给机器人当老师，时薪不到一杯奶茶Take Ten-Thousand: Egocentric Data Collection for Humanoid Robots

中国的人形机器人公司正花钱雇普通人戴上摄像头、一遍遍重复日常动作，来采集训练机器人手部的第一人称数据，但这条产业链的成本、隐私和市场需求都还悬着。

想训练机器人学会叠衣服，得先有人把叠衣服拍上一万遍。北京五道口聚集着中国顶尖高校和机器人实验室，这里正在上演一场关于「谁来拍」的实验。

三代采集法，越拍越像人

第一代是遥控：人拿着手柄远距离操纵机械臂，慢、累、设备贵。第二代是穿外骨骼，手绑在机器人骨架上做动作，硅谷的 Generalist AI 用一千人在半年里采了 25 万小时。

现在流行第三代——第一人称采集。人戴上头显或轻便头盔，正常工作、洗碗、切菜，摄像头把手指和关节的位置一帧帧记下来。英伟达 2026 年 2 月的 EgoScale 项目用一千多人拍了 2 万多小时。

京东的宿迁实验

2026 年 3 月，刘强东宣布在家乡江苏宿迁建采集中心，目标 2027 年采 500 万小时，2028 年 1000 万小时。十多万宿迁市民报名，戴着头盔拍五类日常任务。

但成本降不下来。业内人士说，一小时原始素材约 100 元，加工成可用数据要 500 到 700 元。有人在小红书招人，一天 100 到 200 元，没有正式合同，也没社保。

数据卖不动，隐私没人管

这些视频很难转卖，客户对光线、背景要求各异，往往还签独家。于是很多公司只采自用。约 30% 的机器人买家仍只要第二代夹爪数据，因为仓库够用。

国际上，Human Archive 在印度和东南亚雇人戴头显拍摄，报酬约每小时 1 美元，再把素材卖给欧美 AI 实验室。有报道称，一些印度工人根本不知道自己的视频被拿去训练 AI。

一位研究者笑着说：美国摸着石头过河，中国摸着美国过河。可河对岸是不是同一片岸，没人说得清。