关注前沿科技 2025-10-24 11:51 北京
优质数据依然短缺
西风 发自 凹非寺量子位 | 公众号 QbitAI
注意看，眼前这个男人暂且叫他小帅。
你可能想不到，他只是在厨房里优雅地煎牛排做做家务，每小时最高能赚进1000多块（150美元）。
怪不得小帅天天上班喜笑颜开。
难道他找到了什么神秘兼职？
画面一转——哦吼，机器人。
没错，这年头，你做家务的视频正被Encord、Micro1、Scale AI这些数据标注服务商当作训练人形机器人的人类高等素材，高价回收。
评论区网友只是一味地要招聘链接。
机器人也需“家教”
当前，机器人是AI最热门的领域之一。
硅谷著名投资人Vinod Khosla等押注该领域将很快迎来自己的“ChatGPT时刻”。PitchBook数据显示，今年迄今机器人领域的风险投资已激增至121亿美元。
然而，在技术爆发的另一面，是机器人行业共同面临的数据荒。
“与大语言模型不同，机器人没有现成的互联网数据集可用，必须从零开始在现实世界中生成训练数据，难度大得多”AI数据服务公司Encord联合创始人Ulrik Hansen一针见血地指出。
目前，机器人训练数据的来源可以分为两大路径：现实世界真实数据与合成数据。
真实数据可通过精密设备远程操控机器人执行任务，同步记录下包括关节力矩、电机旋转等在内的全套物理数据。这种方式能捕获“手感”力控信息等。
或者可通过直接记录人类在现实环境中的活动来获取，如Apple Vision Pro或专业动作捕捉系统，记录人类执行任务的全过程。
这类数据质量高、保真度强，能准确反映真实世界的复杂物理交互，但问题在于规模有限、成本高，难以满足机器人模型对海量数据的需求。
合成数据则开辟了另一条路线。通过在虚拟环境中自动生成无数种动作变体或构建完整交互场景，合成数据能以较低成本实现数据自由。
例如，NVIDIA Cosmos就是一个“世界基础模型”，可以生成高度逼真、类似视频游戏的环境，用于机器人训练。在这里，“世界”指的并不是地球，而是机器人交互的环境，如机器人操作的房间内可见区域。
另外，为兼顾真实性与规模性，机器人公司往往采用结合真实与合成数据的方式，通过将少量的现实世界数据与大规模合成数据相结合，克服机器人技术中数据稀缺的问题。
面对数据饥渴，目前各家的应对策略五花八门。
Encord透露，他们今年对此类数据的处理量已达到去年的四倍。他们高价回收真实数据，如果是操作设备等高技术性任务的视频，酬劳最高可达每小时150美元。
另一家AI数据服务公司Micro1 CEO Ali Ansari则透露，他们开出的报酬每小时在25至50美元之间。
另外，Scale AI宣布正快速拓展机器人业务，并在其旧金山总部设立了专用实验室，迄今已生成超过10万小时的训练影像。
而需求则来自Physical Intelligence、波士顿动力公司等。
甚至有某机器人初创公司自己在Craigslist发广告，以10–20美元时薪征集用户用手机拍摄家务的视频。
尽管各方努力，优质数据依然短缺。该初创公司创始人对外透露：“市面上没有大型数据集可购买，规模最大的也仅有约5000小时时长，这远远不够。”
参考链接：[1]https://x.com/dom_lucre/status/1981055417451942221[2]https://www.businessinsider.com/ai-startups-robotics-pay-film-chores-encord-micro1-scale-2025-10
