估值150亿，采数据的人日薪120元

具身智能的钱正在以肉眼可见的速度涌入，但支撑这个行业的地基，是日薪120元的重复劳动。

近日，具身智能公司星尘智能宣布完成10亿元规模新一轮融资，由投控东海（深投控）领投，洪泰基金、光华阳光管理的宁海兴泰合基金、善恒资本等国资及财务投资人跟投，老股东先沐追投，估值达到150亿元。这是该公司近半年内完成的第4轮融资。

同一时间线上，另一群人的故事几乎无人关注：他们戴着VR头显、背着充电背包，每天叠衣服、铺床单、给快递贴标签，日薪120元。他们是机器人数据采集员——具身智能行业真正的「燃料供应者」。

钱在天上飞，数据在地上爬。这中间的落差，恰恰是理解具身智能当下最关键的一把钥匙。

🚀 半年4轮，星尘的钱要往哪砸

先看这轮融资本身。

10亿元规模、150亿元估值，放在任何赛道都不算小数字，而更值得注意的是节奏——近半年内的第4轮融资。这意味着资本对该赛道的下注密度已经进入「按月计」的状态，而非过去按年、按里程碑推进的传统节奏。

投资人结构同样有信息量。领投方投控东海背靠深投控，是典型的国资背景；洪泰基金、善恒资本等财务投资人跟进，老股东先沐追投。国资领投+财务跟投+老股东加注的组合，通常传递两个信号：一是地方政府希望把具身智能项目留在本地产业链里；二是存量投资人用真金白银为估值背书，而非等待接盘。

资金用途上，官方口径是四个方向：模型迭代、人才扩充、商业化落地和产能建设，并继续投入「三位一体全栈架构」建设。

把这四个方向连起来看，其实是一条完整的链路：模型要变强，需要更多数据和人；要商业化，需要产能把机器人真正造出来。换句话说，钱不是投给一个「故事」，而是投给一条还在打通的流水线。

但问题也随之而来：模型迭代的钱花出去，最终都要变成「数据」这个中间品。数据从哪来、成本几何、质量如何——这是所有具身智能公司绕不开的暗面。

📊 日薪120元：数据地基的真实成本

机器人还在学干活，教它们干活的人已经上岗了。

据「定焦One」对五位从业者的采访，机器人数据采集员的工作内容朴实到令人意外：叠衣服、铺床单、洗碗、给快递贴标签——那些人类做惯了的动作，被他们每天反复演示，记录下来的数据经过审核、筛选，再喂给模型。

一位22岁的兼职采集员小孙的经历很有代表性。他以为这像科技馆里的体验项目，「戴上设备，做几个动作，既新鲜又不会太累」。真正上岗才发现，这更像一份需要长时间重复劳动的流水线工作：先培训两天学设备使用和动作要求，然后戴上VR头显、背着充电背包正式开工。头显压着眼镜、手套里捂出一手汗、衣服掉落得重来，都是日常。他的日薪是120元。

而另一位在家反复做家务的采集者，月收入约5000元——把这份工作当作过渡。有人带团队采数据，一个参数没调对，几百小时的数据全部作废；还有人给机器人采了几个月数据，却在工作现场连一台真机器人都没见过。

目前行业里采数据大致有三条路径，成本结构和方法论差异很大：

不少采集员未必说得清自己属于哪一类，「他们更关心的是，一条数据要几分钟，一天得凑够几个小时，每天反复做这些动作，究竟能挣多少钱，又能干多久。」

这句话值得整个行业停下来读两遍。当一线执行者对技术路线无感、只关心计件收入时，说明数据采集已经是一门标准化的人力生意——它像极了几年前的AI数据标注产业：行业向上狂奔时，地基是一群拿日薪的人在流水线上「打螺丝」。

据多位接近头部具身智能公司的人士私下透露，数据采集成本在训练预算中的占比，是各家CTO最头疼的问题之一——真机遥操数据质量高但贵到肉疼，纯视频数据便宜但动作信息稀薄，两头都在找平衡。

而这也正是技术层面正在被攻坚的问题。

🧠 LAC-WM：跨本体才是省钱的终极答案

数据采集为什么这么贵、这么苦？根源在于一个行业级难题：不同机器人的本体（embodiment）和动作空间各不相同。

一台双臂机器人的动作空间，和一条机械臂、一只灵巧手完全不同。数据没法直接复用，意味着每换一款机器人，采集就要重来一遍。这是具身智能数据成本居高不下的技术根源。

最新发表在arXiv上的研究 LAC-WM（Latent Action-Conditioned Robot World Model，潜在动作条件化机器人世界模型）给出了一个直击要害的思路：让所有机器人共享一个统一的学习式潜在动作空间，在这个抽象空间里训练世界模型，再适配到具体本体上。

研究者将其与显式动作条件化的世界模型（EAC-WM）做了对照——后者使用显式的运动标签作为条件。结果差异非常刺眼：

• 在灵巧操作任务上，LAC-WM的下游性能比EAC-WM最高提升46.7%；
• 在改版LIBERO基准上提升11.7%；
• 更关键的是扩展性：LAC-WM的下游性能随预训练本体数量增加而正向扩展，而EAC-WM因为不同本体的动作表征彼此割裂，本体越多，性能反而下降。

这组对照实验的含义，放在产业语境里再直白不过：动作空间的统一与否，直接决定了数据能不能跨机器人复用。

如果LAC-WM这类跨本体路线跑通，逻辑推演是清晰的：某家公司在A型机器人上采集的叠衣服数据，理论上可以迁移给B型机器人用——前期投入的每一小时遥操数据，边际价值被放大；数据采集这门「苦生意」的单位经济模型才有可能被改写。

反过来看，这也解释了为什么星尘智能要把融资投向「三位一体全栈架构」。全栈意味着模型、硬件、数据闭环都在自己手里，数据采集的反馈可以直接进入模型迭代，而不是被夹在中间商链条里层层损耗。在数据本身就是核心资产的行业里，全栈不是情怀，是成本结构的选择。

⚠️ 150亿估值之后：钱多和地基薄之间的赛跑

把三条线索拼在一起，就能看清具身智能当下真实的产业图景。

资本侧，半年4轮融资、150亿估值，热钱和国资同时进场，赛道被抬到了一个很高的预期位置上。

技术侧，跨本体世界模型这类研究刚在学术层面证明「统一动作空间」的价值，距离工程化落地还有距离——但方向已经被数据验证：性能提升46.7%和11.7%不是小数目，且扩展曲线是正向的。

供给侧，数据采集仍是人力密集型苦活，日薪120元、月入5000元，人员流动性高——「有人觉得酷，有人一个月就走」。这条供应链的稳定性和质量一致性，目前都依赖大量人工管理和审核。

三者之间存在一个明显的时间差：估值是按未来给的，数据地基是按现在的成本一铲一铲挖的。谁先把「数据成本」这个变量打下来，谁就能在下一轮估值重估中占住身位。

对星尘智能而言，10亿新钱砸向模型迭代和商业化落地，本质是在和时间赛跑：模型的迭代速度要跑赢数据的采集成本，商业化收入要跑赢资本的耐心。而对整个行业来说，数据采集员的120元日薪和150亿的估值曲线，短期内在同一条产业链上共存，长期则必须收敛——要么技术把复用成本打下来，要么数据供给走向更规模化、更专业化的组织形态。

值得观察的下一个信号是：国资背景资本批量进场后，各地会不会出现政府主导的数据采集与共享基础设施——就像当年各地争建的算力中心一样，「数据中心」很可能成为具身智能城市竞赛的下一个标的。

小结

150亿估值和120元日薪，是同一个行业的两副面孔。资本看到了世界模型的想象空间，数据采集员看到的只是一天要凑够的工时。而LAC-WM这类研究正在证明：统一潜在动作空间能让数据随本体数量正向扩展——这是把「人力地基」变成「数据资产」的技术前提。半年4轮融资只是上半场，下半场比拼的，是谁能把数据成本曲线真正压下去。地基浇筑完成之前，所有高楼都还在图纸上。