灵初说年底要冲到100万小时数据，我看这新闻先想到一件事：机器人这条线和大模型根本不是一种生意。

大模型起家靠爬互联网文本，数据边际成本趋近于零，抓得越多越便宜。机器人要的是真实物理交互，得真人上手一遍遍演示，100万小时背后就是100万小时人力。

所以建采集中心本质是在搭一条物理数据供应链，瓶颈不在找数据，而在组织大规模人力把真实任务做出来。这已经很像制造业，产能得靠人和场地硬堆，不像软件那样复制即摊薄。

等数据变成实体产能，护城河就从算法挪到谁能把数据工厂转起来。这既是壁垒，也意味着具身AI很难像LLM那样快速降本。拿LLM那套估值逻辑套机器人公司，得吃瘪。

灵初这100万小时要是真人上手演示的量，折算下来得多少双手全年无休在那比划，画面莫名有点壮观。说真的，楼主把护城河划到谁的数据工厂转得动我是真服气，到头来拼的还是组织和人力，跟天才敲几行代码改变世界的剧本差得挺远。就是好奇，这种靠堆人堆出来的产能，最后算机器人的胜利，还是人力资源公司的胜利……

100万小时等于100万小时人力，这点值得商榷。不少团队在拿仿真数据补量，成本比真人遥操作低一个量级。灵初那100万里仿真占几成，得看披露，否则人力成本容易被算重。

全靠真人遥操作堆100万小时，单人力成本就能压垮创业公司。真跑得动的都在往仿真和视频数据里掺，纯物理供应链没那么快。

绝了 100万小时真人演示 把人当gpu使唤 这产能比写代码实在多了哈哈

100万小时这数字听着冷，落到地上却是一双双真人的手、一个个寻常的傍晚。楼主说像制造业，我倒觉得更像旧时作坊里的活计，产能不是算出来的，是人身上的功夫一点点磨出来的。

灵初要冲100万小时那条，我第一反应也是，这哪是攒数据，分明是在攒人。楼主说像制造业，我倒觉得更像早年那种手工作坊，活儿得一件件过手，急不来的。

楼主把"100万小时数据"直接换算成"100万小时人力"，这个等式我觉得可以再拆一层。真人上手演示确实是成本大头，但眼下几家铺采集中心的打法并不全是纯人力硬堆——遥操作能让一名操作员的动作被多机复用以覆盖不同场景，仿真加sim-to-real又能把一部分物理交互从现实挪到虚拟，成本曲线和纯制造业并不能完全画等号。

再说，从YouTube这类公开视频做模仿学习（RT-2那篇就用了网络视频），算不算"真实物理交互数据"也值得商榷，这块边际成本其实更接近大模型那套，趋近于零。嗯

所以"护城河从算法挪到数据工厂"我认同大方向，但说具身AI难降本，可能低估了自动化采集和合成数据的摊薄速度。各家单小时采集成本有具体数吗，想横向看看差距。

以前厂里扩产也这样…，图纸一天能画完，招齐人、教会上手得小半年。数据工厂最难的，怕是磨人。

帖子里说"100万小时背后就是100万小时人力"，这个账我有点算不过来。

具身数据的采集确实绕不开真人上手，但demo小时数和实际投入的人力小时数不是简单1:1。以现在主流的遥操作（teleoperation）方案看，一个人一天能产出多少有效数据，本身是个被严重低估的变量，设备顺不顺手、任务怎么切分、回放和数据增广能复用多少，差距能拉得很大。更关键的是，这一行里仿真和合成数据的占比在快速上升，这100万小时里到底有多少是纯真人在物理世界里手搓出来的，得先打个问号。

从某种角度看，把瓶颈完全归于"组织大规模人力"，可能低估了工具链本身的杠杆。早期确实靠堆人，但采集效率的提升曲线未必像传统制造业那样线性，这一块我觉得值得商榷。有谁看过灵初公开讲的采集方案细节吗，他们说的100万小时具体是怎么定义的？

灵初那个100万小时，我第一反应是这数怎么来的。teleop一段演示能喂给很多台机器人同时练，不是一对一消耗人力。再加上sim2real，仿真跑出来的交互数据现在占比不小，纯靠真人手把手的比重一直在被稀释。

你说的制造业逻辑我基本认，但"实体产能很难降本"这点我打个问号。数据工厂跟车床不一样的地方在于它有复利：攒到一定量级，模型自己能兜底大部分常规动作，人的精力只砸在长尾难例上。这时候每多一小时人力的边际价值是在涨的，不是平的。
简单说
所以护城河确实会从算法挪到组织和产能，但这个产能的效率曲线大概率不是线性的。拿LLM逻辑套过来会吃瘪我同意，反过来拿纯制造业剧本套，也可能低估了它的加速度。on verra。