“技术路线是对的,但是钱花完了,即便有了足够多的数据,也没有足够的钱把它训出来。”
近日,在张江举行的「Triple T」张江塔尖会系列技术沙龙上,上海交通大学人工智能学院副教授、上海创智学院全时导师李永露这样描述当前具身智能数据采集(下称“具身数采”)的难题。
在他看来,具身数采这笔账,不能只算前端的采集费用,还要把后续的数据处理、模型训练和评测等一系列隐性成本一并纳入考量。
【资料图】
具身数采的账究竟应该怎么算、怎么花才最划算?沙龙现场,多位具身智能初创企业高管和高校科学家谈起了这条赛道里的数采“生意经”。
圆桌对谈现场 来源:主办方供图
“买数据”只是开始
具身数据是为训练与评估具身智能系统而构建的多模态数据集合,专门记录机器人等智能体在物理或虚拟环境中通过“身体”与环境交互的全部数据。
从采集方式看,目前真机遥操作采集是行业公认的“黄金标准”,市场报价500至1000元/小时;无本体/便携采集的规模化潜力最高、部署门槛最低,每小时约100至200元。
李永露介绍,行业内部第一视角(Ego)数据的生产成本最低可以做到每小时约40至50元,但后续处理成本与采集费用的比例差不多是1:1。
以视频切片与标注为例:由于AI模型还无法像人类那样看几个小时冗长录像就能领悟其中的因果关系,需人工把长视频切分为具体任务片段,添加文本描述和其他标签用于模型训练,这个环节人工是一笔不菲的投入。
处理好的数据放上云端存储,同样是一笔需要持续投入的开支。李永露说,团队花钱采来的数据,即使暂时用不上,也舍不得删;保留在云端就要持续付费。
深朴智能联合创始人兼技术副总裁李明磊同样为此“头疼”。他说,市面上有些流通的数据价格便宜,但精度不足、标注质量差,买回去之后还要花大量精力筛选;而且每新增一批数据,团队都得重新检查一遍,确认有没有提供新的有效信息。
模型评测的工作量也非常“重”。李永露提到,去年其所在的团队曾参与100项模型的评测工作:这项工作持续两个月,投入几十人、上百台机器人,两班倒测试,每项任务测试20次。
数采团队与模型团队,一笔算不拢的账
现场多位嘉宾提到,数采团队和模型训练团队对“多采集一些数据”的理解也存在落差。
李永露解释,数采团队通常要先寻找场景,再安排人员采集。在同一场景中,数采团队倾向于尽可能多地产出可以出售的数据——这有助于摊薄成本、提高利润;而模型团队需要的是更多样化的任务、动作和环境,未必想要重复且高度相似的数据。
“这天然和模型团队的需求是矛盾的。”他说,如果要求数采人员采集多样化的任务数据、提出更高的数采要求,又无形中增加了执行难度和成本。
行业里有人算过另一笔账:不同企业拿到一小时“有效数据”的成本差异很大,可能是100元,也可能是1000元。而在拿到有效数据之后,企业可能还要投入10到20倍的算力成本去训练,再花30倍的资金对最终发布的模型进行微调和整体运营。“这意味着什么?你每采错1个小时的数据,可能需要花20到30倍算力的钱才能把问题兜回来,然后才知道对错。”李永露说。
少花冤枉钱:分批检验、源头提质、协同设计
怎么在数采上少花冤枉钱?李永露团队目前的办法,是分批检验数据效果、再适度调整采集方向。
具体来说,团队每采集一批数据,就先预测其对模型训练的影响,再用实际测试结果校正预测,指导后续采集方向。他强调,采集设备、数据基础设施和模型训练需要协同设计:”我们要做模型的人和做硬件数据的人,最好坐在一个屋子里。”他称这是团队实践中的教训。
减少浪费,也可以从改善数采人员的操作示范入手。
蚂蚁灵波科技首席数据科学家黄用韬分享了一个包裹抓取案例:任务本身较简单,但数采员的操作轨迹不统一,有人动作缓慢、犹豫,模型也跟着出现犹豫、伸手中途停顿等表现。团队后来让操作最快的数采员集中采集了几百条数据,模型才得以收敛。
数采人员的培养同样关键。新智具身CEO赵世豪强调,数采并非简单的重复劳动,操作人员的能力和动作会影响后续数据使用中投入的时间、精力和资金,“提高源头质量也是提高效率的一部分。”
除了改善生产流程、强化人员培训,李永露还提到,团队正在探索把数据质量预测、模型效果预测做成一项服务去卖。在他看来,数据采集需要可持续的成本安排,因为数据处理等后续环节仍要投入大量资金。
澎湃新闻记者 喻琰
(本文来自澎湃新闻,更多原创资讯请下载“澎湃新闻”APP)
凡注有"环球传媒网 - 环球资讯网 - 环球生活门户"或电头为"环球传媒网 - 环球资讯网 - 环球生活门户"的稿件,均为环球传媒网 - 环球资讯网 - 环球生活门户独家版权所有,未经许可不得转载或镜像;授权转载必须注明来源为"环球传媒网 - 环球资讯网 - 环球生活门户",并保留"环球传媒网 - 环球资讯网 - 环球生活门户"的电头。
- 具身数采隐性账本高昂:采错一小时数据,可2026-11-12
- 前队友谈迪奥曼德:他拿球时我就只管看他踢2026-11-12
- 新城发展(01030)前10个月累计合约销售金额2026-11-12
- 光模块设备业绩爆发 核心标的获基金重仓抢2026-11-12
- [快讯]华大基因发布解除质押公告2026-11-12
- 198万亿元!国内资管总规模三季度再上新台阶2026-11-12
- 滚动:新世界:赎回5,000万元募集资金现金管2026-11-12
- 巴西11月份大豆出口量预估为437万吨-焦点快报2026-11-12
- 26mm×32mm是几寸照片?证件照规格2026-11-12
- 如何设置无线路由器?如何设置无线路由器上2026-11-12
- 吉他单板是什么意思?单板和合板差别2026-11-12
- 焦点报道:豆包工作接入更多平台模型,并推2026-11-12
- 头条焦点:满洲里市多部门进行跨境电商业务2026-11-12
- 《再回延安》:沉浸式演绎中感悟伟大长征精2026-11-12
- 13579打一成语?谜底是什么?2026-11-12
- 生意社:11月12日山东地区MTBE生产企业报价2026-11-12
- PriceSeek提醒:11月12日青海地区小苏打价2026-11-12
- F FOREVER演唱会期间,徐家汇体育公园部分2026-11-12
- 北投科技:北投人工智能算力中心项目并非本2026-11-12
- Anthropic CEO称AI十年内攻克癌症 药企反2026-11-12
- 泰豪科技(600590.SH):下属孙公司在全国中2026-11-12
- 虎头蛇尾打一生肖?谜底是什么?2026-11-12
- 威科新闻 | 威科检测牵头!《医疗器械大2026-11-12
- 香槟酒用什么原料酿造?酿造要求是什么?2026-11-12
- 实时:动漫导航是什么?动漫导航有什么作用2026-11-12
- 阳关大道指什么生肖?2026-11-12
- 云健康是什么?云健康有哪些功能?2026-11-12
- 速递!公务员专业分类目录是什么?公务员专2026-11-12
- 同治皇帝的皇后是谁?结局怎么样?2026-11-12
- 地球资料包含什么?地球有哪些基础数据?_2026-11-12
资讯
- 前队友谈迪奥曼德:他拿球时我就只管看他踢
- 小盘风格,持续回暖,场内惊现“2元ETF”!累计收益翻倍的背后,透漏了哪些信息? 热门看点
- 长沙南站到长沙火车站怎么走?长沙南站到长沙火车站多久?
- 【独家】开场5分35秒,库里捂着身侧走回更衣室
- 报道:鼓破万人捶?曝曼联球员狂批卡里克:训练质量低 战术差 不敢用新人
- 美联航限制AI代理订票 CEO直言“不想再多一个中间商”
- 曝波切蒂诺最快19日上任!3天后迎双红会,率美国队再踢2场
- 互太纺织(01382.HK)预计中期股东应占溢利约100万港元至1000万港元 快看点
- 今日快讯:鼎通科技:公司融资主要为满足公司业务发展需要
- 云维股份:截至11月10日最新股东户数3.05万户,较上期增加1.33%
焦点
- 焦点速读:速达股份(001277.SZ):截至2026年11月10日,公司全体股东人数为10486人
- 京东11.11收官:AI产品售出超5000万件,服务订单突破3亿
- 简讯:唐人神:融资净买入136.72万元,融资余额3亿元
- 时讯:加装延保被推着买,车主提车遇捆绑销售该找谁投诉
- 凯奥净化2026年上半年营业收入6273.7万元_今日热议
- 2600亿注资,过会!工行、农行双双公告
- PriceSeek提醒:青岛炼厂液化气报价下调行情分析
- 【独家焦点】深交所新增受理宜科股份创业板IPO申请
- 进京“圈粉”!通辽这些非遗手作火了
- 亚信科技(01675.HK)盘中涨超5%,截至发稿,涨3.9%,报3.2港元,成交额307.2万港元_今日热搜
