对话 EgoScale 创始人：能赚钱的 Ego 数据公司不超过五家，我是其中之一

卷数据规模，可能是行业最大的误区。 作者丨向 欣 编辑丨高景辉 雷峰网报道：「今年做 Ego 数据真正能赚到钱的公司，国内最多只有五家。」做出这个判断的，是具身数据创业者袁日正。你可能没听过他的名字，但如果你是业内人士，一定听过他的公司名——「EgoScale」。或许和我一样，你看到这个名字的第一眼，多半认为它是一个「蹭热度」的公司，毕竟引爆「Ego」概念的，就是英伟达的那篇力作「EgoScale」。但袁日正告诉我，早在英伟达 EgoScale 项目发布四个月前，他就已经注册了 egoscale.com这个域名。作为最早入局 Ego 数据的创业者，他用一年多的时间搭建了采集体系，跑通了自动化处理流程。据他所说，目前 EgoScale 在国内 Ego 数据交付量稳居前三。这也是为什么袁日正有底气说出开头那句话。他还告诉我们，一些数据赛道的「量产大户」，其实在水面之下。那么，为什么像 EgoScale 这样名不见经传的数据公司，能在没拿到融资的情况下跑通量产交付？在和袁日正探讨这个问题的过程中，我发现他有许多和行业主流截然不同的认知，但又十分自洽。比如，当所有人都在开发「头环」式数采设备时，EgoScale 做了一顶搭载双目相机的帽子。他说，大多数公司设计采集设备时只从技术角度出发，却很少有人从采集员的角度想过，采集员是否愿意每天戴着它工作10个小时。再比如，当头部玩家挨个喊出百万小时数据的目标时，他却认为卷数据规模可能是行业最大的误区，从供应链的角度解释了相比堆时长，数据的场景丰富度、任务多样性要重要得多。除此之外，关于数据采集的每一个环节，他都有自己的一套逻辑。这套逻辑最终跑出来的结果是：每月1500人次的采集员轮转，只用不到20人的全职团队管理，数据有效采集率高达80%。所以回到最开始的问题：Ego数据到底要怎么做？答案就藏在这些「非共识」里。0110万小时数据，可能一文不值▎AI科技评论：Ego数据已经从一个相对小众的方向变成具身智能领域的热门赛道，现在这个局里都有哪些玩家？袁日正：可以分为三类。第一类是自研硬件、采集原始多模态数据的创业公司，一般是Ego+UMI同步采集；第二类是依托标注流水线、外部获取素材再加工的公司，包括从智驾数据服务转型做具身Ego数据的公司，以及从互联网第一人称视频中蒸馏提取Ego数据的公司；第三类是从具身智能生态内部孵化出来的数据公司。赛道里公司虽然多，但全中国今天真正能做到规模化交付、被头部客户验收的团队，不超过5家。在国内Ego数据交付量上，我们稳居前三，已经进入多家国内外头部科技公司、模型公司和具身智能企业的供应商体系，完成了多批次数据交付。▎AI科技评论：为什么你们能稳居前三？剩下的公司卡在哪儿？袁日正：主要卡在数据同质化上。有头部客户跟我们说，他看过四五十家demo，国内外的都有，其中好几家的数据长得一模一样。我们的数据不会同质化。▎AI科技评论： 同质化是什么原因造成的？袁日正：采集模式的问题，数据来源太重合了。行业里不少公司采用众包模式，找几家B端人力公司，由他们组织人去采集。但人力公司会同时服务多家客户，同一个场景（地点）被反复采集。从人力公司的角度想：接了A公司的单，拍完了，人员闲置了怎么办？自然会去找B公司，再拍一遍。两家公司的数据本质上是同一批人拍的。即便你花大价钱买了所谓的「独家数据协议」，在底层供应链上，拿到的依然是没有任何差异化的二手数据。另一种是去数据工厂采，但工厂的场景和任务丰富度极其有限。10万小时的数据如果只来自10到50个工厂，本质上就是过拟合，高度重复。对训练World Model或VLA来说，边际价值很低。▎AI科技评论：那你怎么保证自己的数据不会同质化？袁日正：数据就两件事：采集和处理。如果把采集这一块完全外包出去，核心资产支撑度就很浅了。我们的采集员都是自己运营管理，分布在全国各地，能采集真实场景里各种各样丰富的数据。很多公司强调规模，动不动就说手里有10万小时数据。但我觉得强调规模是这个行业最大的误区。同样是10万小时，一个包含50个场景，另一个包含5万个场景，后者更有价值。现在大多数人都在做前者，因为堆量比拓场景容易得多。我们是其中极少数懂得要做后者，强调数据多样性的公司。▎AI科技评论：你说的数据多样性，就是指场景足够多吗？袁日正：数据多样性不仅是场景数量，还包括任务、动作、物体、工具、人员、环境、操作路径、成功与失败过程，以及异常和恢复行为。还有一个差异点是我们的数据高度结构化，能够满足模型直接训练要求。▎AI科技评论：也有一种说法是「缺什么技能就补什么数据」，觉得现阶段做通用数据不现实。袁日正：这取决于你的目标是做一个完成特定任务的Demo，还是做一个通用的具身大模型。如果只是为了完成某个工业位姿的抓取，企业自己找几个人采一下就够了，根本不需要第三方数据公司。我们的大多数客户目标是做通用模型，底层喂养的，必须是海量、泛化、甚至带点corner case的真实人类生活数据。▎AI科技评论：你们重点采集哪一类场景的数据？袁日正：主要是家庭、商业场景，基本不采工业。现在国内外对家庭场景数据都很重视。家庭机器人在国外特别火。去年我在硅谷接触了不少高收入人群，有做消费品的，有特斯拉的高管，他们普遍焦虑的是下班还要回去处理大量家务，即便年薪千万美金，请保姆一个月几万美金也觉得不划算。工业场景是在固定环境里做固定的事，放几个摄像头就够了，根本不需要Ego。去年5月之前做Ego的公司都在采工业数据，这不make sense。02懂人性，比懂技术更重要▎AI科技评论：你们用什么设备采集数据？袁日正：我们做了一顶帽子。这是全球第一个双目数采设备，也是第一个帽子形态的采集设备，一直在使用，只是为了避免被抄袭，所以没有对外发布。它配一个很小的充电宝就能10小时全时拍摄，充电宝用魔术贴固定，没有做复杂的机械架构，而且放在帽子上几乎没有重量。而且戴一顶帽子，采集员和他们周围的人不会觉得突兀，干活更加自然。现在不少同类产品其实都是拼凑的，对外宣称是自研，实际上就是用的Gopro，我们是从头到尾全定制设计的硬件。所以有投资人来问我们说，你们怎么和同行竞争，我会反问投资人，他们怎么跟我们竞争？▎AI科技评论：智能眼镜会不会更轻便？袁日正：我们在眼镜上尝试过采集数据，试了一年。要说谁比我们更懂用眼镜采数据，可能只有Meta。但结果告诉我们，眼镜在重量、续航、散热、成本、参数上都有瓶颈。▎AI科技评论：最终为什么收敛到双目，而不是像有些同行那样做六目？袁日正：我和很多海外学术社区的人交流过，基于这些信息提炼出核心判断：采集数据到底是为了做环境采集，还是做手部操作的训练数据？如果是为了训练「大脑」执行手部操作，盯着前面的双手就够了，为什么要看后面？六目带来的价值未必能覆盖其硬件和隐形成本。多一个摄像头，数据量就会暴增，传输、处理和存储数据的成本都会上涨。▎AI科技评论：采集之后，数据怎么传回来？袁日正：本地存储之后无线上传。不需要拔卡、寄回工厂、人工拷贝。我们是当天采、当天传、当天反馈，第二天任务自动更新。六目方案做不到这一点，多一个摄像头，数据当天就传不完。这个运营闭环，目前全世界没有第二家做到。他们不做无线传输，不是技术问题，是产品思维问题。插卡传输的只能集中管理，理论效率高，但多样性低、成本高，需要线下管理，中间有人抽成。我们是通过互联网找到C端采集员，寄设备、收设备，全程线上对接。▎AI科技评论： 你们现在有多少采集员？怎么管理？袁日正： 采集体系月周转1500人，大多数是宝妈，标注体系800人，整体人员分工动态调整。我们公司全职不到20人，4月份之前只有6个人，主要是依赖自动化体系对采集人员进行线上管理。▎AI科技评论： 人都散在全国各地，采集质量能保证吗？袁日正： 我们的有效采集率是80%，行业里很多只有50%，甚至10%。差别在哪里？主要是对人性的理解。采集员最关心的是赚钱，我们对采集员的培训不谈规范，而是告诉他：「你不按这个角度拍，就会少赚多少钱。」 这是对人性的理解。▎AI科技评论： 你说的这套「人性论」，放在一堆技术博士创始人面前，有点非主流。这和你之前说的产品思维问题是一个逻辑吗？袁日正： 对。有很多友商的创始人大多来自大厂，做技术没问题，但对产品的理解不一定到位。我从2015年开始创业，本科期间做成功了两个产品，积累了第一桶金，做过个人投资，也在蚂蚁集团做过产品经理。我觉得懂产品、懂人性比懂技术更重要。懂人性让我能把产品做得轻、戴得舒服，让人愿意戴满10小时；我也明白客户要的不是复杂的报价单，而是按小时计价的标品。我觉得产品专家比技术专家更难招。因为技术需求是标准的，而懂硬件、软件、运营、自动化的产品人，太稀缺了。03数据壁垒不在采集，在于规模化交付▎AI科技评论：有人认为Ego数据采集说到底就是组织人拍视频，这个行业有什么技术壁垒吗？袁日正：如果你只采一个小时数据，把它后处理出来，这没有任何壁垒。真正的壁垒是能不能规模化、高效地持续产出高质量、可直接进入大模型训练的数据。▎AI科技评论：高质量、可直接进入大模型训练的数据，具体长什么样？袁日正：除了原始视频，我们交付的完整数据包还包括同步双目影像、IMU、时间戳、标定参数，以及任务描述、动作切分、手部姿态与轨迹、质量评分和场景元数据等训练级数据。▎AI科技评论：这么多处理环节，规模化交付岂不是很难？袁日正：我们搭