机器人训练数据生意分化，百万小时背后，三类玩家各占一环

当OpenAI在2026年9月发布GPT-6 Astra，并强调其在三维空间任务上的提升时，一场隐秘却规模庞大的数据生产运动已在幕后铺开。模型要真正理解并操作物理世界——比如叠衣服、拧螺丝、检修设备——仅靠互联网文本和视频远远不够。它需要人类在真实场景中完成动作的连续记录：佩戴第一人称摄像头与传感器，完整还原手部轨迹、物体交互与环境反馈。这催生了一个新兴市场：机器人训练数据生意，而其供应链结构，正在经历清晰的分工重组。

截至2026年10月，至少三家头部企业已公开披露其数据资产规模：Maxinsights累计采集超200万小时真实世界数据，其中约150万小时达到其“模型可用”标准；Midcentury宣称拥有超过200万小时第一人称数据；觅蜂科技则于8月宣布累计生产超100万小时无本体数据，并下线第20,000套MEgo采集设备。这些数字背后，是成千上万人员在家庭、工厂、实验室等场景中持续录制的影像流。

然而，数据生产的“繁荣”并未均摊收益。一位长期承接机器人数据订单的中间商透露，当前结算机制高度不确定：合同约定每小时50元，但视频经基础质检后，还需由客户逐段评定任务复杂度。简单与中等难度片段可能不计费，仅复杂任务进入最终结算。若复杂片段仅占总时长一半，实际单价便缩水至25元。更关键的是，签约与组织阶段无法预判任务分类结果——人力、设备已就位，一小时工作究竟能换回多少报酬，要等到验收后才见分晓。

这种不确定性，折射出整个产业链条的深度分层。根据业务能力与资源禀赋，当前参与者可明确划分为三类角色，彼此协作又相互制衡。

第一类是劳动力与场景网络型玩家，核心能力在于组织真人执行任务。代表企业包括Instawork、Kled与Objectways。Instawork原为餐饮、物流等行业的灵活用工平台，现将其人力网络延伸至机器人领域，既提供第一人称视频采集，也承接遥操作与UMI（User-Machine Interaction）数据生产；Kled则采用众包任务平台模式，2026年9月其贡献者网络已超50万人；国内一家原主营大模型语言数据的供应商，凭借招募粤语、西班牙语乃至IMO金牌选手的经验，顺利转向具身数据采集——他们擅长的是“找对的人、在对的场景、按对的方式完成动作”。这类企业承担前端执行风险，利润受结算规则制约最深。

第二类是采集设备与全栈数据工厂型玩家，聚焦硬件研发、多模态记录与规模化生产管理。觅蜂科技、Maxinsights、Midcentury及XDOF均属此类。它们自研轻量化头戴/胸挂式采集设备（如MEgo），构建标准化录制流程，并建立覆盖家庭、车间、仓储等多元场景的“数据工厂”。其优势在于质量可控、产能稳定，能批量输出符合模型输入格式的原始视频流。例如，觅蜂科技不仅量产设备，还同步推进动作信息提取与结构化处理，形成从采集到初筛的闭环能力。这类企业资本投入高，但议价能力相对较强，尤其当客户急需稳定供给时。

第三类是数据加工与交付平台型玩家，专注后端处理与模型对接。Scale AI、Appen、Toloka与Encord为代表。Scale AI从自动驾驶数据起家，2025年9月即完成超10万小时机器人数据生产，2026年3月与Universal Robots合作将数据引擎接入工业机器人训练流程；10月又联合Hugging Face发布FineART数据集，将操作记录拆解为带时间戳与语言描述的子任务单元。Encord则采取“轻上游、重服务”策略：向采集网络采购原始视频，但明确要求上游无需完成边界框或分割掩码等前置标注，自身负责清洗、动作重建、质量校验与API交付。这类企业掌握模型侧接口，更接近价值终点，但依赖上游数据质量与一致性。

值得注意的是，同一企业可能横跨多个环节。例如，Maxinsights既自研设备（工厂属性），又运营采集网络（劳动力属性）；Scale AI早期以标注服务切入，如今已深度参与数据标准制定与模型适配。但整体趋势明确：专业化分工正在取代“全能型”供应商。原因在于，具身数据对真实性、时序连贯性与物理一致性要求极高，单一团队难以兼顾人力调度、硬件可靠性、动作建模与模型兼容四大维度。

更深层的变化在于价值重心的迁移。过去，数据标注是主要成本项；如今，高质量原始采集本身已成为瓶颈。一位从业者指出：“现在最难的不是标数据，是让真人准确、自然、重复地完成指定动作——且不被察觉。”这意味着，掌握真实场景入口（如家庭入户许可、工厂合作渠道）与可信操作员网络的企业，正获得稀缺议价权。与此同时，模型公司也在反向塑造需求：OpenAI与Anthropic自2025年初起大规模采购数据，并推动建立小规模自有数据工厂，试图降低对外部供应商的依赖。

行业尚未形成统一标准。各家“百万小时”的统计口径差异显著：有的计入全部原始录制时长，有的仅计算通过质检的片段；有的包含仿真数据，有的严格限定为真实世界第一人称视频。图3所示的六层细分链条——从劳动力组织、任务交易平台、数据加工交付，到全栈工厂、专业仿真评测，乃至模型公司内部采集——揭示了产业复杂度远超表面数字。

短期看，数据生意仍处爆发前夜：全球具身智能初创公司融资活跃，工业、家庭服务、医疗辅助等场景落地加速，对高质量操作数据的需求将持续增长; 长期看，随着合成数据技术进步与仿真环境完善，真实采集的边际价值或逐步收敛。但在物理世界交互尚未被完全模拟之前，人类仍是机器人最可靠的“教师”，而围绕这位教师的组织、记录与转化体系，正成为具身智能时代不可或缺的基础设施层。