机器人数据经济学：打造机器人领域的Scale AI
机器人数据供应商的真正价值不在卖数据集，而在把采集能力沉淀为评估与部署的持续客户关系，把一次性订单变成经常性收入，再考验其能否变成经常性利润。
将数据采集转化为持续客户关系的经济学。
谁在打造机器人领域的 Scale AI？这个机会又有多少存在于出售训练数据之外？
加州大学伯克利分校教授、Ambi Robotics 联合创始人 Ken Goldberg 表示，机器人领域存在“十万年的数据差距”。他在 2025 年所做的对比指出，支撑大型视觉语言模型的人类等效阅读与观看时间，对应的是大约一年的遥操作数据。
供应商正在快速行动。Mecka 于 10 月 7 日宣布完成 6000 万美元 B 轮融资。XDOF 于 6 月结束隐身状态，带着 7000 万美元融资亮相。10 月 9 日，microagi 表示，在推出 Shift 后的六个月内，其 ARR 已达到 1 亿美元。
在本文中，我们将探讨采集数据如何构建运营能力与客户关系，从而销售评估和部署服务。这可以把一笔数据集订单转化为经常性收入。问题在于，在扣除工程、硬件和支持成本后，其中有多少会变成经常性利润。
本文最初发布于 Core Matter substack。在此订阅，即可将下一篇文章发送到你的邮箱：corematter.substack.com
章节
- 弥合机器人数据差距的七种方式
- 超越数据集：销售评估与部署
- 财务比较：Scale AI 及其机器人领域挑战者
- 将经常性收入转化为经常性利润
- LLM 与机器人数据：是什么驱动了交付成本
- 如果机器人领域的 Scale AI 变得比 Scale AI 本身更大，会怎样？
弥合机器人数据缺口的七种方法
机器人模型用什么来训练？主要来源可分为七个相互重叠的类别：
- 互联网视频： 现有人类活动的影像素材，通常不含机器人动作标签。
- 第一人称视频： 以第一视角记录人们执行任务的视频，有时会辅以额外传感器数据。
- 手持采集： 使用 UMI 的带摄像头夹爪等便携工具录制的演示数据，采集现场无需机器人。
- 机器人遥操作： 由人操控机器人，同时记录其动作与传感器读数。
- 物理仿真： 虚拟机器人与模拟物体和环境进行交互。
- 世界模型经验： 由学习到的模型生成预测场景或结果，有时以动作为条件。
- 部署经验： 对在役机器人的记录，包括成功、失败与人工干预。
机器人数据的三大权衡
三项关键特性决定了机器人数据的可用程度。每种采集方法各有不同的权衡：
- 可扩展性： 数据如何随人力、设备和成本扩展。遥操作需要机器人产能和操作员时间。第一人称视频和手持采集将机器人排除在采集环节之外。仿真无需为每次运行配备操作员即可生成重复试验，但仍需要算力、搭建和验证。
- 物理保真度： 数据对目标机器人的具身形态、运动、接触和结果的还原准确程度。
- 多样性： 对任务、物体、环境和条件的覆盖范围，包括失败与恢复情形。
是什么推动了机器人数据的需求
实验室在攻克新任务时需要更广泛的覆盖。而在 LLM 市场，数据策略已然成为竞争焦点。这一点同样映射到机器人市场。
- 竞争压力。 “这些实验室不希望其他实验室弄清楚它们用哪些数据来改进模型，”Handshake CEO Garrett Lord 在 Meta 投资 Scale 后对《时代》谈及大语言模型训练数据时表示。
- 覆盖范围有限。 除了 Goldberg 的 10 万年对比之外，硬件、劳动力和后勤协调也限制了跨环境的采集。
- 新任务与失效模式。 当模型实验室希望针对新任务、机器人配置和困难案例进行训练时，他们需要额外的演示数据。
利用率与质量决定数据生意的经济性
劳动力成本只是数据采集运营的一个杠杆。数据采集的经济性取决于人员和设备的利用率，以及录制数据中通过质量检查的比例。
每条被接受的轨迹小时成本 = 总采集与处理成本 ÷ 被接受的轨迹小时数。
设想一个假设的工作站，一名操作员每在岗小时成本为 30 美元。如果录制占在岗时间的 60%，且录制时长中有 80% 通过质量检查，则劳动力成本为每条被接受的轨迹小时 62.50 美元。若录制时间占 30%、接受率为 60%，则升至 166.67 美元，相差2.67 倍。两种情况均不含硬件、场地、单独的处理人员和间接费用。
能够提高利用率和数据质量的工具、基础设施和软件可以降低可用产出的成本。一个例子是开发专用模型来更准确地标注视频数据。
超越数据集：销售评估与部署
机器人数据供应商运营硬件、培训操作员、设置任务并检查输出。这些能力可以支撑策略评估，并且通过额外的集成工作，还能支持部署。这使得数据供应商能够向两类客户销售：
1）模型实验室需要测试和改进策略。 它需要比较检查点、复现故障、收集修正并衡量进展。新版本发布和回归测试可以在相同的工位和流程上产生重复工作。
XDOF 让客户选择任务、测试检查点并接收结果和试验记录。它还提供修正性采集。其评估服务目前指定使用 I2RT 的双臂 YAM 机械臂，因此基础设施复用取决于机器人和任务。
2）工厂运营方需要可靠的生产任务。 例如，包裹分拣需要模型、机械臂、传感器和工作流协同运作。重复工作可以来自额外的单元、新站点、不断变化的产品和持续支持。集成知识可能迁移，而现场条件需要全新的工程工作。
microagi 的投资方 Redalpine 描述了重建客户工作站、采购硬件并训练系统，然后将可工作的安装环境出租给客户的过程。这种模式将持续收入与设备融资和运营责任结合在一起。其他部署可能使用客户拥有的硬件，正如 microagi 当前站点所描述的那样。
Mecka 表示：“我们带来硬件、数据采集、后训练、集成和持续运营。” microagi 宣称的目标是部署一百万台机器人。
财务对比：Scale AI 及其机器人领域挑战者
营收、毛利率、融资与估值，展现了这些公司所追求的业务规模。各公司的报告期与统计口径并不一致。
