（本文作者为 硅谷101，钛媒体经授权发布）
文 | 硅谷101
过去两年，在访问机器人公司时，我们听到最多的一句话就是：太缺数据了。
当机器人公司们还在探索模型、算法、数据和部署的时候，一家并不生产机器人的硅谷公司，把机器人数据做成了一门年化收入数亿美元的生意。
从100万美元到2.5亿美元，250倍增长，发生在短短一年。这家数据公司叫Maxinsights，它让普通人戴上摄像头，记录做饭、叠衣服、打扫卫生等日常动作，再把这些视频转化为机器人可以学习的训练数据。
如今，他们已经积累了200万小时的人类第一视角数据，并且建立起一张覆盖全球四千名数据采集人员的网络，而这家公司的数据采集运营团队，全职员工不到10个人。
我们在最近也访问了Dyna Robotics，这家硅谷机器人公司号称通过100万小时的人类第一视角数据，找到了机器人的scaling law（规模定律），而下一步，是1000万小时的数据。
当机器人行业开始验证自己的数据规模定律，这是否意味着，我们正在见证机器人领域下一个Scale AI的诞生？这篇文章，我们对谈了Maxinsights创始人袁宇光，从他经历的两代机器人创业潮说起，到当前机器人数据的商业模式、全球采集管理、数据技术，聊聊这场刚刚开始的机器人数据热潮。
陈茜：宇光，欢迎做客硅谷101。我听说你们现在是机器人行业里，数据业务收入最高的公司之一。你们主要的业务是什么？
袁宇光：我们主要做人类的数据，并且把人类的数据变成机器人可用的数据，帮助头部机器人公司训练自己的模型。
陈茜：现在具体的体量有多少？也就是硅谷现在说的ARR（年度经常性收入）。
袁宇光：我们的ARR（指的是2026预测年度经常性收入）差不多可以达到2.5亿美元左右。
陈茜：那今年增长应该非常快了。
袁宇光：是的，我们去年一年才差不多100万美元，到今年增长的速度非常快。这也跟行业发展有关，现在很多客户已经通过使用更多高质量数据，帮助模型训练，并得到了一些基本认知。
这些模型不仅有了更好的表现，而且使用了至少100万小时的数据。所以目前可以看到，Data Scaling Law（数据规模定律）在Physical AI（具身智能）里面已经实现了。
陈茜：过去两年，我一直听到机器人行业说缺数据。2025年大家说缺的还是遥操作数据，但最近我在硅谷看到，大家开始押注human-centric（以人为中心）的第一人称视角数据。
袁宇光：2025年和2026年确实发生了一些变化。2025年早期，客户跟我们一起去开发新的、帮助具身智能用更scalable（可规模化）的方式落地。
当时我们探索了很多数据类型，包括teleoperation（遥操作）、simulation（仿真）、egocentric data（第一人称视角数据），甚至做过手套数据。那时我们就发现，除了第一人称视角数据外，大部分数据要么难以规模化，比如遥操作永远有一个上限；要么落地时存在很大的差距，比如大家都知道的Sim-to-Real（仿真到现实迁移）问题。
当我们考虑规模化时就发现，如果能把每个人身上的特殊技能变成机器人的技能，想象空间就变大了。
2025年，作为这个行业里面最领先的人，我们第一个订单是200小时。那时候，200小时对我们来说还没有概念。
陈茜：是遥操数据吗？
袁宇光：不是，是第一人称视角数据。
陈茜：客户是谁，可以披露吗？
袁宇光：是美国头部的大模型公司。当时他们也在探索，我们一起试了很多数据类型，最后定在人类第一人称视角数据上。
主要有几个原因：第一是有用，第二是可以快速规模化，第三是还能把人类一些隐藏的技能，变成机器人新的知识和技能。把这些串起来就会发现，机器人将来想要实现真正的AGI，是可以把人的想法变成机器人的想法，并且予以实现的。
陈茜：人类隐藏的技能是什么？
袁宇光：就说现在很火的叠衣服，可能全球有成百上千种叠衣服的方式。如果把它们合并在一起，就可以让机器人用各种人类的方法去迭代，去叠一件很简单的衣服。
这样做的好处是，第一，可以让它叠得更有效；第二，可以叠得更可靠；第三，见到不同的东西都可以叠。所以我觉得，这给机器人本身增加了很多基础智能。
陈茜：相当于通过第一人称数据的方式，达到了它的泛化性。
袁宇光：是的。去年我们就已经发现，这些数据本身能增加模型一些简单的泛化性。
从最早的200小时，到去年年中、下半年加起来，我们一共有2万小时，相当于100倍的提升。到了今年年初，2万小时变成了20万小时。所以我们作为整个行业的一个先驱者，已经是走了三步。
在这个方向上，我们发现痛点也发生了变化：从缺数据，变成了缺高质量的数据。今天很多人还在说“我有很多数据”，但真正决定你能不能在行业里站住脚的，是数据质量到底有多好。
陈茜：先跟大家划清一下类别，你们采集的都是以人为中心、第一人称的视频数据？这些数据怎么采集？
袁宇光：是的，这种数据是来源于人们日常的生活，通过头部的设备进行采集。这是我们上一代的产品，而这是我们最新的产品，戴在头上可以记录整个手部的内容，而这种手部的内容会成为我们的毛坯数据，再经过我们的高质量处理管线，变成高质量数据。
陈茜：我看到上一代设备有六个摄像头，它有多大的视野？
袁宇光：270度。
陈茜：为什么要270度？
袁宇光：这也是我们最早积累的know-how（专有技术）。刚开始我们用GoPro，很小的摄像机。那时候我们收集的数据非常地真实且不可控，因为真实生活中，你的头会晃来晃去，手也会离开画面。所以我们用了270度的大范围视角，保证手至少在画面里，也能捕捉更多、更丰富的周围环境的信息给模型。
陈茜：两边各有一个，中间有四个摄像头，为什么这么设计？
袁宇光：中间四个主要拍到手，以及身体的一些部位，这些身体部位也可以给到模型提供更多的信息。以人为中心的数据不只有手，还有身体的位姿，所以会涉及pose tracking（姿态跟踪）和hand tracking（手部跟踪）。设备将来还要提供更丰富的信息，帮助模型做全方位跟踪。
陈茜：所以采集时，需要一位采集员戴着这个头盔。一天采集多少个小时？
袁宇光：我们的采集时间相对比较长。我们采用的都是相对专业的采集员和采集团队，这也是跟行业里不太一样的地方。现在很多公司有自己的外包采集网络，这很像当时Digital AI（数字智能）的模式：发动身边的人，让他们获得一些补充收入。
对我们来说，数据采集更像DoorDash，或者国内美团的模式。采集时，你需要大量、高质量，而且有多样性的数据，所以需要对采集团队进行直接管控。这种直接管控能帮助团队获得更高质量、更高的输出，才能在这个行业里获得更好的位置。
陈茜：这一块特别重要，整个数采团队的管理，我们待会儿可以详聊。先继续说数采设备，新一代相比上一代有什么区别和升级？
袁宇光：它更轻了，更轻，它的电池可以维持时间更长。
陈茜：感觉要小巧一些，甚至。
袁宇光：对，新的产品会更能快速地标定，就相对它得到的信息和结果会更准确。
陈茜：我看它只有4个摄像头。
袁宇光：对，4个就够了。
陈茜：那为什么之前要6个，然后现在只要4个。
袁宇光：其实也是迭代的过程。有更多的摄像头，大家就觉得会有更好的输出。但实际上我们也会考虑将来这个行业需要往成本优化的方式走，所以我们再去考虑得到更相同信息的前提下，要考虑更优化的成本结构。
陈茜：这两代摄像头的像素都一样吗？
袁宇光：对，类似。所以减到4个成本肯定是降低。
陈茜：那穿戴的体验，有没有什么区别？
袁宇光：这个是很轻的，而且它戴上的时候像帽子一样。然后你手机上会有一个APP，直接打开它连上就可以了。
陈茜：就是我看上看下看左看右，它就随着我的视线来动。
袁宇光：对，而且不管你怎么动，手部都不会离开画面。我们也希望通过硬件设计，让采集方式更容易规模化。
陈茜：特别有意思。那你们现在的体量是可以收集多少万小时的数据了？
袁宇光：我们一个月最高的产能可以收集到45万小时。
陈茜：所以你们现在手里面是有多少个小时的数据？
袁宇光：接近200万小时。
陈茜：这个规模在第一人称视角数据行业里，属于什么量级？是最多的吗？
袁宇光：是最多的，而且是相对高质量的第一人称视角数据集。
陈茜：你一直强调高质量。我也听机器人公司的研究员说，有些供应商号称有很多万小时数据，拿来训练却发现质量很低，根本没法用。怎样评判数据质量？
袁宇光：是的，质量本身也是不断迭代的过程。2025年刚开始，我们还没有清晰的质量概念，到今天已经有非常严格的质量管线，它会包含几个主要内容。
第一，tracking（跟踪）信息的准确度要高，达到毫米级。第二，数据要有足够的多样性，为模型提供更多样的数据。第三，还要有一定的量，每天只提供一小时，客户肯定不够用。这三个叠加起来，形成一个完整的数据包。
除了跟踪准确度里有很多language annotation（语言标注）的信息，视频本身也要包含有意义的任务输出。比如一直在玩手机，或者挠挠这里、挠挠那里，都不属于有效输出。有效的事件、准确的跟踪、准确的标注，把它们做成一个数据包，才是有效、高质量的数据。
陈茜：采集员戴着头盔完成任务、录下视频，你们收到之后，还要做哪些处理，才能交付给客户？
袁宇光：收集完所有毛坯数据后，要经过一条很长、很复杂的数据处理管线，最后才能交给客户使用。这一套管线出来的结果叫Training-ready Datasets（可直接用于训练的数据集），或者High-quality Datasets（高质量数据集），拿来就能训练。
而中间要对手部进行标注，要理解视频、进行语言标注，还要给整个视频做索引，归类它到底是什么。最后需要QC（质量检查），我们也会通过human in the loop（人工参与闭环）的方式验证数据质量。
陈茜：从原始数据进入管线，到成为可训练、可交付的数据，中间的淘汰率或筛选率是多少？
袁宇光：说实话，这个数字很难评判。因为很多筛选出来的数据，比如通过人工参与筛选出的数据，还会作为后续处理配方的一部分，回到管线里重新处理。我们会把数据的confidence level（置信度）分成不同等级，对应不同客户的要求，所以整个数据集也有不同分级。
陈茜：是不是有些客户要求很高，有些客户也能接受质量低一点的数据？
袁宇光：理论上，客户都需要高质量数据。
陈茜：低质量的数据给谁？
袁宇光：只是客户的要求不同。相对低质量的，我们更多叫General Datasets（通用数据集），会回到管线里重新处理。我们不会给客户低质量数据。
这些低质量数据能帮助我们重新认识，模型在标注过程中到底出了什么问题，以及数据管线应该怎样迭代。到今天，我们的管线已经迭代过差不多六七遍，这是行业里最重要的核心的部分。
陈茜：刚才提到遥操作、第一人称视角和合成数据这三类。第一人称视角数据，跟UMI有什么区别？
袁宇光：UMI数据是人手拿着夹爪，让它的形态跟机器人夹爪的形态对应起来，直接做retargeting（动作重定向）。UMI本身还会结合第一人称视角数据，现在比较流行的是这样一套方式。
第一人称视角数据是裸手的，没有任何夹爪，它们的区别就在这里。
陈茜：为什么要用夹爪？
袁宇光：这要看模型训练的三个阶段。大家知道pre-training（预训练）、post-training（后训练），现在还有mid-training（中期训练）。UMI会更多用在中期训练，甚至后训练里。
夹爪是目前更流行的方式，因为对于机器人来说，夹爪相对可靠，当然将来也会有很多灵巧手设计。我们的第一人称视角数据，不仅能对应夹爪，也能对应手。而UMI本身可以直接重定向到夹爪上，会更快、更有效。
陈茜：相当于UMI更适配夹爪机器人。如果我的人形机器人用的是五指灵巧手，就没必要用夹爪的UMI数据了。
那为什么要把第一人称视角数据和UMI结合？是希望训练出来的机器人，既能操作灵巧手，也能操作夹爪吗？
袁宇光：还是要看客户的机器人形态。有些偏向夹爪，就更依赖UMI；有些主要用灵巧手，那么直接从人手形态重定向过去会更好，因为两者更像。
陈茜：成本上有区别吗？
袁宇光：采集成本相差不大，主要区别在中间的数据处理管线。UMI的采集效率比裸手低很多。
陈茜：因为拿着工具去完成任务，肯定不如直接用手方便。
袁宇光：对，你做饭也不会用两个夹爪做饭。
用UMI采集，效率会低一些，但过数据管线时，处理会相对简单。裸手数据非常真实、不可控，会有很多边缘情况，所以管线需要处理这些问题。比如手经常被遮挡，有时看不到手，或者同一个镜头里出现多只手，比如我们在握手，都很难得到稳定的手部输出。
所以管线必须非常强大，才能提供高质量数据。
陈茜：目前客户主要在买什么数据？今年更多买的是human-centric（以人为中心）数据吗？
袁宇光：公允地讲，客户的数据训练配方里，有遥操作需求，有human-centric、也就是第一人称视角数据的需求，还有UMI需求。从我们目前的观察看，裸手第一人称视角数据的需求量最大。
你可以想象，不需要先变成夹爪这种中间形态，而是直接把人手变成机器人的灵巧手，像人一样下地干活，这多有想象空间。
陈茜：从成本看，遥操作最贵，仿真和合成数据最便宜，第一人称视角数据在中间？
袁宇光：理论上是的。但仿真数据，我们在2024年就研究过。因为仿真数据本身其实不是一个销售的产品，因为客户本身知道它非常便宜，可以生成很多，自己也可以做，所以它不是数据公司的主要方向。
仿真公司也有可以做的事情，比如环境、数据资产，这些是它们真正应该关注的。但就数据本身而言，我们认为目前从供应商购买的两个主要来源，一个是遥操作，一个是human-centric（以人为中心）。
陈茜：Human-centric（以人为中心）比遥操作要便宜多少？
袁宇光：不同客户有不同要求。如果从整个行业的发展来看，我认为可能便宜一半。
陈茜：我今年看到有一个趋势，很多世界模型公司、之前做视频生成的公司，现在都变成了机器人数据公司，也在向机器人公司卖数据。它们在这个环节里处于什么位置？
袁宇光：我们认为，很多世界模型公司也是我们的客户。它们需要相当多真实数据，才能生成数据，也希望跟我们合作。这类公司跟我们的生态位相互依存，反而会带来整个行业的提升。
陈茜：但它们买了你们的数据，再卖给机器人公司，会不会跟你们形成竞争？
袁宇光：是这样。在世界模型体系里，它们会基于我们提供的一些简单任务，做不同的泛化处理，最后进入整个数据闭环。在某种程度上，我们是相互依存的：我们提供更多原始数据，它们再生成视频，而我们可以继续用高质量标注产线，帮助它们把这些视频标注成处理后的数据，变成客户最终能用的数据。
陈茜：它们现在没有数据产线。如果将来也建了自己的产线呢？
袁宇光：假设这些公司有很多现金储备，今天想做数据产线，其实是在做我们2023年做的事情。刚才说过，我们大部分产线依靠模型，而这些模型的制作，需要Ground Truth Data（真值数据）。
我们有很多自己开发、研究的真值数据管线，这部分属于真正的Proprietary Data（专有数据），是任何人都没有的。所以，即使它们今天做，也只是在做我们2023年、2024年做的事情。
陈茜：有两到三年的差距。
袁宇光：对。所以我们认为，现在很多想做数据的公司已经入局晚了，头部已经产生了。
陈茜：这个差距没办法用其他方式赶超，因为这个数据产线是你们过去两三年积累的资产和护城河。
袁宇光：对，这是我认为数据公司一个重要的护城河。产线的结果是高质量数据，过程依靠不同模型，而模型又基于之前积攒的专有数据。这些专有数据的规模，我们认为已经达到行业相对领先的位置。
其他公司想再积攒，需要相当长时间。这些属于物理过程，不是直接就可以生成的数据过程。
陈茜：数据收集，以及收集过程的管理，也是护城河？
袁宇光：是的，数据收集及其管理都是护城河。数据公司需要一条很强的Vertically Integrated（垂直整合）产线，从硬件开发、运营，到数据管线，再到最终输出，整个链条都要连在一起。任何想卖数据的公司，都离不开这些。
刚才说的视频蒸馏公司，它们没有运营，也没有硬件。对于一个纯数据收集公司，没有数据产线，也没有那些专有数据。只有把这些连在一起，才能输出最高质量、最大规模，而且有多样性的数据。
陈茜：这大约200万小时的human-centric（以人为中心）数据，是多少人采出来的？
袁宇光：我们全球有接近4000人的采集团队，都是直接管理的。这个模式很像DoorDash，能帮助我们快速扩大规模、找到新场景，并采集到更高质量的数据。
陈茜：能不能解释一下这个DoorDash模式？
袁宇光：这种运营模式挺有意思的。今天包括Figure等公司，也在做外包网络。我们在2025年就试过外包的形式，但发现几个大问题：质量低、输出慢、产量也低。
在我们的理念里，运营就像工厂，只是它没有集中在一个地方，而是散布在各地。这更接近DoorDash式的直接管理：早期DoorDash会对骑手有更多管理，需要去哪儿、怎么做，系统都会直接给指示。
我们的运营团队是自建的，不太使用外部供应商。供应商的价值，是提供一些罕见、不常见的场景。而大量的自建团队，则能帮助我们快速进入想要的场景。
比如明天需要医院、养老院场景，可以直接向采集员下达任务，让他们进入这些场景，快速反馈回来。如果先找供应商，再让供应商安排，反馈闭环就会非常慢。这是快速迭代的行业，运营必须快速跟上要求，提供更高质量的反馈。
陈茜：自营听起来是个挺重的模式，需要怎样的管理经验？
袁宇光：挺难的，管理运营是一件特别难的事情。我们构建运营网络时，走了很多弯路。刚开始也用很多外部供应商，直接给目标，让他们采几万小时。
2026年1月，我们给出的目标是10万小时/月，如果低于2万就别干了。最后的成绩是18000小时/月。所以2月份进入调整期，我们觉得这种方式不行。我带着团队一点点看，怎样才能输出更多、更高质量的数据。
后来发现关键是以设备为中心，让周围的资源围着设备转，因为设备是唯一的资源。第一，设备要准；第二，设备要提升使用效率；第三，设备还要被正确使用。我们做的所有部分，都围绕设备本身拓展的。
刚才也聊到，我们一天能采集多少数据。在整个行业里，我们的设备使用率是最高的，所以这样才能帮助我们产生大量、高质量的数据，回到产线里继续使用。
陈茜：听起来，首先硬件要好，接着培训和管理都要到位。
袁宇光：同时还需要科技加持，需要一个平台。我们全球有接近4000名采集员，但管理这4000人的数据采集运营团队的全职员工不到十个人，这是一种非常高效的管理模式。
这种模式依靠的是中间这一层，叫AI Agent in the Loop（智能体参与闭环）的平台。它既能管理设备，也能管理人，还能帮助他们提高质量和数据产量。后端模型依靠我们大量的数据，直接给采集员反馈，甚至设备没戴好，agent也会提醒他们。
陈茜：Agent相当于一个“小监工”，盯着采集过程，随时反馈。
袁宇光：我们叫小助手。
陈茜：“小助手”这个名字好听一点。这4000名采集员分散在哪里？
袁宇光：我们分散在八个国家：美国，包括现在在的洛杉矶也有团队；还有墨西哥，东南亚的印尼、越南和泰国，中国、土耳其，以及最远的南非。为了管理这件事，我们还在印尼设了自己的办公室。
陈茜：4000人不算特别大的规模，为什么不集中在一个国家，比如印尼或巴西，而要分散到这么多国家？
袁宇光：这跟数据需求有关。模型需要更多样性的数据，理解来自不同地方的数据类型。不同国家有不同生活方式，把这些不同生活方式合在一起，才变成最后的智能。所以要去不同国家采集，每个人的生活方式不一样。
陈茜：比如做的菜不同，有法式菜、中餐，叠的衣服、生活方式和环境也不一样。
袁宇光：对，比如东南亚能见到很多长袖、戴帽子的，洛杉矶则有很多短袖。
陈茜：10个人通过agent去管理4000人，这个模式还是挺有意思的。现在可以透露一下客户都有谁吗？
袁宇光：客户分为两类。一类是大模型客户，就是你天天用的那些AI。因为一些原因，我们不能说具体名字。另一类是做Robotics Intelligence（机器人智能）的客户。
陈茜：大模型客户用这些数据，也是为了训练机器人，还是做视觉推理？
袁宇光：是训练机器人。
陈茜：所以Astra出来，它们肯定也用了很多机器人数据。
袁宇光：Astra这个方向特别惊艳。
陈茜：它出来之后，整个机器人行业都炸了。
袁宇光：我们也很兴奋。大模型使用很多第一人称视角数据和机器人数据，帮助机器人产生更多泛化性。
机器人公司看到变化，也开始思考：是不是真正要落地、做垂直应用，公司将来的方向是什么？我们希望帮助这两类客户，得到它们各自需要的基础设施，包括数据、评估和后面的落地，结合起来提供全栈支持。
陈茜：卖给这些客户的，都是同一套数据吗？
袁宇光：我们一直提供数据集的license（使用授权）。数据集每天都在不断扩大，所以每天都会不一样。
陈茜：我们前几天访问了Dyna Robotics。他们在Dyna-2发布时提到，用100万小时的human-centric（以人为中心）数据，找到了他们的Scaling Law（缩放定律）。这100万小时里，可能大部分都是从你们这儿买的，而你们也可能把其中七八十万小时的数据卖给其他客户。
从商业角度出发，机器人数据现在的模式会不会有一点像SaaS（软件即服务）？同一套软件可以卖给上千个客户。如果目前human-centric（以人为中心）数据总共就这么多，100万、200万小时，也可以卖给所有大模型公司和机器人公司？
袁宇光：数据对客户来说可以复用。如果一套数据集已经被一个客户验证过，它就很容易给其他客户带来相同、甚至更高的价值。所以我们也要不断提高对自己的要求。
陈茜：如果大家买到的是同一套数据集，对模型训练来说，数据本身就没有差异性了。
袁宇光：它们的训练配方不同。模型架构、模型使用方式都不一样。我想Dyna、Genesis、OpenAI，以及其他大公司，都有自己的一套训练方法。这是数据之外，它们自己的配方。
陈茜：所以，模型能不能更好地利用这些数据，是最终效果的差异点。后训练是不是也是？比如Dyna内部也会采集遥操作数据，用在后训练或RL（强化学习）中，这部分是它们自己要做的事情。
袁宇光：我们认为是这样。预训练、后训练、中期训练会形成反馈机制，让机器人更好地落地。我看到一个说法，99%只是一个起点。还有1%，需要通过后训练，真正实现部署。
作为数据合作伙伴，我们可以在后训练里提供更多不同价值。但这确实需要跟客户走得更近，了解它们的需求、帮助它们落地，才能做到。
陈茜：目前客户主要拿你们的数据做预训练？
袁宇光：目前是，但明天可能就不一定了。
陈茜：为什么？有什么不一样？
袁宇光：我们认为，行业变化很大。看到新的Astra 6出来，我们觉得基本泛化性的问题已经基本解决，但一些长程任务、更难的任务还解决不了，仍在提升。除此之外，行业也会进入下一个阶段。
我们认为明年有两个大趋势：第一，数据量继续扩增。我们自己的观点是，每家客户基本需要100万小时左右，作为保底的地板线，往上不设上限。不同客户有不同需求，但基本都是十倍增加。
在这个基础上，一些客户会进入后训练。这非常依赖具体环境，而我们的运营体系能快速提供不同环境、不同场景，帮助客户测试和评估硬件。不只包括模型，也包括硬件本身的可靠性。这也是我们跟客户越来越近的原因：不只是数据供应商，后面还包括模型反馈的供应商。
陈茜：我跟Dyna聊的时候，他们说现在Dyna-2完成100万小时之后，接下来想再验证1000万小时的量级，看Scaling Law是否还能立得住。如果成立，可能说明路线是对的。
行业往1000万小时的human-centric（以人为中心）数据迈进，对你们是很好的机会，但竞争也会更多。什么时候能达到这个规模的训练集？一年能完成吗？
袁宇光：我觉得可能都不需要一年。这就是为什么要建立足够灵活、能产出高质量数据的团队。
从100万到1000万小时，十倍提升，是对运营最大的考验。像外包网络，一个人一天可能也就产出一两个小时数据，要多少人才能满足1000万小时的需求？
陈茜：如果你们要产出1000万小时，需要多少人？
袁宇光：我估计需要现在基础上3到5倍左右的人。
陈茜：现在是4000名采集员，可能要到2万人？
袁宇光：差不多在1.5万到2万人左右。
陈茜：对公司的挑战是什么？
袁宇光：我们永远在看怎样快速扩大规模，这对公司成长非常关键。最大的挑战有三点：
第一，能不能保持数据质量的同时增加数量，还能保证多样性。这三个放在一起，要看管线够不够稳健可靠。如果每天只能产生一两个小时，我认为无法满足行业需求。
第二，在这么多行业、这么多国家运营，能不能快速转换？
第三，在前两点的基础之上，能不能理解客户对1000万小时的具体细分要求？这些要求可能不止一个，还会根据客户自身需求不断迭代，你怎样跟客户紧密协作？
目前我们有三十多个客户，每个客户对数据需求都有不同想法。我们也会反过来建议，数据应该怎么做、往后怎么走。从100万到1000万小时，需要跟客户持续沟通数据迭代的过程。我们非常愿意成为行业的一部分，帮助整个行业像飞轮一样转起来。
陈茜：如果类比大模型数据，Scale AI最初的采集成本没那么高，但模型能力越来越强，就需要硕士、博士标注高质量科研数据，成本也越来越高。
机器人数据会不会也是这样：通用、泛化性较强的场景相对便宜，但垂直专业场景的成本会很高？
袁宇光：我认为Physical AI会跟Digital AI走一样的路线。今天Scale AI、Mercor等公司都在提供更多数据给大语言模型，具身智能将来也会这样。
2025年最初的200小时基本不设限，什么都可以。到了下半年采几万小时，任务要求还很简单，做些简单事情、搬动东西就行。到今天，要求确实越来越难。它不再需要数据工厂里的模拟场景数据，也不再需要简单的“擦擦擦”。
陈茜：什么叫擦擦擦？
袁宇光：比如擦桌子、擦玻璃，这就叫“擦擦擦”。现在也不再需要简单地把东西摆来摆去。
和Digital AI一样，将来会需要越来越难的数据。一类帮助大模型继续提升，另一类满足落地型客户的需求。比如客户要去养老院，就不需要医院的数据，而是希望全球不同地方的养老院一起帮忙测试。怎样把成功率从99%提高到99.99%，才是我们提供的价值。
目前我们有三十多个客户，我们认为是行业里客户数量最多的公司之一。同时，ARR（指的是2026预测年度经常性收入）差不多能达到2.5亿美元。行业扩张确实带来了很多欣喜，但也带来了很多困扰。
陈茜：困扰是什么？
袁宇光：困扰是怎样尽可能快地规模化提升数据质量。从200小时到200万小时，甚至将来1000万小时，需要的基础设施是不一样的。
比如上传网络怎样设置更省钱？怎样更好地标注？现在还有很多业内人士用大模型做文字标注，太贵了，会花非常多钱。所以我们做自己的模型，既为了省钱，也为了提高质量。
另外，怎样把人的活动连接起来，让他们形成一定网络，还能保持大规模、高质量，这件事很难，这是我们在考虑的下一步。
陈茜：大语言模型已经穷尽互联网上的人类语料和数据，机器人的数据会穷尽吗？因为机器人数据不在互联网上，而是采集出来的。从100万小时到1000万小时，它的上限在哪里？
袁宇光：我认为会，但也要看数据类型。遥操作的上限相对较低，到一定程度，量就够了。第一人称视角数据的上限更高，但到一定程度，也会进入平缓期。
陈茜：为什么会进入平缓期？
袁宇光：平缓期是指，在相同模型架构的前提下，继续增加这些数据，对成功率的提升已经非常有限。
再下一步，就要看你想用模型做什么。如果觉得99%可以了，可以去做更难的任务，但更难任务的提升也会很慢。另外，如果要从99%提高到99.99%，就需要更多、更专业的数据。
所以我们认为，将来的运营网络会从普通人都可以戴的设备，发展成专家式的网络，帮助客户更快跨过99%到99.99%的平缓期、更快落地。人形机器人最终要商业化，更快执行一个应用、真正落地，才能更快收回成本。谁能帮客户更快落地，谁就能赢得信任和订单。
陈茜：如果数据增加到一定程度，对模型的提升有限，或者说曲线变得平滑，那你们这类机器人数据公司的价值还在哪里？
袁宇光：在后面。数据只是切入点，落地时还需要评估和部署。这种评估和部署在Digital AI时代里是没有的，需要在实际生活里做物理尝试。
比如模型做好了，最近Physical Intelligence发布了API，你要测试：第一，它到底在哪些地方、哪些场景、哪些情况下会失败？第二，失败后，能不能帮助它恢复？恢复的过程，又会成为更宝贵的数据，帮助模型提高泛化能力和成功率。这些是数据公司可以做的。