日薪250元與估值150億元：一條數據鏈兩端的折疊人生

蘇州，早晨八點整。張月打卡進工位，系鞋帶、彎腰掃地、反復疊被子。這些她重復了三十多年的家務動作，此刻正被五個攝像頭從不同角度記錄。她不是短視頻博主，那些畫面也不會發布在任何平臺——它們是機器人訓練專用的數據原料。一天下來，手腳不停能拍出六小時有效素材，日薪250元。

同一座城市、同一條產業鏈的頂端，光輪智能正在以讓資本市場側目的速度膨脹。它不造機器人，只提供訓練數據和仿真評測，給自己貼上“物理AI時代基礎設施”的標簽。2026年5月，這家公司估值突破150億元，成為全球首個具身數據獨角獸；僅僅一個月后，又拿下10億元新融資，一季度新增訂單5.5億元，超過2025年全年總和。

從采集員張月到估值150億的光輪智能，中間是97家入局公司、44.7億元融資、90個數采中心，以及一條分工日漸清晰的完整產業鏈。國家政策在加碼，地方政府的數采基地正在投建，資本也在涌入。但在最末端，采集員拿到的依舊是日結工資——重復、枯燥，還可能因為設備故障白干一整天。同一條數據鏈上，一個人的時薪30元，另一端的公司估值上百億。

數據缺口有多大？大語言模型坐在圖書館里，機器人站在荒漠中

大語言模型的養料是整座互聯網——數十年積累的文字、圖片、視頻，取之不盡。但機器人要面對的是物理世界，一個從來沒有人系統記錄過的世界。覓蜂科技CEO姚卯青做過一筆殘酷測算：具身智能要達到GPT-3.5水平，大約需要一億小時的訓練數據。而據澎湃新聞引用的數據，截至2026年初，全球高質量真實物理交互數據總共不過幾十萬小時，物理AI數據量不足大語言模型的兩萬分之一。

文字和圖片是現成的，抓取力矩是多少、摩擦系數多大、觸覺反饋怎么變化——這些信息從未被記錄過，也不會像網頁一樣自然沉淀。缺口本身，就是一門生意。產業鏈的底層邏輯因此異常樸素：機器人需要的“經驗”，只能由人類一段一段喂給它。而“喂”這個動作的執行者，就是數據采集員。

在招聘平臺和社交平臺上，“具身智能數據采集員”的招募帖幾乎隨處可見，日薪標注大多在250元左右。但真拿到這個數并不容易。據Tech星球報道，蘇州的張月每天早晨八點打卡，光穿戴五個攝像頭就需要半小時，設備頻繁關機、傳感器失靈、鏡頭歪斜無人檢修，一整天下來，可用素材經常不足六小時。真機遙操作員待遇稍高一些。小陳在互聯網大廠的數采中心上夜班，操作機械臂反復把東西丟進垃圾桶，日薪370元。但頭一天入職的人，十個里面往往走掉六七個，理由幾乎一致——太枯燥了。

張磊算是這行的“老手”。甲子光年記錄了他的路徑：2024年文科畢業后賣過房，經親戚介紹入行，在千尋、松靈等公司之間來回跳，機械臂戴過，VR眼鏡掛過，搖桿也握過。他的工資賬算得清楚：底薪200元，加班80元，交通補貼，夜班再加100元，拼命干一個月能過9000元。被問及圖什么，他的回答直接：“就是想賺點快錢。”

這撥人大多經由勞務中介進入行業。中介們以前給工廠招人賺人頭費，現在把同樣一套模式平移到數據采集上。據億邦動力報道，一位30歲的全職媽媽2026年3月接了一份居家采集的活，每天拍滿八小時，能被標注為有效的不到一半，到手只有120元。培訓時負責人告訴他們：“你們拍的每一幀，都是機器人看世界的眼睛。”話說得漂亮，但對于張月們來說，這只是一份日結的、隨時可能因設備故障而白干的體力活。他們是燃料，不是煉金術士。

97家公司涌入，44.7億資本押注，技術路線卻還在分裂

據量子位統計，國內具身數據領域的玩家已達97家，其中70家做采集，27家做基礎設施。過去一年，15家獨立數據服務商合計融資約44.7億元。這97家大致可分為三類：獨立數據服務商39家，占比40%；國資平臺25家，占26%；機器人公司自身的數據部門24家，占25%。

光輪智能是目前估值最高的一家。據投資界報道，2026年5月其估值已超150億元，6月再完成10億元融資，投資方包括中關村科學城基金、四川發展科創基金等。創始人謝晨曾在英偉達、Cruise和蔚來從事自動駕駛仿真，團隊基因偏重于仿真合成路線。覓蜂科技則走了另一條路。據澎湃新聞報道，2026年2月從智元機器人分拆獨立，CEO姚卯青是原智元合伙人，種子輪加天使輪融資數億元，由紅杉領投；6月又完成數億元新融資，由國方創投領投。姚卯青的判斷很直白：具身智能還沒賺到錢，但數據可以先賺到錢。

帕西尼感知科技以6D觸覺傳感技術見長。據36氪報道，2026年3月完成超10億元B輪融資，比亞迪為第二大股東，已在天津建成采集工廠，累計采集近8000萬條數據，還計劃在宿遷、武漢、自貢、贛州再建四座工廠。諾亦騰機器人手握全球七成份額的動作捕捉技術積累，6月完成數億元Pre-A++輪融資。鹿明機器人則靠自研的無本體采集系統打開局面，單條數據采集時間從50秒壓縮到10秒，成本下降80%，已被全球三分之二頂尖具身團隊采用。靈初智能部署了100套數據手套，積累近10萬小時手部操作數據。而簡智機器人2025年7月才成立，四個月內便連續完成三輪融資，螞蟻集團、滴滴、德聯資本都上了牌桌。

技術路線也在分化。最貴的是真機遙操作，人直接操控機器人完成任務，數據保真度最高，但每小時成本高達500到1000元，目前有22家公司主攻這條路線。覓蜂科技和鹿明機器人等15家公司走的是無本體采集路線，人穿戴設備直接做動作，完全繞開機器人本體，成本只有真機遙操作的約三分之一。這條路線最年輕，大多數入局公司成立于2024年9月之后。光輪智能押注仿真合成，在虛擬世界中批量生成數據，但仿真環境學得再好，遷移到真實物理世界時性能總會打折扣——這道“仿真到現實”的鴻溝至今沒有被完全填平。樞途科技的思路更為極端，試圖從互聯網現有視頻中直接“蒸餾”出機器人可用的動作數據，聲稱采集成本可以被壓到行業平均水平的千分之五。值得注意的是，70家數據采集公司中，有30家同時押注多條路線，沒人愿意把雞蛋放在一個籃子里。

資本已經沒有耐心等待技術收斂。據QYResearch調研，2025年全球具身智能數據市場規模約10.3億美元，預計到2032年將達到89.89億美元，年復合增長率36.8%。上百億資金涌入產業鏈上游，而底端的張月們，依然在為時薪30元反復疊被子。

中美印初現分工：美國做平臺，印度做外包，中國建基建

資本和玩家在國內加速卡位的時候，具身數據的生意也在全球范圍內鋪開。據藝恩數據發布的《全球具身數據市場白皮書》，全球約有50家具身數據公司，分布在北美、歐洲和亞洲。以業務形態來看，大致分為三個梯隊。

第一類是數據基礎設施平臺，搭建采集硬件、數據產線和治理平臺的全鏈路基礎設施，簡智機器人、光輪智能、覓蜂科技和諾亦騰是典型代表。第二類是“具身原生”數據服務商，成立之初就以具身數據為主業，占國內玩家的67%。光輪智能、覓蜂科技、帕西尼感知科技、鹿明機器人均屬此類，從零開始構建數據采集資產，沒有歷史包袱。第三類是“跨界轉型”的數據服務商，從AI數據標注、自動駕駛、動作捕捉或工業領域切換賽道而來。海天瑞聲、數據堂把傳統AI標注管線的經驗平移過來；均普智能則在2026年7月發布工業具身智能數據平臺，依靠母公司遍布全球的上百家工廠做實地采集。

海外市場是另一番圖景。美國Scale AI是海外數據平臺的標桿，從自動駕駛標注起家，深度綁定OpenAI做大模型評測，2026年3月與Universal Robots合作切入具身智能賽道。印度則走出了一條“低成本勞動密集”的路。據印度經濟時報報道，Human Archive和Neocambrian AI等初創公司已經批量出現，專為具身智能采集第一人稱視角的視頻數據。Neocambrian AI在諾伊達建立了數據工廠，每月產出數千小時數據。

歐洲和美國本土的機器人公司也在自建采集能力。美國Apptronik獲Google DeepMind和奔馳投資，2026年6月在德克薩斯州啟用近9萬平方英尺的“機器人公園”作為采集訓練基地。挪威1X、瑞士Flexion等公司也在推進規模化部署。

一個逐漸清晰的全球分工格局正在浮現：美國有Scale AI這類平臺型公司做基礎設施，印度輸出低成本人力做數據外包，中國則在97家公司和90個數采中心的推動下，構建起了全球最密集的具身數據采集與治理基建。但是，當產業鏈頂端的估值數字不斷翻倍，當地方政府競相投建數采中心，當各路技術路線爭搶定義權——張月還在蘇州的采集間里，反復彎腰、起身、再彎腰。那些被攝像頭忠實記錄的半小時穿戴、六小時可用素材、120元到手工資，和百億資本的轟鳴聲，發生在同一條鏈上。

政策加速入場，但底層采集員還沒等來改變

2026年以來，多地出臺政策支持具身智能數據基礎設施建設。據公開信息，北京、上海、深圳、蘇州、武漢等地已將具身智能數據納入地方人工智能發展規劃，部分城市拿出專項資金補貼數采中心建設和設備采購。天津、宿遷、自貢、贛州等城市也已明確承接采集工廠落地。國家層面的機器人產業發展規劃中，高質量訓練數據集被列為重點攻關方向之一。

然而，爬上政策文件和融資新聞里那些振奮人心的數字，與采集間里的真實處境之間，還是一個巨大的落差。設備故障無人修、可用素材率不到一半、隨時可能白干——這些細節不會出現在研究報告和融資通稿里。培訓負責人那句“你們拍的每一幀都是機器人看世界的眼睛”，聽起來更像是用來自我感動的修飾，而不是一項可以被寫入勞動合同的保障。

這條產業鏈正在加速運轉。底層采集員用重復勞動生產最原始的數據原油，中間層的數據服務商將原油提煉成可用的訓練數據集，頂層的機器人公司用這些數據訓練模型、迭代產品、講估值故事。每一個環節都在高效運轉。唯獨最底端的采集員，他們的時薪、社保、職業前景，還沒有被納入任何一輪融資的測算模型中。全球具身數據市場2032年可能達到89.89億美元的年復合增長率36.8%——但在這個數字里，并沒有屬于張月的那一份。