AI“炼化”人类：巴菲特与刷马桶者在数据面前并无区别

2026/05/07 19:13阅读量 2

具身智能训练需要海量人类动作数据，无论是巴菲特的公开演讲还是普通人的日常家务，都被大规模采集用于训练机器人。DoorDash、Uber等平台及Micro1等公司正以零工模式在全球收集数据，行业年支出超1亿美元。2025年人形机器人领域投资超60亿美元，但高质量动作数据仅50万小时，远不能满足需求。

事件概述

AI正在平等地学习人类行为数据——无论是巴菲特的投资经验还是普通人洗碗、叠衣的日常动作，都被转化为训练数据，用于培育具身智能。伯克希尔股东大会上出现的“AI巴菲特”仅需其过往媒体数据即可生成，而DoorDash、Uber等平台则通过零工经济采集普通人的日常动作。

数据采集规模化：DoorDash配送员被要求佩戴随身摄像机拍摄洗碗视频，Uber司机上传照片训练模型。Micro1公司在全球50多个国家雇佣数千兼职人员，将iPhone固定在头上录制家务动作，时薪约15美元。机器人公司每年花费超1亿美元购买真实世界数据。
具身智能数据饥渴：2025年人形机器人领域投资超60亿美元，中国具身智能相关企业注册量同比翻倍。但当前高质量动作数据仅约50万小时，远低于训练需求。真机遥操作数据价格高达500-1000元/小时，高动态动作（如跑酷）约10元/秒，日常家务数据相对较低。
全球数据竞赛：中国方面，智元机器人在多城布局数据采集中心，帕西尼感知科技新建4座超级数据工厂，京东宣称要建成全球最大数据采集中心。有公司在小区租下数十套房子专门收集家居数据，动捕公司也加入高难度动作数据采集。
从语言到行为模型：与语言模型不同，动作模型需理解三维空间和物理规律，复杂度更高。当前日常家务数据采集门槛较低，类似早期语言模型由肯尼亚劳工标注，未来具身智能成熟后可能仅需高难度动作数据。

动作数据采集窗口期有限。随着具身智能技术进步，日常动作数据价值可能迅速下降，高难度、动态数据将成为下一个争夺焦点。