文 | 惊蛰研究所，作者 | 雨谷
8 月下旬，" 人形机器人第一股 " 宇树科技正式登陆科创板。然而，上市前黄仁勋亲自站台、联想火线入股带来的超高关注，并没有让宇树科技的股价延续造富神话。上市第 11 个交易日，宇树科技股价盘中跌破 550 元，较 1100 元高点已经 " 腰斩 "。
就在同一时间，另一群在 " 宇树 " 背后的公司正在闷声发财。它们不造机器人、不研究模型，只做一件事：雇人，给机器人 " 喂 " 数据。
900 亿热钱，谁在 " 吃肉 "？
尽管股价遭遇巨大波动，但宇树科技 73 天闪电过会的上市之路，无疑是具身智能产业今年以来的缩影。据 IT 桔子统计，2026 年上半年，国内具身智能赛道融资 322 笔，总额达到 935 亿元，同比增长约 5 倍。资本市场强势关注的同时，热钱也开始涌向具身智能头部企业。
今年 3 月，银河通用宣布完成 25 亿元新一轮融资，刷新了去年 12 月由其创下的 3 亿美元（约 21 亿元人民币）中国具身智能单轮融资纪录。4 月，它石智航拿下 4.55 亿美元（约 30 亿元人民币）单轮融资，刷新中国具身智能融资纪录。到 6 月底，智平方宣布完成近 50 亿元新一轮融资，投后估值超过 200 亿元，成为粤港澳大湾区首个 200 亿级具身智能独角兽。
而在宇树科技上市前夕，2023 年才成立的智元机器人，在 7 月正式确认启动港股 IPO 流程，传闻估值至少 400 亿港元。据第一财经统计，今年上半年，国内估值超百亿元的具身智能企业已有 22 家。
然而，资本押注的是 " 未来 "，热钱也不等于利润。宇树科技招股书（上会稿）显示，今年一季度其扣除非经常性损益后的净利润为 4025.36 万元，同比下降 52.55%。
今年 3 月，原力无限联合创始人刘扬在接受每日经济新闻采访时，也直言："2025 年，行业里大量所谓的‘商业化订单’，本质上是公关性质的展示采购和数据采集合作，而不是真正意义上的生产力替代。" 而刘扬的这句话也隐约揭露了一个事实：具身智能产业链上，最先尝到甜头的不是机器人公司，而是数据采集公司。
数据采集服务商——杭州数犀科技项目负责人孙潇告诉惊蛰研究所，此前他的公司专门从事智驾数据标注，今年 5 月意外了解到具身智能赛道开始出现大量数据采集需求，因此选择果断入局做起了数据采集业务。
据孙潇透露，虽然其公司正式经手数据采集业务还不到两个月，但是已经在苏州、宿迁、南阳建了三个基地，目前还在大力扩充采集员的队伍，" 目前这个业务的毛利能够做到 30% 左右，比很多传统行业都要高。而且订单多到根本做不完。"
为什么大多数机器人公司还在亏损，数据采集公司却能够先吃到肉？答案要从具身智能的底层逻辑说起。具身智能可以简单理解为硬件和软件的结合。其中硬件包括机器人本体、关节、灵巧手等，软件则是由具身大模型驱动的智能系统，让机器人理解物理世界并生成动作指令。
近些年硬件技术的发展进步飞快，但软件技术的发展卡在了数据上。不久前，世界机器人大会上有一组被反复引用的数据：当前国内真实物理交互场景合规数据仅 50 万小时，而机器人商业化落地需要数千万小时，缺口超过 99%。而这组数字背后是具身智能行业面临的结构性矛盾，也是产业链发展释放出的阶段性机会。
中国信通院发布的《具身智能训练场研究报告 ( 2026 年 ) 》显示，截至今年 6 月底，全国建成启用超 70 家机器人训练场，在建或规划中的训练场达到 46 家。在官方口径披露的训练场之外，更多数据采集服务商也找到了属于自己的生态位。
具身智能也有 " 包工头 "
数据需求的暴增，让订单像雪片一样飞向数据采集公司，但这门生意的本质是一场层层转包的人力分账。
" 我们很多业务不是直接对接的上游机器人公司，而是发包商先从机器人公司接单，再转包给我们。" 孙潇告诉惊蛰研究所，" 机器人公司给夹爪采集的出价通常是每小时 100 多元，中间发包商转一道手后，给到我们的价格是每小时 70 元到 90 元，我们数据采集公司再按照 40 元到 70 元的价格，结算给一线采集员。" 显然，数据采集公司的利润来自于上游发包商报价与一线采集员结算价格的价差。
" 我们一开始在苏州做数据采集的时候就发现，人员薪资水平、员工社保这些成本核算下来，非常不划算。所以后来就开始分散到三、四线城市，甚至更偏远的地区去做。像宿迁、南阳，房租便宜，工资水平也偏低，采集员岗位日薪 160 元左右就能招到人，干满两个月之后再给缴社保。要是像机器人公司那样把总部放在北上广深，同样的人力配置，成本翻倍都不止。"
对于数据采集公司的生态位，孙潇表现得很坦然，" 我们本质上就相当于产业链里的包工头。虽然现在这个赛道非常早期，但从历史的角度讲，我们肯定能吃到具身智能行业增长的蛋糕。"
当然，" 包工头 " 赚到钱的前提，还得是有人愿意干。而从孙潇分享的情况来看，数据采集公司的招聘门槛低到令人意外：识字，无学历、性别要求，新手三天即可上手。" 一天凑够 4、5 个有效时长，轻轻松松日入 160 元左右，月休四天，一个月至少 3800 元。对于三线城市的年轻人来说，这份收入比在超市当收银员、在奶茶店摇奶茶更有吸引力。"
不过孙潇也指出，这份工作虽然不像流水线计件一样会累，但有时候可能会让人觉得枯燥，很考验人的耐心。" 因为数据采集的本质是为机器人提供训练数据，机器人（背后的大模型）不是一上来就能理解采集员的这个动作是在干什么，所以会要求采集员做动作的时候要不急不慢，这就导致一个很简单的动作可能就做很久或者做很多遍，有的人没耐心就坚持不下去。"
一线采集员的表现，也关系到数据采集公司的收入。由于上游发包商是以有效时长作为结算标准，因此大部分数据采集公司会通过扩大人员规模的方式，提高有效时长的产能。但人员规模的扩张不一定能堆出产能，人员水平、项目要求、采集设备的差异，都可能影响采集结果，尤其是 " 人的问题 "。
" 我们粗略统计，一线采集员一天坐班 8 小时，实际能够产出的数据只有 4 小时左右，做得好的团队能把产出系数做到 0.6，相当于一天能产出 4.8 个小时数据。人跟人之间也有差距，有的人会当成工作对待，有的人只把它当成兼职。我们之前允许居家采集，有的人一天就能产出 6 小时数据，但有的人连最基础的 3、4 个小时都做不出来。"
孙潇坦言，数据采集表面上看是用人头堆产能，但也恰恰卡在 " 人 " 身上。用人门槛过低，就意味着规模化需要以管理能力为前提。因此为了及时完成订单，孙潇所在的公司最后选择把人员集中到一起，一天两班倒。
" 要是一天只做 8 小时，按照上游的数据缺口，起码要 5 到 10 年才能满足需求，机器人公司等不起。所以如果一套设备一天的有效时长达不到 4 小时，他们就会把采集设备收回。京东之前也有说要在宿迁做一个 10 万人规模的数据采集基地，但是他们本地推进的速度并没有想象得那么快，我估计也是遇到了数据产能和质量上的问题。" 孙潇说道。
等一个 "GPT 时刻 "
为了让机器人拥有堪比人类的 " 大脑 "，像孙潇所在公司这样的 " 包工头 " 们开始拼命搬砖，而具身智能的竞争重心也在逐渐转移到数据量级上，" 就像 GPT 一样，训练数据的质量和规模对机器人模型的影响也非常大。"
今年 8 月，三位华人创立的 Dyna Robotics，用超过 100 万小时的人类第一视角视频对 DYNA-2 模型进行预训练。结果发现，高精度制造场景测试中的任务成功率从上一代模型的 20% 提升到了 90%。这意味着物理 AI 拥有了自己的 Scaling Law（缩放定律，指模型性能随参数量、数据量和算力增加而按幂律提升的规律），机器人的 " 大脑 " 进化也可以像大语言模型一样，通过 " 堆数据 " 来提升。
孙潇说：" 当下具身智能行业形成了一个近乎偏执的共识：采集的时长要绝对充足，可以冗余，但不能缺。我们上游发包商给到的 ego（第一视角）数据需求就达到百万小时级，夹爪类数据也有十几万小时。所以我觉得相比外界传言的‘上千万小时数据缺口’，真实的数据需求只会多不会少。"
他还提到，产业上游对真实世界高质量数据的需求，也催生了一个耐人寻味的倒挂现象—— " 你的机器人有多智能，它就得需要多少人工 "。
" 我们目前做的只是数量上的工作，实际数据提交之后还要经过清洗、标注等其他工序，才能让数据真正能用。所以最后给到模型训练的一小时数据，其综合成本可能要到 300 元到 500 元之间。我跟上游的算法工程师聊过，他们真机可用的一条数据成本要到 1200 元到 1300 元，还有的能够达到 1600 元。" 孙潇说。
" 但是你不要光看价格高，因为它们对真实场景的要求非常高。机器人后面要进入千家万户，就需要有真实场景作为采集素材。但是哪家数据公司能够一口气拿出来几十套现成的房子，给你去做数据采集？不过据我所知，现在出现一种类似拼单的新模式，几家机器人公司对接同一家数据采集训练场，大家在同一个场景下，用各自的设备采集数据。"
另外，小区门口的小超市、药店、早餐店这些需要实地采集的真实场景，也存在沟通困难、成本高、执行难的问题。在孙潇看来，目前只有工厂这类标准化的场景可以大体量复制，家庭生活、餐饮零售等长尾场景的需求仍然悬而未决。
热钱涌动的另一面，是行业挥之不去的 " 内循环 " 争议。" 有的地方单位买入机器人，让数据采集公司采集数据后，再卖回给机器人公司。这样一来，机器人厂商拿到了训练数据，可以向资本市场鼓吹更大的故事，地方单位也完成了考核指标，有种大家互相刷单的意思。"
孙潇还举出之前英伟达和 OpenAI 的 " 例子 "，" 我拿了你的投资，我再买你的显卡用来训练更强的大模型，互相成就彼此的估值。" 而具身智能赛道的当下是一级市场讲故事、二级市场买预期，中间是数据采集公司在真实地 " 搬砖 "。
从产业演进来看，具身智能行业距离自己的 "GPT 时刻 " 仍然隔着三重拐点：技术上，还差着数千万小时的数据；生产上，正在从小批量试用转向大规模落地；经济上，多数公司仍在亏损，商业闭环尚未跑通。
但不可否认的是，热钱的涌入让机器人第一次以具象且富有实感的方式走进真实世界。那些在三四线城市不断冒出的 " 数据采集工厂 "，正在为具身智能的全面繁荣铺设地基。或许机器人还在烧钱，但是 " 喂 " 它的人，已经先吃到了肉。
