# 从4000小时到数百万小时：给人类装传感器，喂饱机器人基础模型

> Training Data No. 112 中文精读

- 原标题：Inside the Robot Data Factory: Mecka's Josh Gao on Sensorizing Humans to Train Robots
- 发布日期：2026-10-20
- 主持：Sonya Huang · Pat Grady · Konstantine Buhler 等
- 网页版：https://trainingdata.qiaomu.ai/ep/112-inside-the-robot-data-factory-mecka-s-josh-gao-on-sensorizin-c615ac.html
- 精读字数：约 4068 字（阅读约 9 分钟）

> 本文为 trainingdata.qiaomu.ai 基于原始访谈的 AI 改写中文精读，非官方翻译；引用请注明出处并链接网页版。

两年前，机器人研究圈最大的第一人称视频数据集叫Ego4D，全部内容加起来约4000小时，拍的是普通人打保龄球、过日常。当时，这已经是整个行业的天花板。

今天，一家叫Mecka的公司，后台上百PB的数据在管道里跑。为了把数据传回来，他们在运营的多个地区专门铺了百Gb级的上传专线。

创始人乔什·高（Josh Gao）最近上了红杉资本的播客Training Data。他做的事说出来有点怪：**给活人装传感器，让普通人戴着摄像头和触觉手套过日子，把人类的一举一动变成机器人的训练数据**。他管这叫“传感器化人类”。做饭、打扫、拧瓶盖，人怎么干，机器人就学什么。

主持人开场就把位置说清楚了：整个生态都相信机器人要进黄金年代，可机器人被数据卡着脖子。LLM当年吃的是互联网白送的几万亿token，机器人每一秒数据都得花钱雇人干出来。Mecka站的位置，就是这门生意的上游水龙头。

## 机器人没有互联网可以白嫖

乔什把机器人数据拆成三样东西：**像素、动作、逻辑**。互联网上有海量像素，动作和逻辑几乎没有。没有人把“拧瓶盖要用几牛顿、手腕先转还是手肘先转”写成文字挂在网页上。

更结构性的一点：LLM的预训练数据当年是实验室自己爬的，基本没形成市场。机器人这边，预训练数据从第一天起就是真金白银的大市场。数据采集本身成了一门独立的、按小时计费的生意，这在AI史上是头一回。

主持人问得很直接：没有互联网这份礼物，靠付费和运营硬采，经济上可行吗？乔什的答案是，起点没那么惨，**我们并没有从零开始，互联网时代的遗产还在**。视频生成模型和世界模型攒下的功夫都能复用，Mecka也在教视频模型生成更符合物理规律的画面。真正的问题是**数据规模能不能滚起来，而每一档数据量对应能解锁什么商业用例**。先解锁简单的抓放任务，再往长尾走，长尾比今天大几个数量级。

顺带说一句，Mecka官网上写着“教机器人认识碳基生命”。乔什说网站是他自己写的，发布前一晚赶的工。灵感来自科幻：阿西莫夫、《安德的游戏》、《银河系漫游指南》，故事讲到最后，地球本身就是一台巨大的有机计算机，跑了千万年只为算出一个答案。人脑只跑20瓦，还能自我修复。**教机器人学会物理世界的过程，本身就是把碳基生命的秘密一点点展示给它看**。

## 为什么把公司押在第一人称数据上

乔什的背景和机器人八竿子打不着。他大学时做云厨房版的Toast（美国那家餐厅SaaS公司），管后厨订单系统，大四翘课去纽约州罗切斯特的乡下给餐馆装自助点餐机，通宵换掉人家的前厅系统。联创更离谱，做过一个稳定币卖给Coinbase，还在包括英雄联盟在内的四款竞技游戏里打进全球前一千名。两个加拿大人，共同的底色是科幻迷，下一个项目想做个“未来感拉满”的东西，选了机器人。主持人去过他们办公室，一进门就是各种机电装置，墙上还挂着川崎的Kaleido人形机器人。

2024年底进场时，他们把能找到的论文读了个遍，联系了几百个业内人，跑遍各家机器人实验室。翻Ego4D论文时的感受很直接：4000小时听着不少，摊到做饭、保洁、娱乐这些日常场景上，每类薄得可怜。当时行业主流的采集方式是遥操作，人遥控机器人做演示。**遥操作的问题是人得跟着机器人走，一个操作员对一台机器，怎么算都扩不起来**。GPT的故事摆在那，不把数据规模拉上去，一切免谈。

他们的切入点是第一人称数据（egocentric data）：人戴设备干活，摄像头拍下第一视角。逻辑很朴素，机器人本来就从第一视角体验世界，那就让它看看人类的第一视角是怎么跟世界互动的，从人类数据到机器人数据的鸿沟里，视觉这一块能补上大半。再加上人形机器人刚起飞，人和人形机器人长得差不多，人完全可以像特斯拉的车队那样，变成一支给模型喂数据的“人类车队”。

最早的试点糙得很：一个手机App，找来一群华人阿姨叔叔，拍自己做饭、打扫。后来试过UMI这类手持采集方案。手机App铺得快，但信息密度不够，一路演化到今天自研的整套硬件。

## 数据工厂的真实运营：地推、手套和防骗

这期节目信息密度最高的部分，是数据工厂到底怎么转。

采集端两条线。第一条是C端：手机App注册，填职业，护士、厨师、司机，工种本身就是标签，平台推任务流给你，今天打扫卧室、做早餐、收拾残局。轻量，图的是多样性。第二条是B2B地推：面包房、PCB产线，理论上人类全部体力工种都在清单上，一家一家谈。主持人开玩笑问要不要顺便采点播客数据，乔什说播客里手工活不多，先欠着。

真正的门槛在硬件。比如力数据。抓鸡蛋用多大劲、拉开椅子要几牛顿，视频拍不出来。现在的替代方案是腕部相机，靠看手和物体接触的时间去估力，乔什承认这是权宜之计。**市面上根本买不到一副能可靠记录日常用力、还能直接产出训练数据集的触觉手套，只能自己造**。Mecka为此跑了好几轮硬件迭代，棒球帽上装摄像头和传感器，加一个中央枢纽，连接触觉手套、外接相机这些配件。乔什管这叫“把人Waymo化”，给人类装上自动驾驶测试车那套行头。

物流和后处理是另一座山。硬件要铺进几千个家庭、几千家企业，数据传回来只是开始，后面还有质量门禁和一整套计算机视觉处理，把原始视频变成模型能吃的数据集。数百PB的吞吐，靠的就是前面说的那些上传专线。

质量是个移动靶。业内此前有过大型仓库式遥操作数据工厂的教训：任务重复到一定程度，多样性过饱和，数据收益掉头向下。人类数据的边缘情况更野，**上周还成立的质量规则，这周就可能失效**，只能靠启发式规则加快速升级的引擎硬扛。

欺诈是被低估的问题。有人在YouTube上找到“麦当劳打工第一视角”的视频，录下来冒充自己的劳动贡献交上来。

> 「永远不要低估人类搞钱的创造力。」

乔什的对策分三层：建过滤器，亲自到采集现场看活怎么干，再把激励模型设计成让人愿意交真东西。

至于护城河，主持人问了个尖锐问题：竞争对手跑来出更高的价采同样的数据，中间商利润会不会被挤没？乔什的回答是，**付给贡献者的钱在端到端成本里算不上大头**，贵的是后面的硬件、运营、质量门禁和处理。差异化在于能不能让数据在大规模下可验证地高质量。产品还会分层进化：第一人称数据只是一个SKU，今天采路边中餐馆，明天采米其林餐厅；今天采业余网球选手，明天逼近费德勒。

## 百万小时之后，还差几个数量级

行业总算进入了百万小时级的时代，对比两年前Ego4D的4000小时是巨大跃升。但乔什拿自动驾驶算了笔账：特斯拉花了十几年，解决的只是两个自由度，加速和转向，几百万辆车在路上跑，攒的视频远超几百万小时。机器人光一只手就几十个自由度，还要加力数据，环境更野。

作为投机器人基础模型的人，主持人看着这些数字也发怵：这么算下去要几十亿、几万亿小时，全世界的GDP填得起吗，应许之地到底能不能到？乔什把问题拆开：**机器人化没有“某天解锁”的二元时刻，它是一级一级商业用例往上爬的过程**。底部金字塔搭起来后，泛化出现了，scaling law看得见了，行业才敢往上加注；有了部署，就能在真实场景采失败案例和纠正数据。他的原话是，甚至可以就在这间播客录制间里采数据，把这个房间、这个任务的后训练补齐，冲几个9的可靠性。

还有个拧巴的现实：现在最容易采的是家庭数据，家家都能拍，但家庭恰恰是最难部署机器人的场景。评测体系刚开始成熟，核心指标之一是别让机器人压到婴儿。乔什的判断是先做受限的、有SOP可爬坡的任务。叠衣服这个任务他们做了一年半以上，他认为近期就会解决；产线上那些传统机器人搞不定的抓放、包装，一两年内会陆续拿下。

## 部署顺序和“现代版系统集成商”

乔什说大家低估了机器人形态的多样性。人形机器人会是流行的终局，但今天中国和东南亚的酒店里，机器人已经在做清洁、做配送，外卖到门口后从前台送到房门，这类机器人早已规模部署，只是在北美还没流行开。最先铺开的会是工业清洁机器人这类任务受限的形态，然后一步步往操作类任务爬。

FSD那种飞轮什么时候来？乔什说还得等，路径是先在商业任务上站稳，部署后拿到失败和纠正数据，飞轮才转得起来。到那天Mecka也不会只守着第一人称数据，用他的说法，“整个数据汤”都重要。

> 「如果世界真的广阔、细节无限丰富，可以教机器人的东西永远不会缺。」

聊到机器人怎么扩散到整个经济，主持人拿LLM世界类比：垂直应用公司、自己做销售的模型公司、帮企业上AI的服务大军。乔什说物理世界会两条腿走路，既有一竿子插到底的垂直公司，从硬件到模型到数据全包，也会有开放模型加千奇百怪硬件形态的生态。Mecka给自己选的位置是**现代版的机器人系统集成商**：传统集成商装完设备拿薄利，竞争惨烈；新一代要让装出去的机器人越用越能干，上周装的机器人这周就学会几天前还不会的本事，帮客户把业务边界往外推。在具体场景里采域内数据、做后训练、白手套陪企业过渡，都是这套打法的一部分。

给投资人的建议，他站“通用和垂直都投”。垂直里最看好工业机器人，任务受限，有传统机器人基础，比如数据中心维护，毕竟那个环境里不会突然出现一个婴儿。酒店配送也行，前台到房门还带个交接动作。再往远处，是他们公司全会的内部玩笑：哪天Mecka能帮着部署一台采小行星的机器人，这公司就算成了。主持人补了一句Gecko Robotics，用爬壁机器人给军舰、油罐这类基础设施做检测，方向类似。

## 明天就能用上的三件事

- **判断一家机器人公司的成色，先看它的数据从哪来**。靠遥操作堆小时数的故事，天花板很低；有自研采集硬件、有质量门禁、有防欺诈体系的，才谈得上数据飞轮。
- **评估AI项目套用“用例阶梯”思维**。别问“什么时候全面实现”，问“当前这档数据和能力能解锁哪个付费场景”。特斯拉先跑公路再谈全自动驾驶，机器人先叠衣服再进厨房，是同一种爬法。
- **盯住力数据和触觉硬件这条暗线**。视频解决“看见”，力数据才解决“拿捏”。谁先把触觉数据规模化，谁就握着操作类任务的钥匙。

最后留个乔什式的注脚。人脑20瓦，会自我修复，还能边过日子边攒数据。机器人要追上这个配置，得靠一个行业一秒一秒把人类的日常买下来、洗干净、喂进去。这门生意刚跑到百万小时，离终点还差几个数量级，但水龙头已经拧开了。