2027 年机器人数据行业现状：单目退场、双目稀缺，触觉成为下一片前沿

用 180 场对话拼出的市场快照

来源：The State of Robotics Data In 2027，Sam Padilla，X 长文，2026 年 11 月 8 日。

实验室在买什么、愿意付多少钱，以及 2027 年机器人数据会走向哪里。

机器人行业正在吸引更多公司、更多资本和更多数据买家。与此同时，实验室真正需要的数据类型正在快速变化。来自相邻 AI 市场的成熟企业开始进入，竞争越来越激烈，最容易获得的那部分供给已经迅速贬值。

这份分析建立在大量直接交流之上。Sam Padilla 在 46 天里进行了 180 场会议。发布上一家公司 Eidon AI 的复盘之后，他与机器人领域的投资人、研究者和创始人进行了深入沟通。他还通过 ByCruX 审核了 47 家数据生产商，并收集了它们详细的数据规格。这些信息又与他和 Varun Nair 在 Robotics Map 上建立的行业地图相互印证。

这不是一份严格意义上的统计学普查，而是从供给侧出发的市场快照，并用买家反馈、投资人判断、公开公告、融资活动和生产者库存进行交叉验证。核心结论很明确：需求仍在增长，但质量门槛正在快速抬高。单目第一人称视频已经商品化，双目采集正在成为新的最低标准，触觉数据则是下一片前沿，尽管它仍然昂贵、碎片化，而且许多核心科学问题尚未解决。

一小时机器人数据值多少钱

本文中的价格来自对话与研究后的最佳估计。这个市场以不透明著称，因此这些数字应被理解为方向性的区间，而不是公开价目表。

一小时机器人数据的价值取决于五个主要因素：模态、地理区域、环境、排他性和标注。模态是最重要的决定因素，因为它决定了记录中包含哪些信息，以及采集到底有多难。其余四个因素会在这一模态原本的价格区间内，把具体价格向上或向下推动。

数据模态	采集内容	每小时价格估计
触觉	人手或机器人夹爪上的触觉传感器	90 至 120 美元
遥操作	操作员驱动真实机器人，同时记录观察和动作	70 至 100 美元，取决于机器人
全身动作跟踪	视频与全身运动学数据	45 至 80 美元
UMI	手持平行夹爪与腕部相机	25 至 50 美元
腕部相机	头戴相机与双腕相机	20 至 40 美元
双目第一人称视频	两台同步相机，可补充深度信息	12 至 30 美元
单目第一人称视频	一台头戴相机	2 至 10 美元

模态决定价格上限

机器人数据集最根本的任务是记录运动。但没有任何两个实验室需要完全相同的动作，也没有任何两个采集团队会以完全相同的方式记录这些动作。正是这种差异，让一小时训练数据的价格既可能只有约 5 美元，也可能超过 100 美元。

最简单的一端是第一人称视频。单目第一人称视频只使用一台相机，例如把手机绑在人的头上。双目第一人称视频使用两条基线已知的镜头和传感器。两幅画面匹配后可以估计深度，因此它比单目相机多提供了直接的空间结构。

触觉数据位于最远端。多种传感路线正在竞争，目前还没有任何一种成为标准。传感器之间的迁移能力、人与机器人末端执行器上的可用性，以及反复接触后的耐久性，都仍有待回答。即便如此，行业已经形成一个较广泛的共识：触觉是下一片前沿。

市场中间层则把视频与其他观察信息组合起来，为纯粹的第一人称画面补充上下文。这一层包括腕部相机、UMI 式手持平行夹爪、全身运动学和遥操作。它们的价值在于揭示手、夹爪或身体的实际运动，而不只是头戴视角看到的场景。

影响价格的四个变量

地理区域。美国数据通常位于每种模态价格区间的上沿，因为美国环境是许多美国机器人公司的部署目标。最受追捧的是与未来部署地点相似的真实场景。另一端，来自印度和东南亚的第一人称数据已经饱和。许多买家已经拥有超过需求的供给，因此价格处于低位，一些买家甚至完全停止购买。

环境与任务。商业环境比住宅环境更值钱。过去的大部分采集发生在家庭中，因此家庭数据更容易获得，稀缺性也更低。企业环境更难进入，所以暖通技师、电工或其他真实工作过程的录像会获得溢价。

排他性。独家数据会以更高价格出售，因为买家买到的不只是一份副本，还在付费阻止竞争对手获得同一批数据。目前相当大一部分采集业务已经与排他协议绑定。

标注。带标签的数据当然比原始数据更贵，但标注对每小时价格的提升并没有许多创始人想象得那么大。一些公司明显过度押注标注，把它当作核心差异化，而底层传感器模态和进入高价值环境的权限仍然更重要。

与其记住一张固定价目表，不如理解这些因素如何相互作用。这样，供应商才能从第一性原理判断需求会往哪里移动，哪些采集计划不值得融资，以及什么样的投入可能形成持久价值。

单目已经商品化，双目的供给却仍然受限

2024 年 Eidon AI 刚起步时，付钱让人把手机绑在头上、记录日常任务，看起来还是一件很奇怪的事。当时的机器人行业存在巨大的第一人称视频空白，也没有人确定真正有用的数据会从哪里产生、哪种采集设备会占据主导。

两年后，市场已经明显转向。多家实验室停止购买单目第一人称数据，尤其是来自印度、中国和东南亚的数据。供给已经饱和，研究兴趣也越过了单目画面所能提供的范围。单目视频曾经是把人类经验带入机器人学习的第一种大规模方式，但缺少显式深度和几何信息，限制了它现在能发挥的作用。

ByCruX 收到的提交进一步印证了这一变化。单目第一人称视频仍然是最常见的供给，而且高度集中在印度、菲律宾、巴基斯坦和东南亚。除了少数拥有大规模美国独家单目业务的采集者之外，几乎所有接受访谈的采集团队都已经转向双目，或者正在积极尝试转向双目。

双目理论上便宜，实际上供给稀缺

双目显著提高了行业进入门槛。低端双目相机的物料成本约为 200 美元，高质量成品系统则可能超过 1,000 美元。为 100 名采集者配备双目硬件，意味着约 5 万美元的前期投入，这还不包括人工、运营、废片和处理成本。

硬件门槛造成了特殊的供给状态。ByCruX 审核的生产者中，约四分之一列出双目能力。只有两家拥有真正可现货供应的双目数据，合计约 1,750 小时。其余大多数生产者按订单采集，或者已经处于独家协议之中。

许多采集团队通过收入分成或独家协议来融资部署双目设备。买家和数据合作方承担部分硬件成本，以换取未来供给的优先访问权。这使市场看起来非常活跃，但真正能让新买家立即购买的库存却很少。

供给短缺创造了一个二级机会。理解数据采集经济、并能围绕自身硬件提供支持的立体相机制造商，会面对强劲需求。问题不只是卖出一台相机。采集方还需要稳定的同步、标定、现场支持、耐用安装结构，以及能够支撑多地部署的供应链。

因此，准确的市场判断不是简单的“双目更好”，而是：双目已经成为新的基线，但几乎没有无需关系就能买到的双目数据，可靠供应商也很难找到。硬件迁移把一个信息产品变成了运营密集型业务。

触觉数据是下一片前沿

触觉是许多买家正在寻找的下一类数据，也很可能主导下一阶段的机器人数据竞争。在早期评估 Eidon Gloves 时，触觉数据的报价最高达到每小时 120 美元。需求很强，供给却很薄。

今天的大多数触觉数据集规模较小，偏研究导向，而且建立在不同传感器上。它们足以微调已有模型，例如 T-Rex：触觉反应式灵巧操作，也足以训练某一类特定策略。但它们远远不足以预训练通用机器人基础模型。

这个阶段很像几年前的 ego 视频。当时很难想象能建立足够大的预训练语料，而今天已经有以 10 万小时计的开源第一人称视频数据集。触觉采集比视频复杂得多，但建立第一个足以与视频一起支撑预训练的触觉语料，已经成为一场正在进行的竞赛。

触觉为什么比视频更难

视频从远处记录场景。触觉则通过位于人与物或机器人与物之间的硬件记录接触。因此，信号与传感器、标定、安装几何、采样率和材料特性紧密绑定。行业没有统一传感器，一个触觉设备上训练的模型能多好地迁移到另一台设备，仍是开放研究问题。

现实约束同样严重。触觉手套往往笨重，会损害灵巧性。大多数手套的耐久性还没有经过大规模独立测试。一双设备价格在 4,500 至 8,000 美元之间，为 100 名采集者部署设备需要 45 万至 80 万美元，约为双目采集投入的十倍。

单位经济性直接暴露了风险。按每小时 100 美元计算，每双设备必须产生 45 至 80 小时的合格销售，才能仅收回硬件成本。这还没有计算劳动力、废片、处理、维护、更换，以及管理分布式采集团队的成本。

现在许多采集方都声称自己能够生产触觉数据，但要规模化产出干净、可复用、文档完整的接触数据非常困难。这种模糊性也为采集硬件公司创造了机会。随着制造规模扩大，设备价格会下降，而当前价格让硬件生意在买家愿意为可用数据付费时很有吸引力。

市场正在走向成熟

传统机器人行业之外的大型公司正在进入物理 AI 数据市场。Defined.ai 在 CES 上扩展到这一品类。DoorDash 推出一项产品，付钱让配送员拍摄叠衣服等任务，用于训练 AI 和机器人模型。其他数据、云服务和标注公司也在研究这个市场，因为它的运营模式与它们已经熟悉的业务有相似之处。

后期融资也在加速。XDOF 在 6 月融资 7,000 万美元，并有报道称其正在讨论以 12 亿美元估值再进行一轮融资。Mecka 在 10 月完成 6,000 万美元 B 轮。大型 LLM 数据供应商 Micro1 表示，机器人业务已经贡献超过 1 亿美元年化收入。

这些数字并不意味着每家数据创业公司都拥有持久优势。它们说明，买家和投资人已经相信机器人数据足以支撑规模化公司，同时也抬高了缺少差异化供给者的竞争成本。

在 Robotics Map 上，“数据服务”已经成为第三大类别，仅次于机器人制造商和部署商。几乎每周都有新参与者进入。已经向 AI 实验室销售运营数据或 CAD 的公司，也把经纪人网络扩展到机器人行业。Polyshares 与 Amelia Robotics 建立机器人合作伙伴关系就是一个例子。

这些变化指向 180 场会议得出的一个简单结论：机器人数据剩余的两个护城河是硬件和关系。处理、质量控制、运营、标注、可视化和仿真工具都很重要，也都是有价值的能力，但它们正逐渐成为基础设施。竞争对手可以自建或购买其中大部分能力。真正难以复制的是经过标定的设备网络，以及让采集者进入高价值环境的信任和权限。

这就是为什么拥有实验室关系的公司都在尝试变现，也是为什么聚合器市场迅速拥挤。关系层之所以有价值，是因为它解决了访问问题；当许多中间商争夺同一批有限供给时，这一层又会变得脆弱。

做到 100 万美元收入需要多少小时

越来越多人认为，机器人行业即将解决数据问题。这个判断有一定道理。短短几年内，人类已经生产了数百万小时第一人称视频。单目视频如今充足而廉价，双目正在成为基线，触觉则比 2024 年的 ego 视频处在更早的供给阶段。

但供给充足并不能回答一个新供应商应该把钱投向哪里。一个有用的测试，是计算产生 100 万美元收入需要多少合格小时。结果高度依赖每小时价格，同时也揭示了规模与采集复杂度之间的权衡。

模态	示意价格	做到 100 万美元所需小时	市场含义
单目第一人称	每小时 5 美元	20 万小时	极高产量，利润率很薄且持续下降
双目第一人称	每小时 20 美元	5 万小时	所需体量只有单目的四分之一，硬件已经可以商业采购
腕部相机	每小时 30 美元	3.3 万小时	无需完整机器人即可补充手部层级上下文
UMI	每小时 37.5 美元	2.7 万小时	用便携硬件记录夹爪运动和视角
全身动作	每小时 60 美元	1.7 万小时	信息密度更高，但采集运营更复杂
遥操作	每小时 85 美元	1.2 万小时	以溢价提供机器人相关的动作数据
触觉	每小时 100 美元	1 万小时	所需体量低，但硬件和迁移问题仍未解决

按每小时 5 美元计算，单目需要 20 万小时合格数据才能做到 100 万美元收入。这是一种依赖巨大体量、利润率很薄且很可能继续下降的生意。按每小时 100 美元计算，触觉只需要 1 万小时，但硬件昂贵且不成熟，买家也仍然不知道触觉模型在不同传感器之间能迁移到什么程度。

中间层是今天最经济合理的押注。双目、腕部相机、UMI 和全身动作跟踪，达到同样收入所需小时数大约只有单目的四分之一到十二分之一。这些硬件已经存在，可以立即出货，成本也远低于大规模触觉部署。同时，它们生成的数据结构与当前机器人学习需求高度匹配。

投资结论不是忽略触觉，而是不同层级的时机不同。单目已经商品化；双目和带传感器的中间层今天就可以投资；触觉之所以潜在回报最高，正是因为硬件、数据格式、迁移学习和规模化运营都还没有解决。

到 2027 年，什么会改变

需求不会放缓，但门槛会继续上升。买家已经不会再为任何一小时人类活动录像支付同样价格。他们需要几何信息、动作上下文、经过标定的硬件、高价值环境、真正有意义的排他性，以及越来越多的触觉。

市场也会更拥挤。大型数据供应商、众包平台、硬件公司、聚合器和专业采集网络正在汇聚到同一个机会上。建立强机器人数据公司的窗口仍然开放，而且很可能延续到明年，但它不会无限期地维持当前条件。

对机器人团队而言，实际教训是数据采集已经成为系统问题。一个数据集不只是由小时数定义，还由传感器组合、标定、环境、任务分布、元数据、权利关系，以及让采集得以发生的关系网络共同定义。

对供应商而言，最便宜的采集方式未必会成为最好的生意。单目打开了市场，但双目建立了硬件和运营门槛；触觉又建立了更高的门槛。下一阶段的赢家，会是那些能在市场完全成熟之前，把门槛转化为可靠、可重复供给的团队。

原文来源：The State of Robotics Data In 2027，Sam Padilla，2026 年 11 月 8 日发布。相关链接包括 Robotics Map、Capture Hardware 和 T-Rex。