价低的需求，否则将加大公司的生存难度：一旦价格低，再算上各种管理成本，“很容易不赚钱”。他希望自己的公司能穿越周期，并称通过与机器人公司的磨合，已经制定了一些穿越周期的应对方案，后续边做边调整。毕竟在这一行，“甲方在创业，我们所有的上下游也都在创业。”