AREX Feed Article
Poe Zhao 拆解中国机器人数据定价：工人时薪 ¥20，训练场报价 ¥1,000，五个 20 亿估值没有公秤
在北京一家机器人数据采集工厂里，一名戴着遥操作手套的工人每小时挣 20 到 40 元人民币。同一小时的数据，经过企业生产线加工后，内部成本变成 100 到 150 元。如果这小时数据来自政府支持的训练场，对外报价可以高达 500 到 1,000 元。
2026 年 8 月 7 日，独立科技分析师 Poe Zhao 在其 Substack 平台 发表调查报道，系统梳理了中国具身 AI 训练数据市场的价格结构。文章追踪了市场上每一处公开价格信号，并将其置于八家估值超过 200 亿元人民币的具身 AI 公司之上。核心发现是：同一小时的遥操作数据在三个层级之间存在最高 50 倍的价差，而支撑千亿估值的"数据资产"至今没有一个统一的计量单位。
Poe Zhao 是常驻北京的独立中国科技分析师，拥有超过 12 年的行业追踪经验，曾任 Synced 主编，创办了 Hello China Tech。他的报道被路透社、经济学人、CNN 和 Wired 等媒体引用。
¥20 的工资，¥1,000 的报价——中间隔了什么
Poe Zhao 在报道中给出了四层递进的价格结构——没错，不是三层，是四层。
最底层是遥操作工人。在一家中国数据采集工厂，操作员通过劳务外包公司被雇佣，工人实际到手每小时 20 到 40 元。外包公司的客户账单是 25 元：20 元给工人，5 元归中介。
往上一层是穿戴式采集。Galaxea（星海图）CEO 高继扬在接受采访时披露，公司内部生产穿戴式捕捉数据的成本为每小时 50 到 100 元。如果再加入机器人在环——即让机器人实际参与数据采集而非仅记录人体动作——成本升至约 250 元每小时。高继扬给出的综合数字是每小时 100 到 150 元。但他在同一采访中又表示 100 万小时的数据成本在 1 亿到 2 亿元之间，折算下来比小时数字宽泛得多。
再往上是交付层。政府支持的训练场——即部署机器人编队并出售采集数据的基础设施——对外报价为每小时 500 到 1,000 元。AgiBot（智元机器人）支持的数据平台 Mifeng（觅蜂科技）报价为：不涉及机器人本体的数据每小时 200 到 400 元，涉及机器人的数据每小时 500 到 1,000 元。
Poe Zhao 提醒读者注意一个关键区别：这些是挂牌价，不是流动性市场的真实成交价。"许多这类设施报告了低利用率和不确定的盈利能力。"
这四层价格之间不是简单的供应链加价关系。从工人工资到交付报价，中间填充的是机器人折旧、场地租金、验收失败的轨迹、清洗幸存数据的劳动力，最后再加一层利润。Poe Zhao 的判断很直接：这让价差作为一门生意可以成立，但作为一套计量体系毫无意义。
100 小时采集，50 小时能用
数据采集的损耗率是理解价差的第二把钥匙。
Poe Zhao 的报道披露了一个漏斗数字：采集 100 小时的原始数据，最终只能产出约 50 小时可用的训练数据。另外一半被废弃——轨迹未通过验收标准、清洗筛选中被判定为不合格，都可能是一小时数据作废的原因。
这个漏斗效应放大了不同采集方式之间的真实成本差距。低成本采集（如穿戴式设备记录人体动作）和高成本采集（如机器人在环遥操作）即使在挂牌价上只差几倍，经过 50% 的废弃率折算后，每可用小时的实际成本差距会被显著拉大。
Rest of World 在 2026 年 6 月的中提供了来自另一角度的印证。山东一位 50 多岁的全职妈妈 Gao Bo 每天花 6 小时拍摄自己做家务的视频，时薪 20 元。北京居民 Daniel Wang 花了 149 元（约 22 美元）请深圳 X Square Robot 的机器人到家服务三小时——机器人的主要任务不是做家务，而是采集真实家庭环境中的训练数据。
这些碎片拼在一起，呈现的是一个正在被快速填充的数据管道：底层是数百万小时的低成本人类行为记录，顶层是经过机器人本体验证的高精度操作轨迹。两者都被计为"一小时数据"，但它们训练模型的效果完全不同。
五个 20 亿估值在数什么？
市场为什么要关心一小时的定价？Poe Zhao 的回答是：因为上面定价的是百亿级的公司。
他援引一份 7 月的中国媒体统计：截至 2026 年 6 月，八家中国具身 AI 公司的估值达到或超过 200 亿元人民币（约 29 亿美元）。其中 AgiBot 的估值为行业推断值，并非公开披露的融资轮次确认。
在这八家中，五家的估值主要锚定在模型能力而非硬件出货量上：Galaxy General（银河通用）、Galaxea（星海图）、Spirit AI（千寻智能）、X Square Robot（自变量机器人）和 AI² Robotics（智平方）。它们有试点项目和部署，但在出货规模上与 Unitree（宇树）和 AgiBot 不在同一量级。
Poe Zhao 抓住了一个关键细节：Galaxy General 是按模型估值阵营中资金最充裕、对合成数据路线最激进的一家，但截至 2026 年 6 月，它的年出货量不到 150 台机器人，估值却超过了 200 亿元。
当收入还不足以锚定估值时，积累的数据存量就成了公司能展示的少数资产之一。于是它被展示——问题在于，五家公司计算数据的方式互不兼容。
"本文中每一个数字都是公开的，散落在采访、招聘广告、数据集页面和一篇公司论文中，"Poe Zhao 写道。"组合在一起后，它们指向的方向与估值指向的方向并不相同。"
一个更具体的例子：Unitree 和 AgiBot 都能拿出货量说话，但即使在这里，统计口径也不统一。第三方机构估计 AgiBot 2025 年出货 5,168 台通用人形机器人（含轮式双臂机型），而 Unitree 招股书披露的 2025 年出货量为 5,500 台纯双足人形机器人。两家在各自定义下都是"全球第一"。
出货量尚且如此，数据量只会更混乱。
开源是信号，它证明不了什么
Poe Zhao 的报道还涉及一个被市场频繁使用但少有人拆解的维度：开源数据集正在被各家当作能力信号释放，但这些信号需要仔细解读。
开源数据集本身不解决计量问题。Build AI 在 2025 年 11 月到 2026 年 4 月之间连续发布了从 1 万小时到 100 万小时的工厂自我中心视频数据集，全部在 Hugging Face 上开放且允许免费商用。Sashi Reddi 在 2026 年 8 月 LinkedIn 中的判断很直接：当一百万小时的工厂自我中心视频免费可得，无差别的第一人称素材已经不再是一个产品。
XDOF 在 2026 年年中以 7,000 万美元融资走出隐身模式，发布了据称是最大开源双手操作数据集的 ABC-130K。但它的三层"数据金字塔"——从目标机器人上的遥操作到底层人类自我中心采集——恰恰说明不同层级的数据在训练价值上不可互换。
把 Poe Zhao 的定价数据和 Sashi Reddi 的数据金字塔放在一起，一个追问自然浮现：如果一家公司开源了 10 万小时的数据，这 10 万小时是金字塔的哪一层？是穿戴式采集、机器人遥操作、还是合成数据？每一层的训练效果和成本结构差距悬殊，但对外传播时都被压缩成"小时"。
这个行业缺一把秤
Sashi Reddi 在那篇市场综述中写了一句值得放在这里的判断："大多数团队在评估数据供应商时跳过核心问题，直奔每小时的单价。每小时的单价告诉你的最少。"
Poe Zhao 的报道用中国市场的真实数字证明了这一点。从工人的 20 元到政府训练场的 1,000 元，同一小时承载了完全不同的东西：人力时间、设备折旧、空间成本、质量损耗、验收风险和企业利润。把所有这些压缩进"数据小时"这一个标签里，让价差在财务上合理，但在比较上毫无意义。
2026 年第二季度，全球人形机器人领域吸收了 69.5 亿美元融资，是前一季度的两倍多。钱在涌入，但 Poe Zhao 的数据追踪提示了一个更冷静的问题：当这个赛道的核心资产——训练数据——连一个统一的计量单位都没有时，那些 200 亿的估值究竟在买什么？
答案可能是五样不同的东西。