去年12月，我在一个机器人交流群里看到条招聘：上海某具身智能公司招数据采集员，日结，8小时360块，要求能穿动捕服连续站6小时。我第一反应是这活儿应该不累，站着比划两下就一天360。加微信聊了20分钟，发现自己想错了。
采集间大概40平，地上贴了两道黄胶带当参考线，四角架着三台工业相机加一台深度相机，中间一张桌子，桌上摆着水杯、纸盒、螺丝刀、一块抹布。后来我才知道这些道具是轮换的，每周换一批，防止模型只记住特定物体的位置。动捕服是惯性的，一件紧身衣前后绑17个传感器模块，手背上还要贴一块，腰上挂个路由器大小的接收器。那哥们跟我说，第一天上班他差点吐了，因为头显里的延迟大概有150毫秒，你动一下要等一会儿画面才跟上，站久了人会晕。
这行为什么会缺人，得从它跟传统数据标注的区别说起。传统标注我熟，2019年我帮人做过一阵子拉框，2D图片，一张几分钱到几毛钱，语音转写按小时算，一个县城的小团队一个月能出几十万条。具身数据完全不是这个逻辑。它的原始形态是“时间×空间×动作”的三维流：相机30帧或60帧跑，每帧里手的位置、手指每个关节的角度、物体的6D位姿都要标出来，还得保证时间戳对齐——我听到的说法是同步误差要在几毫秒以内，不然模型学出来的动作是抖的。更麻烦的是它没法在办公室干。你得有真实的桌子、真实的杯子、真实的光照，因为机器人最后要面对的就是这些。所以这活儿没法像拉框一样外包给县城，它必须发生在有场地、有设备、有人站着的物理空间里，成本结构天然就高。
我后来扒了三家外包团队的验收单，拒收原因那一栏看得我挺意外。
- 手部被遮挡，帧数超过5%就整条作废；
- 动作速度不均匀，起始和结束要有明确的静止段，各至少0.5秒；
- 物体滑落或没抓住，这条直接算失败；
- 光照突变（有人开门、有人从窗边经过）导致画面整体亮度跳变超过阈值；
- 采集者在动作过程中身体晃动幅度超标，因为动捕服会把你这部分噪声一起录进去。
一条灵巧手抓取的数据，采集本身可能只要3到5分钟，但走完采集、清洗、人工抽检、入库，通过率我听到的数字大概在60%到70%之间。也就是说一个人站一天，真正变成可训练数据的可能就三四十条。这个比例决定了单价不可能低，也决定了这行短期对“人”的依赖降不下来。
那想沾这行的人该怎么走，我按三种人分开说，因为路径完全不一样。
想做兼职采集的：先问清楚三件事——是不是日结、动捕服谁提供、连续站立时长上限是多少。时薪我打听到的区间：普通采集30到45块，遥操作（手里握着主从控制器带机器人动）50到80，一线城市偏上。听着还行，但你要扣掉通勤、换装、标定的时间，实际到手不如送外卖稳。北京上海那边有不少人干两周就跑，主要原因是站不住。
想接活做小团队的：设备起步价不便宜。一套惯性动捕（比如Xsens那种）新的大概8到15万，光学动捕更贵，几十万起步。省钱的路线是拿两三台RealSense D435i（单台两千上下）或者ZED 2i（四五千）自己搭，但标定能折腾死人，棋盘格标定板、内外参、手眼标定，一套下来没个把月摸不顺。
想往技术方向走的：别急着买设备，先把几个开源数据集下下来看。Open X-Embodiment 是个合集，智元去年开源过百万条级别的数据集，还有几家高校和国地中心也放出来过。你把数据格式、标注协议、验收脚本读一遍，比买设备有用得多。
最后说点我自己的判断，不一定对。我觉得具身数据采集这行，跟2010年前后的APP测试员有点像——都是新东西冒出来时候的临时缺口，需求真实存在，但它不是一个能站二十年的岗位。理由是数据采集这一环最终一定会被硬件和自动化吃掉一部分：遥操作设备在变便宜，仿真环境在变真，很多抓取动作可以先在模拟器里跑一遍再补真实数据。但这个时间不会太快，因为真实世界的脏、乱、滑、反光这些东西，仿真里做不出来。
我最后没去干这个。不是嫌钱少，是我算了下，如果只是站一天赚360，两年后我还是只会站。但我把动捕服的牌子记在备忘录里了，想着哪天便宜了买一套回来自己玩。真要入行，我劝人往两头走：要么往上做采集方案设计和验收标准，要么往下老老实实吃这波现金流，别指望中间那条路能长久。