<mark id="oztn4"></mark>
0
作者丨向 欣
編輯丨高景輝
雷峰網報道：
「今年做 Ego 數據真正能賺到錢的公司，國內最多只有五家。」
做出這個判斷的，是具身數據創業者袁日正。你可能沒聽過他的名字，但如果你是業內人士，一定聽過他的公司名——
「EgoScale」。
或許和我一樣，你看到這個名字的第一眼，多半認為它是一個「蹭熱度」的公司，畢竟引爆「Ego」概念的，就是英偉達的那篇力作「EgoScale」。
但袁日正告訴我，早在英偉達 EgoScale 項目發布四個月前，他就已經注冊了 egoscale.com這個域名。作為最早入局 Ego 數據的創業者，他用一年多的時間搭建了采集體系，跑通了自動化處理流程。
據他所說，目前 EgoScale 在國內 Ego 數據交付量穩居前三。這也是為什么袁日正有底氣說出開頭那句話。他還告訴我們，一些數據賽道的「量產大戶」，其實在水面之下。
那么，為什么像 EgoScale 這樣名不見經傳的數據公司，能在沒拿到融資的情況下跑通量產交付？
在和袁日正探討這個問題的過程中，我發現他有許多和行業主流截然不同的認知，但又十分自洽。
比如，當所有人都在開發「頭環」式數采設備時，EgoScale 做了一頂搭載雙目相機的帽子。他說，大多數公司設計采集設備時只從技術角度出發，卻很少有人從采集員的角度想過，采集員是否愿意每天戴著它工作10個小時。
再比如，當頭部玩家挨個喊出百萬小時數據的目標時，他卻認為卷數據規模可能是行業最大的誤區，從供應鏈的角度解釋了相比堆時長，數據的場景豐富度、任務多樣性要重要得多。
除此之外，關于數據采集的每一個環節，他都有自己的一套邏輯。這套邏輯最終跑出來的結果是：每月1500人次的采集員輪轉，只用不到20人的全職團隊管理，數據有效采集率高達80%。
所以回到最開始的問題：Ego數據到底要怎么做？答案就藏在這些「非共識」里。
01
10萬小時數據，可能一文不值
▎AI科技評論：Ego數據已經從一個相對小眾的方向變成具身智能領域的熱門賽道，現在這個局里都有哪些玩家？
袁日正：可以分為三類。第一類是自研硬件、采集原始多模態數據的創業公司，一般是Ego+UMI同步采集；第二類是依托標注流水線、外部獲取素材再加工的公司，包括從智駕數據服務轉型做具身Ego數據的公司，以及從互聯網第一人稱視頻中蒸餾提取Ego數據的公司；第三類是從具身智能生態內部孵化出來的數據公司。
賽道里公司雖然多，但全中國今天真正能做到規模化交付、被頭部客戶驗收的團隊，不超過5家。在國內Ego數據交付量上，我們穩居前三，已經進入多家國內外頭部科技公司、模型公司和具身智能企業的供應商體系，完成了多批次數據交付。
▎AI科技評論：為什么你們能穩居前三？剩下的公司卡在哪兒？
袁日正：主要卡在數據同質化上。有頭部客戶跟我們說，他看過四五十家demo，國內外的都有，其中好幾家的數據長得一模一樣。我們的數據不會同質化。
▎AI科技評論： 同質化是什么原因造成的？
袁日正：采集模式的問題，數據來源太重合了。
行業里不少公司采用眾包模式，找幾家B端人力公司，由他們組織人去采集。但人力公司會同時服務多家客戶，同一個場景（地點）被反復采集。
從人力公司的角度想：接了A公司的單，拍完了，人員閑置了怎么辦？自然會去找B公司，再拍一遍。兩家公司的數據本質上是同一批人拍的。即便你花大價錢買了所謂的「獨家數據協議」，在底層供應鏈上，拿到的依然是沒有任何差異化的二手數據。
另一種是去數據工廠采，但工廠的場景和任務豐富度極其有限。10萬小時的數據如果只來自10到50個工廠，本質上就是過擬合，高度重復。對訓練World Model或VLA來說，邊際價值很低。
▎AI科技評論：那你怎么保證自己的數據不會同質化？
袁日正：數據就兩件事：采集和處理。如果把采集這一塊完全外包出去，核心資產支撐度就很淺了。我們的采集員都是自己運營管理，分布在全國各地，能采集真實場景里各種各樣豐富的數據。
很多公司強調規模，動不動就說手里有10萬小時數據。但我覺得強調規模是這個行業最大的誤區。同樣是10萬小時，一個包含50個場景，另一個包含5萬個場景，后者更有價值。現在大多數人都在做前者，因為堆量比拓場景容易得多。我們是其中極少數懂得要做后者，強調數據多樣性的公司。
▎AI科技評論：你說的數據多樣性，就是指場景足夠多嗎？
袁日正：數據多樣性不僅是場景數量，還包括任務、動作、物體、工具、人員、環境、操作路徑、成功與失敗過程，以及異常和恢復行為。還有一個差異點是我們的數據高度結構化，能夠滿足模型直接訓練要求。
▎AI科技評論：也有一種說法是「缺什么技能就補什么數據」，覺得現階段做通用數據不現實。
袁日正：這取決于你的目標是做一個完成特定任務的Demo，還是做一個通用的具身大模型。如果只是為了完成某個工業位姿的抓取，企業自己找幾個人采一下就夠了，根本不需要第三方數據公司。我們的大多數客戶目標是做通用模型，底層喂養的，必須是海量、泛化、甚至帶點corner case的真實人類生活數據。
▎AI科技評論：你們重點采集哪一類場景的數據？
袁日正：主要是家庭、商業場景，基本不采工業。現在國內外對家庭場景數據都很重視。家庭機器人在國外特別火。去年我在硅谷接觸了不少高收入人群，有做消費品的，有特斯拉的高管，他們普遍焦慮的是下班還要回去處理大量家務，即便年薪千萬美金，請保姆一個月幾萬美金也覺得不劃算。
工業場景是在固定環境里做固定的事，放幾個攝像頭就夠了，根本不需要Ego。去年5月之前做Ego的公司都在采工業數據，這不make sense。
02
▎AI科技評論：你們用什么設備采集數據？
袁日正：我們做了一頂帽子。這是全球第一個雙目數采設備，也是第一個帽子形態的采集設備，一直在使用，只是為了避免被抄襲，所以沒有對外發布。它配一個很小的充電寶就能10小時全時拍攝，充電寶用魔術貼固定，沒有做復雜的機械架構，而且放在帽子上幾乎沒有重量。而且戴一頂帽子，采集員和他們周圍的人不會覺得突兀，干活更加自然。
現在不少同類產品其實都是拼湊的，對外宣稱是自研，實際上就是用的Gopro，我們是從頭到尾全定制設計的硬件。所以有投資人來問我們說，你們怎么和同行競爭，我會反問投資人，他們怎么跟我們競爭？
▎AI科技評論：智能眼鏡會不會更輕便？
袁日正：我們在眼鏡上嘗試過采集數據，試了一年。要說誰比我們更懂用眼鏡采數據，可能只有Meta。但結果告訴我們，眼鏡在重量、續航、散熱、成本、參數上都有瓶頸。
▎AI科技評論：最終為什么收斂到雙目，而不是像有些同行那樣做六目？
袁日正：我和很多海外學術社區的人交流過，基于這些信息提煉出核心判斷：采集數據到底是為了做環境采集，還是做手部操作的訓練數據？如果是為了訓練「大腦」執行手部操作，盯著前面的雙手就夠了，為什么要看后面？六目帶來的價值未必能覆蓋其硬件和隱形成本。多一個攝像頭，數據量就會暴增，傳輸、處理和存儲數據的成本都會上漲。
▎AI科技評論：采集之后，數據怎么傳回來？
袁日正：本地存儲之后無線上傳。不需要拔卡、寄回工廠、人工拷貝。我們是當天采、當天傳、當天反饋，第二天任務自動更新。六目方案做不到這一點，多一個攝像頭，數據當天就傳不完。這個運營閉環，目前全世界沒有第二家做到。他們不做無線傳輸，不是技術問題，是產品思維問題。
插卡傳輸的只能集中管理，理論效率高，但多樣性低、成本高，需要線下管理，中間有人抽成。我們是通過互聯網找到C端采集員，寄設備、收設備，全程線上對接。
▎AI科技評論： 你們現在有多少采集員？怎么管理？
袁日正： 采集體系月周轉1500人，大多數是寶媽，標注體系800人，整體人員分工動態調整。我們公司全職不到20人，4月份之前只有6個人，主要是依賴自動化體系對采集人員進行線上管理。
▎AI科技評論： 人都散在全國各地，采集質量能保證嗎？
袁日正： 我們的有效采集率是80%，行業里很多只有50%，甚至10%。差別在哪里？主要是對人性的理解。采集員最關心的是賺錢，我們對采集員的培訓不談規范，而是告訴他：「你不按這個角度拍，就會少賺多少錢。」 這是對人性的理解。
▎AI科技評論： 你說的這套「人性論」，放在一堆技術博士創始人面前，有點非主流。這和你之前說的產品思維問題是一個邏輯嗎？
袁日正： 對。有很多友商的創始人大多來自大廠，做技術沒問題，但對產品的理解不一定到位。我從2015年開始創業，本科期間做成功了兩個產品，積累了第一桶金，做過個人投資，也在螞蟻集團做過產品經理。我覺得懂產品、懂人性比懂技術更重要。懂人性讓我能把產品做得輕、戴得舒服，讓人愿意戴滿10小時；我也明白客戶要的不是復雜的報價單，而是按小時計價的標品。
我覺得產品專家比技術專家更難招。因為技術需求是標準的，而懂硬件、軟件、運營、自動化的產品人，太稀缺了。
03
▎AI科技評論：有人認為Ego數據采集說到底就是組織人拍視頻，這個行業有什么技術壁壘嗎？
袁日正：如果你只采一個小時數據，把它后處理出來，這沒有任何壁壘。真正的壁壘是能不能規模化、高效地持續產出高質量、可直接進入大模型訓練的數據。
▎AI科技評論：高質量、可直接進入大模型訓練的數據，具體長什么樣？
袁日正：除了原始視頻，我們交付的完整數據包還包括同步雙目影像、IMU、時間戳、標定參數，以及任務描述、動作切分、手部姿態與軌跡、質量評分和場景元數據等訓練級數據。
▎AI科技評論：這么多處理環節，規模化交付豈不是很難？
袁日正：我們搭建了一套自動化系統，包含三套體系：采集體系、標注體系、運營體系。標注體系還分為自動化標注和人工QA（Quality Assurance，即質檢）兩個環節。現在自動化閉環跑了半年，基本跑通了，別人想抄也得花4到6個月。
▎AI科技評論：搭建這個系統用了多久？
袁日正：用了一年時間，上個月完成了1.0自動化，只剩三個板塊尚未完全自動化，這個月中會完成2.0。很多團隊人數是我們的三倍，效率遠不如我們。
▎AI科技評論：自動化系統是怎么搭建起來的？
袁日正：這本質上是系統工程：目標是交付數據，拆解出中間環節，哪些能自動化就自動化，哪些暫時不能就先沉淀、逐步推進。我們的自動化系統包含非常多Agent，很多環節都可以無人化。所以也沒有單獨招過infra負責人，因為初始團隊內部就有這個能力。
而且，我們的數據是持續積累的。每接一個新項目，先看已有數據能復用多少，再針對新增模型需求完成定向生產，過程中不斷提高已有數據的復用效率。
之前提到月均流轉1500人的數據采集人員規模，容易讓人以為我們在比誰的采集團隊更大。但規模只是表象，我們構建的是一套覆蓋需求理解、數據生產、自動處理、訓練級交付和模型反饋的真實世界數據基礎設施。
▎AI科技評論：搭建過程中踩過什么坑？
袁日正：主要是交付。交付環節最大的問題是格式不統一。每個客戶要求的格式不同，轉化過程容易出錯。有的要Robot數據包，有的畫幅要切成4:3，有的要1080P，有的要720P。類似的細節問題能列出30個。同一份數據跑同一個算法，結果都可能不同，因為數據里總有你沒發現的問題。AI處理也有幻覺，問題在那段時間滾雪球式增長。
▎AI科技評論：最難的階段是什么樣的？
袁日正：最累的那個月，我胖了10公斤，三個同事瘦了10公斤，當時只有6個人。交付階段跑完后立刻招了10多個人，核心是搭建完善的自動化管理和風險體系。不過被客戶push的過程，本身也是提升能力的過程。
客戶需求還會變化。一開始要A，交付完要改，改完又要C、要D。都是小需求，成本不大，但也不可能拒絕。即使是頭部客戶，其數據需求也會隨著模型訓練進展和內部認知不斷變化。我們要做的就是快速理解變化、穩定迭代，并保持版本和質量的一致性。
現在我們已經形成從客戶需求到數據生產、交付和反饋迭代的完整閉環，數據供給效率和交付質量都在提升。
04
數據應該是資產，不是服務
▎AI科技評論：有人說數據公司天花板是估值290億美元的Scale AI，你們會對標它嗎？
袁日正：Scale AI 證明了訓練數據可以成為獨立的基礎設施層，他們主要提供的是數據處理服務。這也是很多傳統數據廠商的商業模式，只做后半段的數據處理，比如標注、清洗等，不做采集，行業大部分素材普遍依靠網絡爬蟲、外購存量互聯網內容獲取。
我們和Scale AI的區別在于，我們有采集環節，能同時覆蓋真實世界數據的采集、結構化、質量管理和授權體系，能夠持續沉淀可復用的數據資產。Scale AI其實不算我們的競爭對手。
▎AI科技評論：很多模型公司也在自研數據采集設備，既是你們的客戶又是競爭者。他們為什么要自己做？還有公司把自己的數據業務獨立出來，你怎么看？
袁日正：原因很簡單。大模型創業公司如果數據全部外購，會被質疑沒有數據壁壘。所以得自己采一點，有個交代。但自己采集并不劃算。我們賣的數據比他們自己采成本更低、量更大，為什么不買現成的？
數據業務和模型業務之間也存在天然矛盾。如果一家模型公司同時向外提供數據服務，客戶會擔心自己的數據需求、訓練方向甚至商業規劃是否會被母公司掌握。有的數據服務商在被大廠收購后，就沒什么人再買它的數據了。
如果我是做大模型的公司，向競爭對手買數據，就等于在養對手。沒人會這么做。
▎AI科技評論：有數據公司也在往模型方向延伸，你有這個打算嗎？
袁日正：跨度太大了。做數據的同時做模型，客戶知道你有做模型的意圖，為什么還要買你的數據？買數據也等于養他的競爭對手。
我認為數據基礎設施需要保持中立。跟客戶溝通時，立場很明確：我們只做數據，不會成為競爭對手。保持第三方立場非常重要。
▎AI科技評論：Ego數據這個市場到底有多大？
袁日正：全球今年愿意花10億人民幣以上買Ego數據的客戶大約有5家，中國約1.5家，海外約3.5家。單一海外頭部客戶愿意花2億美金以上。我們認可的兩家友商中，一家今年純Ego數據已有1億美金訂單。
▎AI科技評論：Ego數據涉及視頻，出境會不會有合規問題？
袁日正：Ego數據出境本身不敏感。其實真機遙操數據才是不好出境的，因為它屬于高價值稀有物。而Ego視頻本質上就是第一人稱視角的日常活動記錄，敏感度低，互聯網上都有很多這種視頻。
Ego數據出境可能需要擔心的是，指紋和掌紋這些敏感信息，1080P分辨率能拍到指紋和掌紋，脫敏有難度。兩只手操作時旁邊有人伸手過來，畫面里出現三四只手，這種邊界情況不一定能靠算法自動解決。算法的核心是處理已知問題，對于未發現的問題，算法并沒有那么智能。
▎AI科技評論：今年有什么具體目標？
袁日正：我們的目標是，定義什么是好的Ego數據，然后在數據多樣性、有效信息密度、低重復度和持續交付能力上，都做到中國第一。目前有些公司在重復采集數據量上超過我們，我們想從所有維度超越。現在應該是全球前五，目標是全球前三。我們的自動化體系已經成熟，不需要再招人，只需要持續采數據。我們的資金消耗率，內部比外部預估要低。
到今年年底，真正能夠產生收入和利潤、具備持續運營能力的公司，中國可能只剩5家左右，海外可能也只有5家左右，大部分企業都會在競爭中被淘汰。資本投入只能支撐企業走一段路，最終決定生存能力的還是商業化和盈利能力。（雷峰網(公眾號：雷峰網)）
上車，帶你看遍全球 AI 頂會精華
可獨家暢覽：
專家演講PPT
大會報告全文
熱門論文解讀
學術新星訪談
掃描上方二維碼
或點擊「閱讀原文」關注專區。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
