工人戴头戴设备每小时10元为机器人采集数据 全球Ego数据规模将超千万小时

在南方一家制衣厂流水线上，工人张莉（化名）头戴嵌有微型摄像头的Ego设备缝制工装，每工作一小时额外获得10元补贴——这笔收入实为将其操作行为转化为机器人训练数据的代价。当前具身智能发展遭遇核心瓶颈：缺乏真实场景下人类动作的高质量数据。相较仿真或遥操作，Ego第一人称视角视频因低成本、高保真、易规模化成为主流方案。英伟达GR00T 2模型曾使用超40万小时此类视频，使任务完成率提升20个百分点。

产业链迅速成型：上游有京东自研JoyEgoCam、觅蜂科技MEgo等硬件；中游为数据服务商组织众包采集与标注；下游机器人公司直接采购数据。京东计划两年内积累1000万小时视频，动员60万人参与；Figure公司Index平台上线两月即收集3750万段视频，覆盖112国；觅蜂科技第2万套MEgo设备已下线，累计产出超100万小时数据。

众包模式下，报酬按有效时长结算（基础20元/小时，最高45元），但视频需经严格审核，无效片段（遮挡、抖动等）被剔除；设备日租金19–39元，若日均有效时长不足2小时则可能净亏。部分企业甚至探讨引入边缘劳动力源，折射出对“稳定廉价人力”的迫切需求。

市场潜力巨大，浙商证券预测2030年全球具身数据采集规模达1741亿元，Ego路径占1028亿元。但数据价值分化明显：重复性动作边际价值趋零，高难度多模态任务数据溢价数倍。技术局限亦存：视频无法还原触觉与力反馈，人机构型差异导致动作映射失真，需融合IMU、语音等多模态信号补全。

这场以人类劳动为燃料的数据运动，本质是AI从语言智能向具身智能跃迁的伴生现象。当机器人学会张莉的缝纫动作时，她头上的设备或已停用，而那段被‘蒸馏’的影像早已嵌入训练代码。行业尚处跑马圈地阶段，数据质量、隐私边界与转化实效仍是关键挑战。