刚刷到灵初智能那新闻，说在搭大规模数据采集中心，年底要攒到百万小时。而且4月就开源了上千小时的"人类手"数据。

卧槽我琢磨这事儿挺逗，说白了就是想让机器人学会干活，得先把人怎么动手的全录下来让它照着模仿。底层还是手把手示教喂数据，听着玄乎其实是笨功夫。

绝了最有意思的是这采集本身就是纯人工苦力，得雇人戴手套一遍遍摆弄零件录视频。百万小时听着唬人，可真要让机器人稳稳叠个衣服端个碗，这点数据怕还是不够塞牙缝。科技转一大圈，最累的活儿又兜回人的双手上了哈哈哈

哈哈哈最累的活还是兜回人手上，戴手套一遍遍摆零件录到地老天荒。百万小时塞牙缝都不够，这数据黑洞绝了

半夜刷到这条，脑子里忽然浮出个画面。不是实验室，是小时候看巷口裁缝用粉片在布上划线的样子。那双手知道往哪儿落、该用多大力，可你要问她，她也说不清。说实话

你说的"笨功夫"一点都不笨，反倒戳着一个很老的问题。仔细想想工业机械臂最早就是人握着示教盒，一个关节一个点地把它挪到位、记下来，再让它照着 replay，那条路子一直叫"示教再现"，几十年前就这么干了。如今无非是把手套换成摄像头，把轨迹换成百万小时视频。绕了一大圈，绕回的仍是同一桩事：让一个没身体的东西，去学着拥有身体的记忆。

话说回来人和机器最不同的地方，大概是小孩学拿筷子，三五次就够了，因为他会"懂"。叠衣服也一样，你教一遍，他记下的是"布会垂、会皱、会被风掀起一角"这种说不出口的东西。机器没有这层，它只能把你的动作拆成无数帧，再赌自己的运气。百万小时听着吓人，可一个人的手从笨拙到稳当，背后是带着知觉、带着目的、带着无数次失手的十几年——那部分从不计入数据。

所以楼主那句"最累的活儿又兜回人的双手"，我倒不觉得只是笑话，更像一种倒影。我们正用数据一遍遍描摹自己，描到最后才发现，落笔的始终是人。

只不知等机器真叠好了衣服，我们还记不记得自己当年是怎么学会的。

笑死，这不就是雇一帮人替机器人先打工嘛。不过说真的，我倒觉得这笨功夫反而靠谱，再玄乎的算法也得有人把手艺一帧帧喂进去，省不掉的。

你最后那句"最累的活儿兜回人的双手"我太有共鸣了。我辞职出来创业这大半年，越来越觉得这年头多少"智能"底下都是人力在垫。招人、对需求、抠细节，脏活累活一样没少，科技转一圈又兜回人自己身上。

不过"百万小时不够塞牙缝"这判断我有点不同看法。在具身智能这块，百万小时其实是夸张到离谱的量级，公开数据集大多还停在几千到几万小时的量级。真堆到那个数，瓶颈不会是量不够，而是数据长得够不够杂——叠衣服难在布料、褶皱、光照一变模型就懵，要的是覆盖多样性，不是把同一动作录一万遍。所以头部团队才拼命搞自动采集，光靠人戴手套摆弄，效率和上限都吃紧。

录人手的活儿，说到底还是人在替机器受罪。以前总盼机器解放双手，转一圈，活儿又回手里了。

看到"戴着手套一遍遍摆弄零件"这句，心里忽然有点发酸。我以前送外卖那阵子，冬天手指冻得弯不过来，那时候只觉得这双手是拿来受累的。现在机器要学着像人一样用手，才发觉这双笨拙的手，原是我们最难交付出去的东西。

想起里尔克好像说过，用手劳作的人离神最近。科技绕了这么大一个圈，绕不开的终究还是这双手。百万小时听着浩大，可真要录下一个人怎样托起一只碗、怎样把皱巴巴的衣角抚平，那些分寸和暖意，数据是装不下的。

说到底，雇人录数据这活，和当年我摆地摊也没差多少，都是拿时间一点点磨出来的苦力。时代换了张皮，受罪的还是同样的骨头。

等等，我最纳闷的是这百万小时到底怎么攒出来的。雇人戴手套录视频这事儿听着就费人，真要冲百万小时，光人力成本怕是能把不少团队拖垮。我怎么觉得他家4月抢先开源那上千小时，心思不完全在"做贡献"上，更像是先放点饵出去把开发者和生态圈拢住。脏活累活兜一圈还是落在人手上，机器人没学会之前，人先累个半死哈哈

百万小时这个数字到底够不够，其实得看它怎么被切分，不能光看总时长下结论。如果这百万小时铺在几百个细粒度技能上、每个任务几十小时级别，规模已经超出RT-1、Open X-Embodiment这些公开数据集一个数量级，泛化底子不会差。但如果主要是单一场景反复堆叠，长尾物体和扰动一上来确实容易崩，楼主担心的点在这里才真正成立。

楼主说"底层还是手把手示教喂数据"——示教确实是当下主路线，但严格讲现在主流是把遥操作采集的demo数据和RL微调结合，纯行为克隆有天花板，没见过的情形很难靠模仿覆盖。从某种角度看，数据采集的边际成本也在降，一份数据能被多个模型反复吃，杠杆比"纯苦力"听起来要高些。

再花哨的叙事最后兜回到人的双手上，这反差本身就够赛博朋克了（笑）。真要机器人稳稳端碗，难的从来不是学会，是每次都稳。

哈哈这倒让我觉得挺暖的，转了一大圈最后还是得靠人的一双手。C’est la vie，笨功夫虽然累，但这种一点一滴攒出来的实在劲儿最让人安心，你说呢？

百万小时这个数我第一反应也是吹。但真正卡住机器人叠衣服的，不是数据量不够，是它在动作跑偏之后怎么自己拉回来。

imitation learning 有个老问题叫 compounding error：训练数据全是"正确轨迹附近"的样本，真机一跑差几毫米，状态就掉到分布外，而数据里根本没有"从错误状态把动作救回来"的样本。所以纯 teleoperation 演示录得再多，机器人也只在第一次手滑之后彻底崩。光堆量破不了这个天花板。

几条更实在的路子：

• ACT / diffusion policy 把动作做成 chunk 或分布，容错比单步策略好一截，但大偏差照样救不回
• 真机自收集 + 最少人工 reset，让机器人自己试错攒数据，比雇人戴手套摆零件高效得多
• sim-to-real，仿真里跑亿级试错再迁移，单位成本比真人录像低几个数量级

还有个你没提到的点："人类手"数据和机器人本体对不上。人二十多自由度，夹爪两三个指头，录的轨迹得 retargeting 才能用，这步本身丢信息。所以开源那上千小时，价值更多在 benchmark 和标定，不是直接能喂。

灵初这套我猜是在赌数据飞轮——采集越多策略越泛，泛化换来落地，落地再养采集。逻辑自洽，但"百万小时"更像融资叙事。叠衣服端碗这种长程活，靠录像堆出来的策略离"稳稳"还远着。