2026年9月23日,美国机器人数据公司Eidon AI宣布停止运营。
此前五个月,Eidon向全球采集者寄送可穿戴设备,组织他们在真实家庭中录制整理衣物、搬运物品等日常操作,累计采集约3000小时数据。潜在客户提出的需求却远超这个速度:每个月交付3000小时,最好每周就能拿出同样的数量。
为了接近客户要求,Eidon需要采购更多硬件、招募采集者,承担跨国运输、设备校准、数据审核和返工。订单尚未确定,钱已经花了出去。
联合创始人Sam Padilla在停业复盘中披露,Eidon的视频与动作追踪数据报价约为每小时60美元,采集者报酬只占售价的一成左右。其余收入还要覆盖硬件、组装、关税、维护和质量审核。
即便把设备成本降下来,客户需求仍然难以预测。一套设备寄出时满足训练要求,等数据送回来,买家可能已经改变了技术规格。
Eidon最终没能建立起可持续的经营模式。
与此同时,机器人数据行业仍在吸引资本。美国公司XDOF于6月披露获得7000万美元融资;Figure在8月推出自建数据平台Index,向全球用户付费征集真实操作视频。
中国也出现了新的采集方式。广东已有工厂让工人佩戴设备,在正常生产时记录操作过程;一些地方建设的具身智能数据采集中心,正在尝试将数据生产规模化。
一家企业关门,更多企业却在扩张。
机器人训练数据的需求确实存在,但生产数据、卖出数据以及靠数据赚钱,显然是三件不同的事。
01工厂采集能省下多少钱?
在深圳、东莞一带,90后创业者林成志已经组织了40多家工厂参与机器人数据采集。
据《甲子光年》今年6月的调查,林成志此前从事消费电子硬件开发,后来开始经营可穿戴数据采集设备与数据服务。工人佩戴摄像头、数据手套等设备,在正常生产过程中记录操作,再由团队清洗、标注,向机器人公司和模型企业交付。
工厂里的装配工人熟悉工具和零件,设备、物料、生产工序都是现成的。数据公司无须为每项操作重新搭建完整的模拟生产环境。
不过,工厂合作并不像表面上那么容易。
代工厂担心拍摄设备泄露客户工艺,计件工人则担心佩戴设备影响速度,减少原有收入。
林成志后来更多寻找拥有自主品牌的工厂,并根据采集场景向工厂和工人提供每小时10元至40元的补贴。
部分工厂愿意合作,是因为希望留下熟练工人的操作经验,将来能够用于训练适应本厂工序的机器人。
这种模式利用了中国制造业现有的生产条件,减少了专门建设场景和组织动作示范的投入。但工人完成一次装配,并不等于机器人已经学会相同操作。
第一视角视频能够记录工人的动作过程,机器人还需要知道物体和手部在三维空间中的位置、运动轨迹,以及如何使用自身关节和执行机构完成动作。
涉及精密插接、柔性物体处理等任务时,还可能需要接触力、触觉或更高精度的姿态信息。
数据公司可以增加深度摄像头、动作传感器或数据手套,获得更丰富的记录。相应地,设备采购、校准、维护和后续数据处理的成本也会增加。
专业真机遥操作则承担另一类任务。
《具身数据发展报告2026》列出的典型配置中,遥操作设备投入超过20万元,机器人本体价格约60万至70万元,操作员每天产生的有效数据约为2至3小时。
真机采集记录的是机器人自身执行操作时的状态和动作,更容易用于相应平台的控制训练。成本主要消耗在硬件、设备运行、操作人员以及质量处理上。
这两类采集方式可以服务同一家公司,却很难直接用每小时报价判断哪个更划算。
还有一个经常被忽略的成本:无效数据。
《甲子光年》采访的一名大型数采场负责人曾举例,采集100小时,经过筛选后可能只有50小时有效。设备故障、数据丢帧、操作不符合要求,都可能造成损耗。
假设两家采集企业投入相同的设备和人力,一家的数据验收合格率达到80%,另一家只有50%,最终每小时有效数据分摊的成本就会明显不同。
对于同时管理多个采集基地的企业,设备利用率、返工比例和数据合格率,已经能够直接影响经营结果。
这也是为什么XDOF在招聘拉美数据采集运营负责人时,将每小时可用数据成本(cost per usable hour)列为明确的管理指标。
工厂采集让更多普通劳动能够转化为机器人训练素材。能否让采集过程稳定运行、减少返工,并将原始数据加工成客户接受的产品,仍然需要专业团队完成。
02数据产能扩大了,订单在哪里?
中国的具身智能数据基础设施正在扩张。
北京、上海等地建立了不同类型的数据采集中心,一些设施依靠政府或国资支持,承担公共数据供给、技术验证和产业配套任务。
商业数据公司也在购置设备、扩建采集场地,争取机器人企业的订单。
两类机构面对的经营压力有所不同。
公共采集设施可以通过支持本地机器人研发、提供共性技术服务和吸引产业项目体现建设价值。独立商业公司则需要从客户订单中获得收入,覆盖持续发生的人员和设备成本。
《具身数据发展报告2026》指出,行业采集产能增长与付费需求尚未匹配。多数数据项目仍由客户提出具体要求,供应商组织采集后按条、按小时或按项目交付。
完成一笔定制订单,并不意味着这批数据还能卖给下一家客户。
不同机器人的硬件结构、控制方式和模型训练要求存在差异。某套双臂操作数据,未必适用于另一种机械臂。客户需要的任务划分、标注格式和成功判定标准,也可能不同。
供应商为某个项目建设的专用场景,订单结束后不一定能立即承接其他业务。
规模化数据生产因此面临一个难题:采集能力可以提前建设,客户订单却未必连续到来。
Eidon的经历就是一个例子。为了满足潜在客户对产能的要求,公司必须提前购置、部署更多设备;然而客户又不愿轻易签订能够覆盖未来产能的长期采购合同。
大型模型企业还有其他选择。
今年8月,Figure公开了数据采集平台Index。此前,Figure曾尝试从外部供应商采购训练数据,但认为对方无法满足Helix模型在采集规模、多样性和质量方面的要求,于是决定自行建设。
根据Figure当时的披露,Index已经获得超过1600万段用户上传视频,累计向参与者支付1500万美元。
平台采集人类在家庭、餐厅、物流及其他场所中的日常操作。Figure可以根据自己的模型需求调整采集任务,并在内部完成质量检查、去重和数据筛选。
对于拥有长期训练计划和充足资金的模型企业,自建平台有利于缩短数据需求与模型研发之间的反馈周期。
XDOF则选择为其他企业提供数据基础设施。
TechCrunch今年6月报道,XDOF当时已经服务约20家客户,包括多家前沿人工智能实验室。
XDOF的业务从低成本机器人遥操作系统GELLO起步,逐渐扩展到数据采集、清洗、标注和软件工具。公司还计划利用可穿戴设备获取人类第一视角数据。
它希望承担模型企业自行建设数据采集系统时需要完成的一系列工程和运营工作。
这两家公司代表了不同的选择。Figure将大规模人类视频采集纳入自身模型研发体系,XDOF则面向多种机器人平台和外部客户提供数据服务。
两者使用的数据类型、技术要求和经营目标并不完全相同,但它们共同揭示了第三方供应商面临的竞争压力:客户一旦拥有足够规模和技术能力,就可能把部分数据生产工作转回内部。
外部服务商需要不断证明,交给自己完成的工作,比客户自建更省钱、更快,或者具有客户尚不具备的技术和场景条件。
03客户下一笔钱愿意花在哪里?
机器人训练数据的采购正在出现更具体的要求。
11月17日,Scale AI公布了一项针对2万小时机器人遥操作数据的研究。数据集覆盖797项任务、3696种物体标签,但采集时长集中在部分常见任务和物体上。
按照样本分布均衡程度计算,797项任务的有效多样性约相当于194项等频任务。
这说明一批规模很大的数据,仍然可能缺少客户需要的特定操作。
例如,一家公司已经收集大量纸箱抓取数据,但机器人在连接器插接时频繁失败。新增几千小时普通抓取视频,未必能改善当前任务。
客户需要找出插接失败的条件,设计对应的数据采集任务,可能还需要专用设备记录接触角度、动作轨迹和力觉信息。
此时,供应商提供的服务已经涉及机器人系统和模型训练。
这类需求对专业数据企业比较有吸引力。它需要更复杂的技术投入,也让供应商有机会参与客户持续的模型迭代。
Eidon的失败还揭示了另一个问题:采集硬件的设计会限制后续数据产品。
Eidon最初部署的Tracker能够记录上肢运动,却无法完整捕捉手指关节动作。公司后来开发了16自由度的手指追踪手套,但更复杂的硬件也增加了制造、校准和维护难度。
已经寄给采集者的设备,无法轻易增加此前没有记录的信号。客户临时改变规格,过去的采集投入可能就要打折。
这也是数据企业需要提前了解客户技术路线的原因。
模型研发团队究竟需要哪类传感器信息,数据应如何划分任务阶段,是否需要保留失败动作与人工干预记录,都会影响设备选择和采集计划。
数据授权同样会进入商业谈判。
常见家庭操作数据可以按授权条件向多个客户销售,部分工业场景的数据却涉及客户工艺和商业信息。专用数据的采集与使用范围,需要与场景方和采购方分别确认。
能够进入特殊工艺现场、取得稳定授权,并按客户要求完成技术处理的供应商,可能比只销售通用视频的企业更容易建立长期合作关系。
随着机器人开始在真实场景中工作,数据服务还有机会进一步延伸。
机器人执行失败、环境发生变化、人工远程接管,这些过程都可以形成新的训练记录。客户需要从运行数据中筛选问题、组织补充采集,再验证模型改善情况。
如果第三方服务商能够参与这些环节,就有机会从一次性采集项目进入客户持续的研发和部署流程。
这也使行业的竞争逐渐进入技术交付层面。
04数据公司扩张,最先缺什么人?
具身智能数据企业的人员配置,正在随着经营方式发生变化。
大规模建设采集网络的公司,需要能够管理工厂合作、设备部署、现场人员和质量体系的负责人。此类人才可以从制造业生产运营、工业自动化项目交付和硬件服务领域寻找。
但对于已经拥有采集产能的企业,继续增加现场人员未必能改善经营状况。
如果交付中经常出现时间戳错位、传感器异常、数据格式不统一等问题,企业需要加强机器人数据工程和自动化质检能力。
如果客户订单主要是复杂定制项目,则需要有人能够理解模型研发需求,判断应该采集哪些动作,选择合适的设备,并参与数据验收和模型评测。
这几类岗位在招聘市场上可能都被归入具身智能相关人才,实际要求却相差很大。
优必猎认为,数据企业的人才配置应该与当前经营瓶颈相对应。
一家在多个工业城市扩建采集网络的企业,可能急需熟悉制造业现场、供应商管理和硬件交付的运营负责人。
一家已能稳定生产数据,却难以满足头部模型客户需求的公司,则更需要机器人数据工程、模型评测和技术交付负责人。
Eidon的经历也说明,初创企业在选择硬件方案、扩张采集网络和承接客户订单时,需要有人统筹技术规格与经营成本。如果产品团队不了解客户未来的数据要求,运营团队又难以控制设备维护和交付支出,规模扩大只会增加压力。
这些能力很难完全由传统算法研发岗位覆盖。
机器人数据业务正在吸纳制造业运营、自动驾驶数据平台、计算机视觉、机器人控制、嵌入式系统和技术服务等领域的人才。
对于具身智能企业,能够把客户需求、采集设备、现场运营和模型反馈组织起来的负责人,会越来越直接地影响项目交付和经营效率。
· · ·
Eidon停止运营后,将部分数据集、硬件设计和软件工具开源。
公司留下了可供研究者使用的技术成果,却没能建立稳定的数据销售业务。
另一方面,Figure继续建设自己的采集平台,XDOF投入外部数据服务,中国制造业企业也开始提供真实生产场景。
这些路线都有现实基础,成本和回报机制却各不相同。
便携设备降低了获取原始操作数据的门槛,专业遥操作仍在满足复杂机器人控制训练的需求。公共采集设施扩大了行业的数据供给能力,机器人公司自建平台则进一步改变了外部供应商的客户结构。
未来能够长期经营的第三方数据公司,需要在这些变化中找到自己的位置。
有些企业可能依靠低成本采集网络承接标准化任务,有些企业会在复杂工业场景和专用数据采集上形成优势,还有一些企业将业务延伸到数据工程、模型评测与机器人现场运行支持。
从采购方的角度看,一批数据值多少钱,最终还要回到它解决了什么问题。
如果机器人始终无法完成某项操作,供应商能够帮助研发团队找到缺失的数据,并以合理成本完成采集和交付,这笔采购就有了明确用途。
反过来,采集基地即使拥有大量设备和人员,只要缺少持续订单,产能仍然会成为一项需要不断承担的支出。
机器人训练数据的成本竞争,已经从采集设备和人工价格,延伸到数据验收、客户需求和模型迭代。
谁能把这些环节衔接起来,谁才有机会在这条新供应链中长期留下来。
优必猎在机器人产业的人才寻访中,数据工程、现场运营与技术交付类岗位的定向寻访已是常规动作。
- Eidon AI,2026年9月23日,公司停止运营及创始人Sam Padilla公开复盘。
https://www.eidon.ai/ 新浪财经报道 - 《甲子光年》,2026年6月26日,《具身数据采集产业链调查:被机器人采集的人》。
https://finance.sina.com.cn/jjxw/2026-06-26/doc-inietnfr7240478.shtml - 澎湃新闻,2026年10月26日,《具身数据发展报告2026:产能增长与付费需求节奏不匹配,数据采集商业模式仍在找方向》。
https://www.thepaper.cn/newsDetail_forward_34333420 - Figure AI,2026年8月25日,Introducing Index: Building The World's Largest and Most Diverse Physical Dataset。
https://www.figure.ai/news/introducing-index - TechCrunch,2026年6月17日,Collecting robot training data is dirty, unglamorous work. Some AI labs are already paying XDOF to do it.
https://techcrunch.com/2026/06/17/collecting-robot-training-data-is-dirty-unglamorous-work-some-ai-labs-are-already-paying-xdof-to-do-it/ - Scale AI,2026年11月17日,Measuring Robot Data Diversity: Insights from 20,000 Hours of Real-World Data。
https://labs.scale.com/blog/measuring-robot-data-diversity - XDOF,LATAM Operations Lead,公开招聘岗位说明。
https://www.xdof.ai/careers/latam-operations-lead-fab0cea4-1ac2-4e0d-b7e0-fec47e21fb48