“你好，我是一名数据采集员”
数据采集员，当前最爆火的职业之一。
近期我走访了多家具身智能相关企业，在数采工厂实地了解数据采集环节的真实状态。
苏州一家采集中心设在写字楼三层，采集作业几乎全天进行。
在采集中心，我们见到了采集团队组长林兴（化名），他的日常工作，是通过力反馈手柄和数据手套遥操作机械臂，同步录制动作过程中的全链路数据。
操作界面同步显示画面、深度图、关节角度、力传感器数值，所有数据带毫秒级时间戳。单个动作单日重复次数可达上百次，我到访当天，一组抓取动作已经完成近百次采集。
“去年行业讨论具身智能，多集中在大模型、算力、硬件本体，很少提及底层的数据生产，但今年，情况发生了本质变化，数据才是各家厂商要求的核心。”林兴介绍道。
但具身模型的动作能力上限，直接由真实交互数据的规模和质量决定，数据采集员就是这类数据的直接生产者。
很多人把数据采集员和数据标注员混为一谈，两者工作逻辑完全不同。
数据标注员是对已有数据做二次加工，给图片、语音等数据加标签。数据采集员是从0到1生产原始训练样本，比如人操控机器人完成动作，同步记录感知输入和控制信号的完整序列，产出的数据可以直接用来训练模型。
林兴的团队有24人，负责家用场景的动作采集，工作有固定流程。
林兴介绍到，每天到岗第一件事是校准设备。动捕相机、深度相机、力传感器、机器人控制器都要做时间同步，误差必须控制在10毫秒以内。同步超标的数据没有训练价值，校准不通过不能开工。
我们了解到，正式采集按任务清单执行，覆盖抓取不同材质物体、开关抽屉、叠毛巾、插拔充电头等动作，单个动作至少重复100次。采集过程中要主动调整变量，比如改变物体摆放角度、调节光照、更换不同规格的同类物品，保证数据覆盖更多场景差异。
动作演示不能按人的习惯来，要符合机器人的运动限制。比如人的腕关节能转接近180度，他们用的机械臂腕关节限位是常见范围±60度至±180度，演示超出这个角度，机器人复现不了，数据就作废了。而且力度也要稳定，抓取易碎品的握力、拧瓶盖的扭矩，波动不能太大，否则会影响训练效果。
每做完一组，采集员要当场初筛，删掉动作变形、同步出错的无效样本，再把合格数据上传至算法后台。
“这份工作重复度很高，但不是纯体力劳动。”林兴介绍到，“做采集工作时间久后，熟悉了机器人的运动边界，能控制动作一致性，还能根据模型反馈调整采集方式，直接判断数据的训练价值。”我在现场试戴了十分钟数据手套，只做了十几次抓取动作，手腕就有明显酸胀感。采集时上肢要保持固定姿势，注意力需要全程集中，长期从业的人员普遍存在手腕、肩部劳损，护腕和靠枕是工位的常规用品。
从BOSS直聘的全平台招聘数据看，国内数据采集岗位已经分成三个层级，不同层级的门槛、薪资、用工形式差距很大。
占比最高的是基础数据采集专员。工作以人工录入、信息整理、问卷收集、简单多模态数据整理为主，学历要求低，很多岗位支持居家兼职和实习。薪资方面，一二线城市全职月薪多在4000到8000元，三四线城市和兼职更低，
增速最快的是AI、人形机器人领域的专项数据采集岗。工作包括具身动作捕捉、路况图像采集、场景多模态数据录制，直接供给AI训练数据。受具身智能行业发展带动，2025年全行业这类岗位招聘量同比增长明显，普通执行岗月薪6000到12000元，能做采集方案、提供技术支持的岗位薪资更高。我走访的多家企业都在扩招这类人员，其中一家头部人形机器人公司，仅遥操作采集岗就有近200个编制，目前还在招人。
占比最少、薪资最高的是数据采集开发工程师，属于技术岗。要求掌握编程、分布式采集架构、反爬处理和数据清洗，全国平均月薪约15000元，1到3年经验的岗位薪资多在12000到25000元，资深工程师能到25000到50000元。
从地域分布来看，高薪技术岗集中在北上深等一线城市，基础采集岗在新一线和二三线的数据产业集群更多。
基础执行岗里超过六成不限工作经验，用工一般是全职驻场加居家众包结合。但求职也有两个常见风险：基础兼职岗常有收押金、培训费的骗局。
专项采集岗需求增长快，根本原因是行业存在明显的数据缺口，算法迭代的速度普遍被数据产能卡住。
行业公开的技术资料显示，训练一个能做基础家务操作的具身模型，至少需要百万小时的高质量真实交互数据。但一个熟练的专项采集员，一天有效工作时间里只能产出4到6小时合格数据。
按这个效率算，100人的团队全年无休，一年也只能积累十几万小时。目前国内所有具身企业加起来的高质量标注交互数据，还没到百万小时的门槛。
其次是数据质量直接决定模型的能力上限，但高质量交互数据的成本比传统图像标注高几十倍。
除了人力成本，还要投入机器人、传感器、动捕设备这些硬件。如果要覆盖更多场景变量，成本还会继续上升。多数创业公司预算有限，只能先采集少数核心场景的数据，模型的泛化能力自然受限制。
最后工业装配场景的数据不能直接用在家务场景，桌面抓取的数据也用不了在地面搬运上，这直接导致数据无法跨场景使用。每开一个新场景，就要从头采集对应的数据，边际成本降不下来。这也是具身智能落地场景分散、没法快速规模化的一个重要原因。
这些因素加起来，让数据积累成了企业的核心壁垒。算法框架可以参考开源方案，硬件可以找供应链采购，但几百万小时的真实交互数据，只能靠企业自己慢慢攒。
探访中我问过多名采集员，觉得这份工作能做多久。多数人给不出明确答案，但结合现在的技术路线和行业节奏，这个岗位的变化方向是可以判断的。
短期2到3年内，专项采集岗的需求还会增长。
现在具身智能刚从实验室走向产业落地，工业、家政、物流、医疗都在尝试，每个新场景刚开始做的时候，都需要大量人工演示的数据给模型做初训。自主采集技术现在还不成熟，只能在少数标准化场景做辅助，替代不了人工采集的核心作用。
中期3到5年后，很多标准化、重复度高的动作采集工作会逐步被替代。自主探索算法成熟后，机器人可以在固定场景里24小时运行，自己筛选有效数据，完成标准化动作的积累。同时，仿真合成数据技术也会更接近真实环境，承担更多基础数据的预训练工作，如国内的光轮智能，已经是合成数据的独角兽公司。到时候，只做动作演示的基础采集岗，需求量会下降很多。
但这个岗位不会消失，只是工作内容会向上游转移。
核心剩下三类工作：一是新场景的初期示教，尤其是环境复杂、非结构化的场景，还是需要人先做示范，给模型提供初始样本；二是设计采集方案，根据不同场景确定采集变量、动作标准、质量要求，提高采集效率；三是数据质量校验，检查自主采集和仿真数据的有效性，删掉不合格样本，保证训练数据的质量。
更长期看，等具身模型有了通用物理交互能力，基础动作的数据足够了，这个岗位会进一步变成场景数据专家。
从业者不用自己做动作演示，而是针对特定行业制定数据标准、搭建行业数据集，解决长尾场景的数据问题。这时候核心能力就不是操作熟练度，而是对场景的理解和对数据逻辑的把控。
简单说，重复的体力型采集工作会被替代，需要理解场景、设计方案、判断质量的工作不会被替代。岗位的总需求量可能会减少，但对从业者的能力要求会越来越高。
我离开的时候接近晚上十点，还有多名采集员在加班，赶一个工业场景项目的交付。
在具身智能的产业链条里，数据采集员是后台岗位，但他们产出的真实交互数据，是现阶段模型能力迭代的核心基础。
评论 0