轉自：中國經營網

中經記者 曲忠芳 北京報道

在貴州省黔南州惠水縣漣江街道幸福社區，中老年居民吳秀妹將一台數據採集設備戴在頭上，開始做家務——疊被子、擦桌子、掃地等，這些動作被頭戴設備的攝像頭拍攝了下來。

在江蘇省宿遷市宿豫區湖濱社區，年輕寶媽王麗琴（化名）每天擦桌子、擺放水果、清潔地板時，每一個日常動作同樣被一台數採設備完整記錄；在「迷情小鎮」獼猴桃果園裏，幾名工作人員頭戴着採集設備進行修剪果枝、綁膠帶等工作。

在西安、寧波、上海、杭州……類似的數據採集工作在不同場景中紛紛展開，從擦桌疊衣、灶底1清潔到商超理貨、酒店打掃，越來越多的日常勞動有了另一重用途，即為機器人提供「學習」的數據素材，而這些為具身智能「打工」的人也有了一個共同的身份——數據採集員。

「做家務就能把錢賺了」究竟靠不靠譜？做數據採集員有門檻嗎？投入時間和獲得的報酬如何計算？繼外賣配送員、網約車司機等工作之後，數據採集員能否成為普通人參與靈活就業的新選擇？針對社會大衆關注的這些問題，《中國經營報》記者做了相關的採訪與調研。

做家務同時採集數據 收入達數千元

知名科技博主、一篇網絡創始人趙宏民向記者展示了他在某數採衆包平台的後台，自受邀在平台註冊的2周時間裏，他總共採集了76分鐘時長的視頻，內容場景主要包括快遞拆封與整理、灶底1清潔、泡茶、桌面整理等，平台審核確認的有效時長是66分鐘，有效率簡單計算約87%，總共到手的收入是26.37元。

趙宏民表示：「數據採集操作其實比較簡單，將專門的數採設備戴在頭上，連接後就可以採集，拍攝完成後上傳視頻，經平台審核後就可以提現。」他告訴記者，平台設定的不同採集項目的定價是不同的，比如快遞拆封是30元/小時，其他像寵物餵養、泡茶、灶底1清潔則是20元/小時。

吳秀妹是貴州夢擎科技有限公司（以下簡稱「夢擎數據」）具身數採交付計劃先行試點的「明星」採集員，每天採集的有效數據能夠達到約4.55小時。

夢擎數據運營負責人邱剛向記者介紹，該公司在貴州省黔南州惠水縣招募本地居民，經過標準化培訓後上崗，採用當日（T+0）或次日（T+1）結算機制，這種模式不僅解決了行業人力分散、不穩定的痛點，也為當地創造了新的就業機會。

而在宿遷，京東自去年10月在湖濱新區落地了具身智能數據採集中心，居家寶媽、獼猴桃園工人、老年醫院康養中心護工、舞蹈老師等都兼職做起了數據採集員。在居民社區裏，居民接受培訓後將數採設備領回家，即可進行家政場景的採集，熟練的數據採集員每個月的收入少則三四千元，而有的月收入甚至能接近萬元。寶媽王麗琴在自己家中向記者展示了採集工作的完整過程，她表示：「這份工作很輕鬆，時間也靈活，而且還能獲得收入補貼家用。」

本報記者從Boss直聘及其他招聘渠道中搜索發現，各種技術類型的數據採集員招工信息隨處可見，既有短期兼職——每天約在150元至300元區間，也有全職固定崗位，月薪則從6000元至7000元不等。

「准入門檻低，但質量門檻不低」

記者了解到，這些數據採集員頭上戴的數採設備，被稱為「第一人稱視角（Ego）數據採集設備」，是具身智能無本體（指無須機器人在現場）數據採集路線的一種。其他的無本體採集方式還包括末端操作數據採集（如UMI採集、通用操作接口採集）和動作捕捉數據採集，前者是指人手持帶攝像頭的夾爪，替機器人示範怎樣幹活；而後者則往往需要穿戴動作捕捉的專業手套、全身裝備等。與無本體數採路線相對應的是真機採集，又包括遙操作數據採集和自主作業迴流數據。需要指出的是，從現階段來看，數據採集兼具低成本與規模化效應的以Ego採集和UMI採集為主，也是最容易走向「全民採集」的方式。

針對數據採集崗位的技能門檻，淘丁數科AI產品總監石金龍向記者指出，從操作層面看，第一視角視頻數據採集相比真機遙操、專業動捕確實要低。普通人經過標準化培訓，就可以完成日常操作類任務的數據採集，因此它天然具備規模化擴展的條件。「但我們更願意把這一崗位概括為：准入門檻相對較低，質量門檻並不低。」石金龍解釋道，具身智能需要的並不是普通視頻，而是能夠真正用於模型訓練的高質量數據。採集過程中涉及視角完整性、動作規範性、任務連續性、環境多樣性，以及視頻、深度、IMU、語音等多模態數據的時序一致性。越往高質量數據集建設方向發展，對採集人員的任務理解能力、操作一致性和規範執行能力要求越高。

邱剛也指出：「數據採集最大的隱性成本就是人力。傳統採集模式中，依賴資深工程師的逐幀操作，效率低且成本高，難以規模化。」夢擎數據採取的策略是衆採網絡，依託縣域人力資源，構建「招募—培訓—調度—結算」四位一體的規模化管理體系。

趙宏民結合自身的體驗表示，衆包模式的數據採集員，短期內會井噴式增長，成為一種新的靈活用工工種，更多的是兼職形態，特別適合那種長時間居家的人或者某些特定職業的工作崗位，如家政服務人員等，在不影響本職工作的前提下，做數據採集增加一份收入。

是短暫需求，還是長期職業？

記者還了解到，當下具身智能產業正謀求將數據積累推向百萬小時級、千萬小時級兩個階段性目標。北京人形機器人創新中心於9月2日宣佈已對外交付近3萬小時高質量數據，目標是100萬小時；而兩日前，覓蜂科技宣佈其第2萬套Ego無本體數據採集設備下線，累計生產超100萬小時數據。京東則早在今年年初就提出了近兩年裏積累1000萬小時優質數據的目標，將發動約60萬人參與數據採集。海外具身智能巨頭FigureAI近日也推出了數據衆包應用Index，用戶可在家或工作場所錄製做飯、洗衣、理貨、服務等真實任務的第一視角視頻並上傳，Figure公司將按數據付費，承諾未來12個月將投入超10億美元，用於數據積累與算力建設中。

需要注意的是，產業在快速擴張數據採集規模的同時，這些數據能在多大程度上提升機器人的實際作業能力，仍是一個有待驗證的問題。從採集、訓練到實際應用，再根據應用反饋補充數據，能否跑通這一閉環，是企業需要攻克的問題。專注於具身智能早期投資的金鼎資本投資總監洪紹囤提醒道：「如果說專門為了採集數據建立一個公司，大多數投資人並不會看。」

在產業快速變化中，數據採集員究竟是滿足階段性需求的權宜選擇，還是一個可以長期期待的新職業？

石金龍認為，低價值、重複性的採集需求可能具有階段性，但真實世界高質量數據的需求會長期存在。隨着仿真、世界模型和生成式數據等技術發展，一部分標準化數據可以由合成數據替代，但複雜任務、失敗過程和真實交互等數據仍有價值。採集崗位也將逐步分化，形成基礎採集員、專業場景採集員、遙操作工程師等不同層級。對於從業者而言，能否適應任務變化、積累專業技能，將影響這份工作的持續性。

趙宏民則指出當前數據採集需求的增長與產業發展、資本投入有直接關係。當部分數據積累到一定規模後，需求可能趨於平穩。隨着機器人在實際作業中積累數據，對人工採集的依賴也可能降低，但新的場景和任務仍會帶來新的需求。

值得注意的是，就在9月9日，人力資源和社會保障部向社會發布了11個新職業，「具身智能機器人應用技術員」作為數字職業之一被包含在其中。據央視新聞報道，預計未來5年，我國將新增數據採集員、機器人群體協同運營師等就業崗位超100萬個。

職業發展的通道正在打開，但落到每一位採集員身上，任務能否持續、收入能否穩定、經驗能否轉化為技能，仍需要伴隨着具身智能產業的發展與數據採集的實踐尋找答案，本報記者也將持續關注。