机器人先到得了现场：具身数据赛道的新缺口
具身数据不能只采“手”，机器人本体如何移动的数据同样关键，却几乎无人供应，正成为新瓶颈。
具身智能训练数据大多聚焦机械手操作，但机器人先得走到现场。全球最大腿式机器人数据集仅5小时，本体运动数据严重稀缺，且只能由机器人实跑采集，无法靠人力外包补齐。这是三重结构性约束的结果，也是被低估的新赛道。
正文摘录
.jpg) 编辑｜Panda 前几天，我在自家小区的业主群里刷到一条招聘广告：居家靠谱副业，AI 数据采集兼职。  这类广告已经不算新鲜了。今年 5 月，第一财经报道过一批「居家数据采集员」：他们戴着采集手套或者头戴相机，在自己家里择菜、叠衣服、开抽屉，把这些动作录成视频，卖给需要训练机器人的公司。据一家数据服务商透露，其百人左右的采集员队伍里，宝妈占比接近六成，居家岗位月薪在 3000 到 4000 元之间，社交平台上流传的日薪多在百元上下、时薪 25 元左右。 具身智能行业对数据的渴求，可见一斑。 但我盯着那条广告看了很久，想到的是另一件事： 这些兼职能采到的，全都是手（末端执行器）的数据，忽视了「机器人本体与环境交互的运动数据」。 所有人都在采数据 采的却是同一种数据 数据缺口有多大，行业已有计算。截至 2026 年初，全球高质量真实物理交互数据的总量大约只有 50 万小时 ，不足大语言模型训练语料的两万分之一。而按照产业界较为一致的口径，训练出一个真正可用的通用具身模型，至少需要 千万小时量级 。 于是资本和巨头一起涌了进来。