在北京人形机器人创新中心具身智能机器人数据与训练基地，《锋面》记者看到，超 6000 平方米的训练场，数采员们分布在家具、商超、办公、工业、医疗等 30 多个领域的场景，大部分以 " 手把手 " 的方式向机器人 " 传授 " 人类基本的操作技能，他们所生产的数据，经过清洗、智能标注、质检等流程，最终为市面上大量机器人提供最基础的 " 数据训练燃料 "。
中国信通院发布的 2026 年《具身智能训练场研究报告》（以下简称 " 报告 "）显示，据不完全统计，截至 2026 年 6 月底，全国建成启用超 70 家训练场，在建或规划中的训练场 46 家。随着机器人在各行业的应用场景逐步推广，各地的具身智能数据采集场、训练场如雨后春笋般涌现。但报告中也指出，当前真实数据仍面临巨大的资源缺口。
多位受访者表示，相较于机器人的终端应用，数采产业更早形成了需求和收入。那么，成千上万小时的采集成果，有多少能转化为机器人在真实场景中干活的能力？
周兴豪是一家具身智能数据公司的销售负责人，他认为，面对站在风口的机器人产业，他所从事的数采行业更像是 " 淘金热里卖铲子的生意 "。
" 算法可以开源，机器人硬件可以代工生产，但高质量的、能有效利用的机器人训练数据只能依靠一帧一帧的采集。" 周兴豪表示。
机器人所需的视觉、动作、关节扭矩、力触觉等多模态数据此前从未被系统地记录，无法从互联网直接获取，只能从零开始逐条生产。基于此，他从业以来的直观感受是，数采不再是机器人产业链的配角，而是整个行业的 " 燃料供应商 "。
上述报告指出，据行业测算，若全部依靠真机采集，要实现机器人 "ChatGPT" 时刻所需的模型参数量级，训练具身基础模型约需千万小时级有效数据，而目前全球可用的高质量真实数据仅数十万至百万小时级，这中间巨大的数据缺口，催生了数采行业从原有机器人的 " 配套环节 " 变成了独立的产业链。
据北京人形机器人创新中心数据基地负责人夏华林介绍，该数据基地有 150 多台不同的本体采集设备，目前基地的高质量数据年产能可达 18 万小时，向行业客户交付的数据超 3 万小时，其开源数据集累计下载量已突破了五千万次。
" 对人类来说，拿起杯子这种日常动作是肌肉记忆，不需要思考。但对机器人来说，这是一连串需要精确描述的步骤：手移动到什么位置、手指张开多大角度、以什么速度合拢、接触力控制在多少、提起多高、在空中停留多久。" 周兴豪告诉《锋面》记者，数采员的工作就是把这些 " 无意识的动作 " 拆解成 " 有意识的规范 "，然后反复演示，直到机器人能学会。
9 月 9 日，人力资源社会保障部等部门正式发布第八批新职业，其中包含 " 具身智能机器人应用技术员 "，下设数据采集员和训练师两个工种。国研新经济研究院创始院长、智能经济首席专家朱克力向《锋面》记者介绍，现阶段数据采集工作都需要人来完成动作示范、设备操作、样本初筛，是支撑起数据生产重要的人力基础，也在短期内具备明确的现实需求。
但硬币的另一面，短期内市面上激增的大量数采员岗位，门槛较低，从事的工作也重复单一。一位数采员告诉《锋面》记者，自己的单个三分钟采集流程不能有差错，拿起调料瓶的过程如果不小心和其他物品碰到了，整条数据就算作废，都要重新采集。
周兴豪发现，全职采集员每天需要重复上百条动作，这一过程中给数据和人带来的损耗是难以避免的。" 一开始几十条的动作还能严格按照规则来，但是到 200 次、300 次时，因为疲劳、注意力的下降，动作就极易变形。"
入职门槛低、人员流动性大，也是数采员这一新兴岗位面临的现实问题。《锋面》记者在招聘平台检索发现，当前数据采集员的招聘需求仍以兼职、实习岗位为主。部分岗位在招聘介绍中明确表示，无需相关专业背景，零门槛也可应聘；一些岗位还注明了 " 做六休一 " 等工作安排。
周兴豪在与公司一线数采员交流时发现，待遇与付出不匹配，也是这一群体面临的困境之一。作为支撑机器人行业百万小时级数据积累的一线生产者，数采员的基础时薪约为 20 至 30 元。
" 不少数采员认为自己并没有深入机器人行业，每日的工作只是重复动作，没有技术含量，缺乏成就感。" 周兴豪建议，数采员工的培训体系和职业发展路径应当予以重视：" 作为数据燃料的生产者，采集员的状态直接影响行业数据的质量。"
上海财经大学特聘教授胡延平认为，数采员这一职业仍会长期存在，但简单重复动作的采集工作会随着设备轻量化、机器人自主采集和仿真采集应用的逐步完善而减少。" 随着机器人大小脑的融合发展，数据采集员的角色将逐步从‘动作型任务’转向‘综合交互任务’。" 他说。
大批量采集的百万小时数据中，真正能有效运用到机器人训练过程中的数据却十分有限。周兴豪告诉《锋面》记者，" 采了一万条数据，经过清洗后大约能有效使用的只有三千到五千条。"
多名业内人士向《锋面》记者表示，目前行业内高质量数据的核心来自数采中心的真机采集方式，即由人操控机器人完成任务、留下示范数据的过程，被行业内形象地称为 " 手把手 " 教学。常见的做法是 " 遥操作 "：采集员通过手柄、穿戴式动作捕捉设备等遥控机器人，将人的动作转化为机器人的动作，是数采中心和训练场的核心采集方式。
" 真机采集到的数据最接近真实场景，能够同时采集到记录操作过程中的关节角度、力矩、触觉等物理信号，是目前行业内精度较高的采集方式。" 周兴豪介绍。
但 " 一人一机 " 的采集成本极高，" 一台机器一台人形机器人几十万到上百万，一次只能采集一个场景中的一条动作数据，对于机器人整体的数据需求而言，采集效率仍较低。" 他补充道。
上海灵境智源科技有限公司联合创始人、高级副总裁须海江在接受《锋面》记者采访时表示，由于真机采集的成本极高，数采中心能够布局的真机数量有限，难以大规模建设，因此能够采集到的数据场景也较为单一。
真机数据面临的第二重困境来自难以跨本体复用。" 真机采集的数据往往依赖具体的机器人型号，很难直接用于其他型号的机器人，还需要大量清洗和加工，才能提炼出有效的训练数据。" 须海江认为，这种跨本体难迁移难复用的 " 数据孤岛 " 是导致当前具身数据 " 采得多，用得少 " 的核心原因之一。
行业对高质量数据的探索仍在持续。须海江从机器人智能模型的技术角度分析，有效的高质量数据一是能够为训练具身模型服务，二是能够在训练模型的基础上能否部署到机器人训练过程中，改善其实际任务表现。
须海江解释称，机器人模型训练需要同时接收头部摄像头、手部传感器等采集的信息，难点在于这些数据难以同步。" 如果画面中的物体状态与手部位置等信息对应的时间点不同，模型接收到的信息就对不上，影响学习效果。" 因此，数据的同步性不足问题成为提升采集数据有效利用率的一大瓶颈。
此外，采集动作的规范难以标准化也影响着数据有效性。" 就拿起杯子的动作而言，有人用手指捏杯沿，有人拿杯把，有人握着杯身，但对机器人而言不同的动作学习的负担完全不同。" 周兴豪表示，在数据采集方案的设计上，往往要先定义什么是最好的方式，再进行采集。
但在实际操作中，行业内缺乏统一的采集与验收标准。" 每家客户想要的数据都不一样，同样一个拿起杯子的动作数据，不同公司对数据采集的要求和方式完全不同，客户买到数据后发现格式不对、标注方式不一样，还要花大量时间做转换和对齐，数据的有效率进一步降低。" 他说。
面对人形机器人日益多元的应用场景，真机采集受成本、部署条件等限制，一种新兴的" 无本体采集 " 方式，为数采行业提供了新的解法。
这种采集方式无需机器人在场，操作员借助手持夹爪或可穿戴设备，在工厂、家庭等真实场景中进行示范，记录操作画面、动作轨迹等信息。这些数据被记录下来，经过模型训练和处理最终映射到机器人本体上，相当于为机器人学习制作 " 演示教材 "。
须海江认为，无本体采集的最大优势是以较低成本获取大量真实场景中的操作和环境数据。周兴豪发现，这种方式的成本可低至真机采集的一半甚至三分之一。
北京人形机器人创新中心数据与训练基地项目经理刘磊告诉《锋面》记者，在真机采集的基础上，基地也同步搭建了 Ego 无本体的采集场景。这种以第一视角获取动作记录的采集方式，同样运用在基地外部的商超、酒店、零售店等实际应用场景进行采集。" 这种采集方式也会优化我们后期的模型训练，能够提升机器人面对真实场景和突发情况的感知和应对能力。" 他说。
随着无本体采集逐步推广，数据 " 燃料 " 的生产从数据基地延伸至家庭、社区等真实场景，一种新形态的采集模式随之兴起。今年，部分具身数据企业推出无本体数据采集的众包模式，参与者可在平台申领租用采集设备、领取任务，在生活或工作场景中完成指定操作，按有效采集时长获得报酬。不少宝妈、社区工作者、工厂员工已参与其中。
胡延平认为，众包采集让数据生产从模拟场景走向真实生活，既丰富了场景，也能 " 以销定产 "，为特定群体提供灵活增收机会。但这种方式管理难度大，无效、重复数据比例难以控制。摄像头和传感器采集的信息还涉及第三方隐私与授权，如何规范采集、防范风险，也是行业不可回避的问题。
周兴豪的团队目前主要采用无本体的采集方式，但他认为，这种方式并不能解决从 "1 到 100" 的数据质量问题。
他向《锋面》记者透露，纯头戴式设备采集的第一视角视频数据，行业有效利用率约为 20%，不少机器人企业客户明确表示不需要家庭场景的众包数据。他解释，简单动作容易采集，市面上已有大量重复素材。而更有训练价值的，是 " 从杂乱的沙发上找出一件待洗衣物 " 这类低频、多样、难以覆盖的长尾场景，而目前的众包采集尚难有效覆盖。
须海江表示，当前行业内在尝试的方式是将不同采集方式进行有效结合：用大量无本体采集数据做预训练，以少量真机采集数据做后训练，实现机器人数据落地的 " 最后一公里 "。
随着采集场景的不断扩展开放，行业内对机器人数据标准落地的现实需求也日益迫切。2026 年 7 月工信部批准发布《人工智能 关键基础技术 具身智能数据集质量要求及评估方法》，由中国信通院联合行业 40 余家单位共同起草编制，涵盖完整性、一致性、多样性等 8 个维度的评价指标，将于今年 11 月 1 日正式实施。
朱克力认为，行业长期缺乏客观中立的数据质量评价体系，数据好坏没有公认标尺，交易价值也难以评估。" 只有建立统一的行业数据规范，才能推动高质量数据有效流通。数据口径杂乱、核验成本高，供需双方信息不对称，制约数据要素流转。只有配套清晰的质量分级标准，方能支撑可信的数据交易。" 他说。
作为数据的卖方，周兴豪看好标准的落地。" 很快，数采行业会经历一轮明显的洗牌。那些靠低价抢单、缺乏核心能力的企业会被淘汰，留下来的会是真正有采集能力、有质检体系、有口碑积累的专业服务商。" 他总结道。
九月十八
2026-10-27
监制：李绍飞
编辑：王海晴
视频：王海晴、杨兆荃
审校：月泰雨
原创声明：本文为央视网原创作品，未经许可，禁止转载、复制、摘编、改写及进行网络传播等一切作品版权使用行为，违者将依法追究其相关法律责任。
