具身智能领域对数据训练的庞大需求日益凸显，有公司甚至尝试让机器人免费进入家庭提供服务，而其背后深层原因是对海量数据的渴求。
一位机器人数据采集员透露，为了最大化数据获取量并降低成本，甲方企业不断延长数据采集员的工作时长，同时新岗位的薪资待遇持续走低。他所在的机构，最初要求采集员每天提供4小时有效数据，时间可自由安排。但现在，这一要求已提高到5小时，并计划进一步提升至6小时。这种现象从侧面反映了具身智能创业公司在数据维度面临的巨大压力。
5月25日，自变量机器人公司宣布率先在国内推行机器人常驻家庭的真实应用模式，邀请志愿者申请，公司则提供搭载WALL-B世界统一模型的全新机器人到这些家庭中进行家政工作。
此前，自变量曾与58同城合作推出149元3小时的智能保洁服务，由家政阿姨、自变量机器人和工程师三方协作完成。然而，该服务引发了争议，有消费者反映机器人效率远不及人工，且需人工监督。业内人士指出，目前的机器人服务尚不具备实际消费价值，消费者多是抱着尝鲜心态，企业更看重保洁过程中产生的数据。
因此，在具身智能圈内有人调侃，既然企业如此需要机器人入户，这149元是否应支付给愿意提供家庭环境的消费者，毕竟占用家庭空间3小时的价值不菲。从上门服务到进驻家庭，自变量公司仍在积极招募UMI&EGO采集项目供应商，这都揭示了整个具身智能行业对数据的极度饥渴。
特斯拉首席执行官埃隆·马斯克曾表示，自动驾驶需要约100亿英里的训练数据才能覆盖极端场景，实现全面无人驾驶。自变量公司也有类似观点，认为人工智能机器人的成长如同人类婴儿学步，初期缓慢且易犯错，需要大量数据积累。
具身智能模型的主流训练方法是模仿学习，即通过采集员佩戴传感器进行重复动作，记录关节运动数据，或使用摄像头生成第一视角视频。这意味着谁能更快、更低成本地获取天文数字般的数据，谁就能在具身智能的竞争中抢占先机。
目前行业普遍做法是雇佣大量数据采集员进行标准化作业以提供训练数据。例如，京东在宿迁建立了具身智能数据采集社区，让采集员头戴设备做家务或工厂工作；特斯拉则要求采集员佩戴5颗摄像头，每天8小时在实验室进行抓取、擦拭等操作。
自变量公司在与58同城合作的保洁套餐中，采取了“加量少加价”的策略。尽管149元3小时的服务价格高于常规保洁市场价，但对于自变量而言，这远低于机器人测试和工程师的人力成本。然而，对消费者来说，现阶段的机器人家政服务实用性有限，更多是“花钱买新奇”。
这正解释了为何博主吐槽机器人“动作慢、声音大、专人陪跑”后，官方迅速回应并承认机器人目前不如人类聪明。更令消费者不满的是，他们为企业贡献家庭场景进行数据采集，不但没有报酬，反而需要为此支付费用。
李华指出，数据采集的背后是企业沉重的成本压力，包括动辄30万元一台的机器人，以及每天200元以上采集员人力成本。即便采用附带传感器夹爪进行训练，单人一天也只能采集约500条数据。为提高产量，企业必须扩大产能，而场地、设备和人员都是高昂的投入。
受限于高昂成本，具身智能企业往往把目光投向采集人员。这也是为何李华的每日有效数据时长从4小时延长到6小时。企业还需想方设法拓展财源，维持采集模式的持续性。“公司不仅招人采集数据，还销售采集设备和数据，客户络绎不绝。”李华说。
同时，采集员的待遇也在下降。李华介绍，采集员的工作内容简单，如剥水果皮、叠衣物，门槛只需大专学历，面试主要是熟悉工作内容。业内调查显示，大量数据采集岗位不要求全职，对工作时间也无硬性规定，时薪20元随处可见。尽管这些岗位标榜高科技、轻松，但求职者却称之为“赛博流水线”。李华表示，这份工作虽简单，但长期下来会导致肩膀和手腕酸痛，许多求职者看一眼便离开。
从上门服务到机器人驻家，自变量数据采集方案迭代的核心在于大幅降低人力成本。为消除用户隐私顾虑，自变量CEO王潜制定了严格的隐私保护政策，包括图像打码，用户同意后开机，以及全程不向第三方共享设备的承诺。
自变量认为，具身智能要“见世面”，关键在于融入日常生活，而非依赖更强大的算力或模型。这一判断基于现实：机器人硬件已完善，但缺乏应对小概率事件的智能性。
自变量联合创始人兼CTO王昊将实验室训练数据比作“糖水数据”——稳定可控但缺乏对真实世界的认知，而真实家庭环境的复杂、随机数据则被比喻为“牛奶数据”——采集成本昂贵，但能应对物理环境的随机性。在上门家政服务中，自变量采用一人一机现场管理，而驻家模式则完全取代了陪同安全员，从全程管理走向长尾管理，正如无人驾驶领域的发展轨迹。
一位无人车从业者指出，相较于安全员模式，后台监督可大幅节约人力：“车辆上路后，只需少数维修人员定期检查，有导航即可。极少数事故发生时，再派人现场处理。”这在Robotaxi跨越成本拐点中是关键一环。
以百度萝卜快跑为例，2024年其服务成本首次低于传统网约车，验证了Robotaxi的商业逻辑。这得益于三个因素：硬件成本跳崖式下降（如从Apollo Moon的48万元降至Apollo RT6的20.46万元）；安全员逐步退场，实现车辆独立上路，转为云端监控；以及24小时运营带来的规模效益。
自变量机器人需要解决的问题更为复杂。相较于宇树G1这类主攻运动场景的机器人，家政机器人如自变量需要更高的双臂自由度、更精细的机械手。更关键的是，为深入服务场景，实现精细化环境理解与操作，自变量大力投入WALL系列大模型研发，并重金投入传感器、计算平台等“大脑”组件。
例如，自变量Quanta X2量子2号机器人搭载了多种传感器，包括2D激光雷达、超声波传感器、RGBD相机、3D-TOF相机、单点TOF和红外传感器，以适应精细作业环境。这导致其物料清单（BOM）成本更高，同时也面临使用寿命和迭代速度的压力。企业需将机器人成本降至极低，才能在家庭服务中超越人工服务。
这意味着，自变量的“入家梦”是一场与时间的赛跑。在零部件成本下降之前，自变量仍难以回答一个核心问题：如何在成本战中战胜人工服务，让用户相信自己不是在为企业免费打数据工？
（文中人物为化名。）