新闻36氪11 天前
具身智能数据采集现状:日薪180元外包模式与质量标准缺失
本文由 AI 根据公开内容整理,可能有误,请以原文为准:日薪180,在「流水线」上给机器人当老师(36氪)
核心内容
人社部拟新增“具身智能机器人应用技术员”职业,数据采集成为核心工种。行业测算机器人具备初步类人能力需约1亿小时数据,而全球有效存量仅几十万小时,2026年被定为数据规模化元年。目前全国直接获单公司仅几十家,下游分包劳务派遣公司达数百家,形成“模型厂商提需求-服务商接单-劳务外包执行”的产业链条,兼职采集员规模接近百万级,成为填补数据缺口的主力军。
采集作业分为薄膜传感器与手套设备两类,新手需佩戴指尖连线装置重复捏取、翻转等动作,单日标准155组(每组120秒),系统设定80%达标率门槛。现场缺乏统一质检规范,采集员可通过晃动代替翻转等“偷工减料”方式通过算法检测,暴露出上游标准未落地问题。薪酬结构为基础日薪180元加时薪30元加班费,但实际结算中存在甲方核对缺漏导致欠薪现象,且《具身智能数据集质量要求》等国标尚未转化为现场可执行规则。
关键看点
- 数据供需缺口:行业预估具身智能类人能力需1亿小时数据,全球有效数据仅几十万小时,2026年确立为数据规模化元年
- 采集作业规格:采用薄膜/手套传感器,单日基准155组×120秒动作,系统设定80%达标率阈值,新手需适应高强度重复操作
- 质量验证漏洞:现场缺乏统一质检标准,采集员可用大幅度晃动替代完整翻转动作并通过系统检测,数据有效性存疑
- 外包结算风险:产业链经多层劳务分包,基础日薪180元+加班费30元/h,但存在甲方未确认工时导致薪资拖欠案例
工程与产业观察
该案例揭示了具身智能数据工程化初期的典型矛盾:海量数据需求催生了劳动密集型采集产业,但缺乏自动化质检与标准化SOP导致“劣币驱逐良币”。对于算法团队而言,单纯堆砌采集时长已失效,亟需建立基于物理一致性的数据清洗管线与实时反馈机制;产业侧则需加速推动数据集质量国标落地,将非标人力外包转化为可控的数据生产基础设施。
外部来源
本页事实对应的公开页面,以原文为准。(点击将离开本站)
- 36氪:日薪180,在「流水线」上给机器人当老师 ↗访问 2026-11-11