文 | 市象，作者 | 景行，編輯 | 古廿

“壓榨也是越來越狠了。”

某機構機器人數據采集員李華（化名）對「市象」表示，在數據采集領域，甲方一直在試圖增加有效采集時長，以追求用更低的成本提升數據獲取量，給到新崗位的工資也在走低。

李華所在的機構，起初對采集員的要求是每日提供4個小時有效數據，時間自由分配，累了可以休息，但每日紅線不能少。

但目前，企業已將數據時長要求提高到5個小時，據說正在考慮再提升到6個小時。

這份來自一線從業人員的觀察，能從側面印證具身智能創業公司在數據維度，是如何焦慮、追趕，生怕落后于人。

5月25日，自變量機器人發布公告，公司率先在國內推動機器人常駐家庭真實應用。具體做法是，由志愿者提出申請，自變量提供搭載WALL-B世界統一模型的全新機器人進入這些家庭，開展家政工作。

此前，自變量還與58同城合作發布149元3小時智能保潔服務，由家政阿姨、自變量機器人、工程師三方協作完成上門保潔。

但服務本身遭遇了輿論風波，有消費者評價稱，機器人的工作效率遠不及人工，且過程中依賴人工監督。

有業內人士評價：目前多少是不具備實際消費價值的，多數消費者還是嘗鮮心理，企業可能更看重保潔過程中的數據。

因此在具身智能圈子里，還有一個調侃是：如果企業更需要機器人上門，那這149元是不是應該付給愿意讓機器人上門的家庭。畢竟占用了3個小時的家庭空間，酒店鐘點房也差不多是這個價格。

從上門到駐家這還遠遠不夠，近期自變量還在公開招募UMI&EGO采集項目供應商，背后是整個具身智能行業的數據饑渴癥。

繞不開的數據荒

極度饑渴，這是整個具身智能行業對訓練數據的真實態度。

“自動駕駛需要約100億英里的訓練數據。”在今年年初的發言中，特斯拉CEO馬斯克如此表述。理由是，只有積累足夠龐大的數據量，才能覆蓋更多極端場景，實現全無人的完整自動駕駛。

自變量對此的觀點相近。在公開表述中自變量提到，人類從嬰兒時期邁出的第一步也是走得很慢，經常犯錯，每一個偉大的旅程，都是從踉踉蹌蹌的第一步開始。

具身智能模型的主流訓練方法是模仿學習，即采集員使用帶有傳感器的夾爪，反復進行同一個動作，并將每一個關節的運動數據加以記錄。

無論是佩戴攝像頭進行勞動，所產出的第一視角視頻，還是傳感器數據，都意味著誰能更快以更低成本拿到天文數字的數據量，誰就能在具身智能的競賽中占得先機。

在業內，雇傭大量數據采集員進行標準勞作，以供給數據訓練，這成為行業的通行做法。

京東已在宿遷搭建全國首個具身智能數據采集社區，讓采集員頭戴設備干家務，或在工廠里裁剪服裝；特斯拉要求采集員戴好5顆攝像頭，每天用8個小時在實驗室拿杯子、擦桌子、拉窗簾，在工廠的傳送帶上工作。

在此方面，自變量花的心思要更多。

在與58同城合作開展的保潔套餐活動中，自變量選擇了“加量少加價”的打法。

「市象」粗略檢索58同城保潔服務發現，下沉市場（三線及以下城市）價格約為44.86元每小時起，一線城市約為45.59元至46.56元每小時起。相比之下，自變量的機器人服務定價要略高于常規保潔服務市場價。

盡管對自變量來說，149元3小時的價格，遠遠不及機器人測試成本與工程師的人力成本。但對消費者而言，現階段的機器人家政難以體現實際價值，更多是花錢買個熱鬧。

這也是博主體驗套餐發表“動作慢、聲音大、專人陪跑”的吐槽后，官方第一時間發文回應，承認機器人比人笨難以避免的原因所在。

另一層是，消費者貢獻家庭場景，為自變量的數據采集添磚加瓦，不僅拿不到報酬，還要為此額外付費。

李華向「市象」介紹了數據采集背后的企業成本重壓——動輒30萬元以上的機器人價格，加上200元以上每天的采集員人力成本。即便拋棄機器人本體，采用附帶高精度傳感器的夾爪訓練，單人一天采集的數據也只有500條左右。

想要進一步增產，必須擴大產能，其中訓練場地、高精度采集設備、采集人員缺一不可。

而受限于訓練場地、采集設備的高昂成本，具身智能企業率先思考的，往往是在采集人員身上做文章。這也是為什么，李華的每日有效數據時長要從4個小時擴展到6個小時。

同時企業不得不想方設法廣開財源，解決采集模式的持續性問題。“公司不僅在招人做采集，還一邊賣采集設備，一邊銷售采集數據，客戶一撥撥的來。”李華表示。

同時，能給到采集員的待遇也在走低。李華表示，采集員的工作內容，就是拿起一個機械夾剝開水果皮、疊好衣物，從業門檻只需大專及以上，所謂的上崗面試，只是初步熟悉工作內容。

這在業內早已是常態。「市象」整理發現，市面大量數據采集員崗位不要求全職，對工作時間與工作時段也不作要求，20元的時薪隨處可見。

盡管大部分崗位標榜高科技環境，簡單輕松，但仍然被求職者冠以“賽博流水線”的稱謂。

李華表示，這份工作勝在簡單明了無需思考，可以邊聽音樂邊干，但時間一長，肩膀和手腕顯著酸痛，大部分求職者都是看一眼就離開。

省錢才是駐家機器人的關鍵？

從家政上門服務，到走進志愿者家庭成為新的家庭成員，自變量的數據采集方案迭代，核心不在于“見世面”，而是人力成本的大幅下降。

為確保不打擾用戶生活，自變量CEO王潛給出了嚴格的隱私保護政策，如原始圖像打碼，用戶同意后設備才開機，設備全程不向第三方共享。

自變量表示，對于具身智能而言，要見更大的世面，核心不再更大的算力集群，不在更SOTA的模型，而在生活日常中。

這一判斷基于現實考量。當今時代，機器人的硬件能力早已完善，匱乏的是應對小概率場景的智能性。

在公開演講中，自變量聯合創始人兼CTO王昊將實驗室固定環境訓練的數據稱為糖水數據，將真實家庭環境中復雜、充滿隨機性的數據稱為牛奶數據。

前者穩定可控，但缺少對真實世界的認知能力；后者采集成本更加昂貴，但具備對物理環境隨機性的應對底氣。

上門家政的業態中，自變量采用的是一人一機，現場管理；但在駐家工作后，陪同安全員的工作被完全取代。

從專人現場監督，到后臺工程師監督，從全程管理走向長尾管理，一切如Robotaxi故事。

有無人車從業者對「市象」表示，相較安全員模式，后臺監督可以大大節約人力：“上路后，幾個維修人員定期查看車輛即可，跟著導航走就沒問題，有極少數情況出現事故，派人去現場就行。”

在Robotaxi跨過成本拐點的歷史進程中，這是相當重要的一環。

以百度蘿卜快跑為例，2024年百度宣布，蘿卜快跑每單服務成本首次低于傳統網約車，驗證了Robotaxi的商業邏輯。

三個事件共同促成了這一商業模式的成立，分別是硬件成本，人力成本與規模效益：

其一是車輛成本跳崖式下降。從第五代車Apollo Moon到第六代Apollo RT6，蘿卜快跑整車成本從48萬元驟降至20.46萬元。

背后是核心傳感器的價格跳水。借助禾賽科技等廠商的傳感器，蘿卜快跑能以幾千元的價格替代早期的昂貴進口雷達。

其二是安全員的減配。早期的主駕安全員得以盡數退場，讓車輛實現獨立上路，而不需要在復雜路況下人工接管，駕駛模式變成云端監控。

其三是全天運營的效率質變，同時也是人力減配的副產品。在武漢，數千臺RT6的運營晝夜不息，24小時運營+品牌認知度提升，令蘿卜快跑在單個區域產生巨大的規模效益。

回看自變量機器人，它要解決的問題要更復雜。

相較售價9.9萬元起，主攻運動場景，以關節電機為主要硬件成本的宇樹G1，主攻家政方向的自變量需要更高的雙臂自由度、細致性更強的機械手。

更關鍵的在于，要深入到服務場景中，完成更精細的環境理解與操作，自變量選擇大力投入WALL系列大模型研發，并在傳感器、計算平臺等“大腦”維度大力下成本。

以自變量Quanta X2量子2號為例，僅傳感器體系，就搭載有一個2D激光雷達（構建地圖）、4個超聲波傳感器（近距離避障）、一個RGBD相機（物體識別）、一個3D-TOF相機（中距離環境感知）、一個單點TOF（補充測距）、一個紅外傳感器（輔助感應）。

反觀宇樹G1，感知系統僅LIVOX MID360 3D激光雷達與Intel RealSense D435i深度相機兩個核心傳感器。

自變量機器人需要更多的感知能力以適應精細環境的工作，并支付更高的BOM成本。同時也面臨使用壽命與迭代速度的壓力。企業需要將機器人成本壓至極低，以保證購入家務機器人的家庭，在成本上打贏人工服務。

這意味著，自變量的入家夢，是一場與時間的賽跑。

在零部件成本下降之前，自變量都無力回答一個核心問題，如何在成本戰中贏下人工隊，讓用戶確信，自己不是為企業花錢打數據工。

（文中人物為化名。）