10元一小时，工人戴头戴设备为机器人训练供数据，Ego采集成具身智能新瓶颈

在一家南方制衣厂的流水线上，张莉（化名）低头缝制一件绿色工装外套。她头上绑着一个黑色头戴设备，前端嵌着微型摄像头，像一盏微型探照灯。这并非安全监控装置，而是一套Ego（Egocentric，第一人称视角）数据采集系统。她每工作一小时，可额外获得10元补贴——这笔钱，是她“把自己蒸馏”卖给机器人的代价。

这不是科幻情节，而是当下具身智能产业中正在快速铺开的真实图景。随着人形机器人、服务机器人从实验室走向真实场景，行业普遍面临一个核心瓶颈：缺乏足够多、足够真实的“人类如何干活”的数据。传统仿真或遥操作数据难以覆盖复杂环境中的细微动作与决策逻辑，而Ego数据——即通过可穿戴设备记录人类在真实世界中的第一视角操作——因其低成本、高保真、易规模化，正成为主流解决方案之一。

Ego采集的兴起，本质上是数据需求倒逼生产方式变革的结果。据公开信息，英伟达GR00T 2模型曾使用超40万小时人类第一视角视频进行训练，使72项日常任务的完成率从50%提升至70%。但这类数据获取极难：需真实人类在真实环境中重复执行动作，且视频需经过清洗、标注、对齐等处理才能用于训练。相较之下，头戴式摄像头方案无需专用场地或机器人本体，工厂工人、仓库分拣员、家庭主妇甚至儿童，只要佩戴设备完成日常动作，即可生成有效数据。

这一模式迅速催生出一条横跨硬件、服务与应用的产业链。上游是设备厂商，如京东自研的JoyEgoCam、觅蜂科技的MEgo；中游为数据服务商，负责招募人员、组织采集、标注加工；下游则是机器人及具身模型公司，直接采购或自建数据管道。值得注意的是，头部玩家已不再满足于单环节参与：京东2026年4月宣布推出具身智能数据基础设施，目标两年内积累1000万小时视频，动员60万人参与；美国Figure公司则于2026年8月上线众包平台Index，截至10月已收集3750万段视频，App下载量超126万次，覆盖112个国家；国内智元孵化的觅蜂科技在2026年8月底宣布第2万套MEgo设备下线，累计产出超100万小时数据，覆盖500余种细分任务。

为扩大产能，众包模式被广泛采用。觅蜂科技推出的“觅蜂派”平台，允许普通人租赁设备、领取任务，按审核通过的有效时长结算报酬：基础价20元/有效小时，叠加日激励最高可达45元。但实际收益常被双重压缩：一是视频有效性筛选严格，无效片段（如遮挡、抖动、非任务动作）会被剔除；二是设备租金每日19–39元不等，若日均有效时长不足2小时，采集者可能净亏。有从业者坦言，当前Ego采集仍属典型劳动密集型生意——门槛低、可复制性强、护城河浅，谁能以更低单位成本组织更多人力、进入更多场景，谁就掌握数据产能主动权。

更值得警惕的是，部分从业者已开始探索边缘劳动力来源。有业内人士透露，曾有数据服务商与劳务派遣机构探讨，希望将保密机构内的相关人员纳入采集网络，在其常规劳动中同步完成数据录制。该说法尚未获独立证实，但其出现本身已折射出行业对“稳定、廉价、大规模”劳动力的迫切渴求。

从市场潜力看，浙商证券预测，2030年全球具身数据采集市场规模将达1741亿元，其中Ego路径约占1028亿元。然而，实际交易规模尚无权威统计，且价格体系极不透明：普通Ego数据售价约100–300元/小时，但大量重复性动作（如反复缝纫同一工序）边际价值趋近于零；真正稀缺的是高难度、高触觉反馈、多模态协同的任务数据，例如厨师切配、维修工拆装精密部件等，这类数据可能溢价数倍。

技术层面，Ego数据亦存固有局限。视频仅记录视觉信息，无法还原力量、触觉、关节扭矩等关键物理参数；人类与机器人构型差异巨大（如五指灵巧手 vs 三指夹爪），导致动作映射失真；此外，单一视角易遗漏环境上下文，需结合IMU、语音、眼动等多模态信号补全。英伟达等厂商已在尝试融合触觉传感器与Ego视频构建“具身数字孪生”，但成本与复杂度陡增。

值得注意的是，Ego采集热潮并非孤立现象，而是AI从“语言智能”向“具身智能”跃迁的必然伴生品。当大模型能生成文本、图像、代码后，下一步必然是“能动手做事”。而教会机器“动手”，最高效的方式仍是观察人类——哪怕是以10元一小时的价格，让劳动者在不知情或不在意中，成为机器人学习的“活体教材”。

这场数据采集运动的悖论在于：它依赖人类最基础的劳动行为，却试图最终替代这种劳动。工人提供时间与身体，换取微薄补贴;企业积累数据资产;机器人则在无声中习得技能。当某天一台人形机器人能熟练完成张莉的缝纫动作时，她头上的设备或许早已停用，而那段被“蒸馏”过的影像，早已嵌入千万行训练代码之中。

目前，行业尚处于跑马圈地阶段，数据质量、伦理规范与定价机制均未成熟。未来能否形成可持续生态，取决于三点：是否建立有效标注标准与质量评估体系；是否明确数据所有权与隐私边界；以及，机器人能否真正将这些“廉价燃料”转化为可靠行动力——否则，再庞大的数据堆砌，也不过是通往具身智能路上的一层薄雾。