MaxInsights 袁宇光：如何生产机器人第一视角训练数据

陈茜介绍，机器人公司长期面临数据短缺，而不生产机器人的 MaxInsights 把机器人训练数据做成了一门生意。创始人袁宇光称，公司年化经常性收入从去年的约 100 万美元增长到约 2.5 亿美元，积累近 200 万小时的人类第一视角数据，并组织了接近 4000 人的全球采集网络。

袁宇光说，MaxInsights 的主要业务是把人类活动数据转化为机器人可用的训练数据，服务头部模型和机器人智能公司。他将过去一年的快速增长归因于行业需求变化：客户使用大量高质量数据训练模型，并观察到了新的能力和表现。

陈茜问，行业此前谈论缺数据时，缺的是遥操作数据还是第一视角数据。袁宇光说，公司早期与客户共同探索遥操作、仿真、第一视角以及手套等数据形态。遥操作的产能有上限，仿真则面临从模拟到现实的迁移差距。

袁宇光回忆，公司最初接到的是 200 小时第一视角数据订单，客户是一家美国头部大模型公司。双方最后选择这一方向，是因为数据对训练有用、能够快速扩产，也可能把人的隐性技能转化成机器人的知识和技能。

他以叠衣服为例：世界上有许多不同的叠法，把多样的人类方法纳入训练，有机会让机器人处理不同衣物时更可靠、更有效。陈茜将其概括为通过数据提高泛化能力；袁宇光称，他们去年已看到一些初步效果。

按照袁宇光的叙述，公司第一视角数据从最初的 200 小时，增长到去年累计约两万小时，再到今年初约 20 万小时。随着数据量提升，客户的痛点也从单纯缺数据，逐渐转向缺少高质量数据。

采集人员佩戴头部设备记录日常活动，原始视频随后经过处理，变成可用于训练的数据。陈茜观察到上一代设备有六个摄像头；袁宇光说，设备视野约为 270 度，设计目的是在头部晃动和手部移动时，仍能尽量让双手留在画面中。

设备不仅要拍到手，还希望捕捉身体部位和周围环境，为手部追踪与姿态追踪提供信息。袁宇光说，公司倾向于使用相对专业的采集人员及团队，重视对质量、产量和多样性的直接管理。

袁宇光把团队管理方式类比为 DoorDash 或美团：需要组织大量采集人员，同时控制质量和输出。他认为，直接管理采集网络有助于满足客户对规模、质量与多样性的要求。

新一代采集设备更轻、电池续航更长，标定也更快捷。摄像头从六个减少到四个，是因为团队希望在获得相同信息的前提下优化成本。设备像帽子一样佩戴，通过手机应用连接并开始使用。

关于产能，袁宇光表示公司每月最高可采集约 45 万小时，现有数据接近 200 万小时。他将其描述为高质量的第一视角数据集，但陈茜追问：客户如何判断大量视频是否真的能用于模型训练？

袁宇光说，质量标准包括高精度追踪、数据多样性以及足够的数据量，还需要语言标注和有意义的任务内容。他称追踪精度需要达到毫米级；无意义地玩手机或挠痒，不应算作有效任务输出。

从原始视频到可直接训练的数据集，需要经过复杂的数据管线，包括手部与语言标注、视频理解和分类，以及质量检查。公司还让人工参与验证；反馈可以回到管线，用来改进模型和处理流程。

袁宇光说，公司会给数据设置不同置信度等级，以匹配客户需求，但不把低质量数据直接交给客户。他表示，未达要求的数据会重新进入管线，帮助团队找出标注和处理问题；整条管线至今已迭代约六七轮。

陈茜请袁宇光解释第一视角数据与 UMI 数据的区别。袁宇光说，UMI 采集时人手操纵夹爪，夹爪形态可直接映射到机器人夹爪；裸手第一视角数据则记录真实的人手动作。UMI 可用于模型中期训练，甚至后训练。

他认为，夹爪数据适合以夹爪为末端执行器的机器人，裸手数据则可以映射到灵巧手。客户使用哪一种或两者如何组合，取决于自身机器人形态和训练需求。

袁宇光说，用 UMI 夹爪完成任务通常比裸手慢，采集效率较低，但后续数据处理相对简单。裸手动作更真实，也更不可控：手被遮挡、双手交叉或多人握手时，要稳定识别和追踪就更困难。

客户对遥操作、人手第一视角和 UMI 都有需求，但袁宇光观察到当前人手数据的需求量最大。他认为遥操作通常更贵，第一视角数据成本居中；按行业整体情况估计，后者可能便宜约一半，具体仍取决于客户要求。

谈到合成数据，袁宇光认为客户自己也能生成大量仿真数据，因此单独销售仿真数据并不是他们的主要方向；仿真公司仍可以提供环境和数据资产。他指出，世界模型及视频生成公司需要真实数据，部分也是 MaxInsights 的客户。

陈茜追问，视频生成公司买入真实数据后，再向机器人公司出售生成数据，是否会成为竞争者。袁宇光认为双方可以互相依存：一方提供真实数据，另一方生成更多视频，数据公司还可以对生成结果进行标注和处理。

袁宇光把自建数据管线和专有真值数据视为壁垒。他称，管线中的模型建立在多年积累的数据之上；采集、团队管理、硬件、处理模型和最终交付需要连成一条垂直整合的链条。对于后来者难以赶上的判断，是他对公司竞争位置的看法。

谈到近 200 万小时的数据由谁采集，袁宇光称公司在全球直接管理接近 4000 名采集人员。他将网络比作分布在各地的工厂：公司可以向采集员下达新任务，进入医院、养老机构等场景，并让反馈更快回到团队。

袁宇光说，团队曾尝试外包采集网络，但发现质量和产量难以满足需求。他举例称，2026 年 1 月曾要求供应方提供 10 万小时，设定两万小时为最低线，最终交付约 1.8 万小时，促使团队调整运营方式。

调整后，团队以设备为中心安排资源：设备要准确、使用正确，还要提高利用率。陈茜总结，硬件、培训和管理都需要到位；袁宇光补充，还需要一个同时管理人和设备的平台。

袁宇光称，数据采集运营团队的全职员工不到 10 人，通过带有 AI 智能体的平台协助管理约 4000 名采集员。平台可以反馈数据质量和产量，例如提醒采集员设备没有戴好；他称智能体为“小助手”。

采集网络分布在美国、墨西哥、印尼、越南、泰国、中国、土耳其和南非。袁宇光解释，不同国家的饮食、衣着和生活环境不同，跨地域采集有助于提高数据的多样性。

客户分为大模型公司和机器人智能公司两类。袁宇光没有披露具体客户名称；他表示，公司既提供训练数据，也希望把评估与后续落地结合起来，服务两类客户不同的需求。

陈茜问，同一套数据能否像 SaaS 软件一样授权给多家公司。袁宇光说，公司提供数据集使用授权，数据集每天都在扩充；一套经过验证的数据可以由不同客户复用。

如果客户使用相同数据，模型还如何形成差异？袁宇光认为，不同模型架构、训练配方、数据适配方式以及中期训练和后训练都会影响最终效果。实际部署时，从 99% 再提高到更可靠的水平，还需要后训练和反馈。

他预计客户对数据的需求还会扩大，部分客户需要围绕特定环境进行后训练、测试和评估。陈茜提到行业正在尝试从 100 万小时扩大到 1000 万小时，以继续检验规模效应是否成立。

袁宇光估计，要产出 1000 万小时的数据，人员规模可能需要在现有基础上增加三到五倍，达到约 1.5 万至 2 万人。他强调，扩张时的关键是同时守住质量、多样性和管线可靠性，并随客户要求调整。

袁宇光称公司已有 30 多个客户，不同客户对数据细分要求不同，双方需要持续沟通和迭代。陈茜进一步问，随着机器人数据走向更专业的场景，采集成本是否会像高端语言模型标注一样上升。

袁宇光认为，机器人数据需求正从简单模拟场景和擦桌子等重复动作，转向更复杂、更专业的任务。对于实际部署的客户，数据和测试还要针对特定环境，例如不同地区的养老机构，以提高任务成功率。

他称，从几百小时扩展到数百万甚至上千万小时，需要重新设计基础设施，包括上传网络和标注方式。公司使用自研模型做标注，目标是降低调用大模型的成本，同时提升质量。

陈茜问机器人数据会不会像互联网上的文本一样耗尽。袁宇光认为，不同数据类型有不同上限；在固定模型架构下，随着数据增加，成功率提升可能逐渐趋缓。进一步提升和解决更难任务，可能需要更专业的数据。

袁宇光预计，采集网络会从一般人员逐渐扩展到专家网络，帮助客户处理部署中更难的情况。他认为，谁能帮助客户更快落地、收回成本，谁就更有机会获得信任与订单。

数据规模效应放缓后，数据公司还有什么价值？袁宇光提出评估与部署：在真实环境中测试模型会在哪里失败、能否恢复，再把失败与恢复过程变成改进模型的数据。

他设想把数据生产、全球运营、评估和部署平台结合起来，向零售等客户提供更完整的支持。他把核心能力概括为高质量数据处理、运营，以及与客户持续协作迭代。

陈茜转向袁宇光的创业经历。他毕业后曾在咨询和自动化行业之间选择，最终进入伊顿，因为自己更希望动手做事。工作带他去过美国、墨西哥和日本，也让他积累了全球业务经验。

袁宇光在日本工作约四年，接触到丰田生产体系。他说，量产扩大时质量容易受影响，需要控制、调整、再扩量；如今他把类似的质量管理思想用于分布在全球的数据采集网络。

他列举运营中的细节：无意义任务、设备佩戴角度错误、手部遮挡和场景重复都可能降低有效数据质量。即使在同一房间四角同时采集、反复叠放同一件衣服能够提高表面效率，也未必有利于模型泛化。

2014 年左右，袁宇光离开伊顿创业。他把自己的选择比作飞出笼子的鸟：自由了，世界也变大了，但有时找不到食物。最初的公司尝试制造低成本工业机器人，以替代当时价格更高的产品。

第一台机器人尚未装好外壳，他原本想把它当废铁处理。后来他向一位大学教师介绍这台可开放底层编程的机器人，发现它适合高校和技能学校用于教学；这一开放平台成为早期客户的产品。

他说，当时每台机器人售价接近 20 万元人民币，在相同负载下仍比部分国际品牌便宜。公司后来从硬件转向计算机视觉，也因此接触到高质量数据采集的困难：要准确抓取和放置不同形态的产品，需要大量可靠图片。

后来他卖掉了公司。回顾那次创业，他建议创始人尽早思考商业模式和盈利方式，而不是像自己一样先飞出笼子，再在资源不足时摸索方向。

公司曾多次转型，包括为工厂提供联网与监控：系统快速接入几百台机器人，但客户不愿付费。袁宇光说，客户说“需要”不等于愿意购买，真正的痛点应当能在产品尚不完善时仍驱动付费。

他反思，当时只问少数熟人是否愿意试用，还承诺先免费，后来才发现付费意愿低；受访者也未必是最终决策者。如果一开始说明收费，客户的反应可能就会不同。

第二次创业前，他在加州大学伯克利分校读 MBA。2023 年看到机器人叠衣服后，他认为行业可能发生变化，于是向机器人领域的人发送陌生拜访邮件，前后咨询接近 200 人，逐步将回复率从约 10% 提高到 40%。

袁宇光说，湾区学术界与产业界紧密交流，帮助他形成对机器人行业和数据瓶颈的早期判断。他将公司的方向描述为研究与工程的结合：发展前沿技术，同时让数据生产能够扩大规模。

陈茜问，他如何判断数据是真正的痛点。袁宇光说，一方面可以参考自动驾驶和数字 AI 对数据的需求，另一方面要直接与推动前沿研究的决策者交流。他还强调，这家公司的上限最终取决于整个具身智能行业能否广泛部署。

对于“卖铲子”是否不如造机器人吸引人，袁宇光说，团队应从自身优势出发。他认为自己的长处是结合工程、研究与运营，帮助客户扩大规模，而不是亲自从事最深入的 AI 研究。

陈茜问，面对其他地区成本更低的数据公司，如何参与竞争。袁宇光认为，每小时数据成本的大头包括运营和云，公司在硅谷、苏州和印尼设有办公室，分别侧重前沿技术、工具开发和运营管理。

他认为，美国团队靠近美国客户有利于快速服务和迭代，公司也希望未来在欧洲设点。更紧密的反馈能够帮助评估和部署；全球客户体系需要全球运营，而不只依靠单一地区的采集能力。

回顾冷启动，袁宇光说，团队相信模型架构、云和数据是行业发展的关键组成部分，但仍需在仿真、遥操作等具体数据路线中不断复盘。他认为仿真数据可以自行生成，单纯销售数据面临挑战。

公司曾在合伙人的车库里搭建遥操作设备接订单，却遇到设备可靠性和维护问题。简单抓取放置任务需要反复重置场景，重置时间可能与操作时间相当，限制有效产出；团队因此寻找更可扩展的方案。

他预计，除了增加数据量，公司还需要评估和部署能力，帮助客户在真实场景中做预训练、中期训练或后训练。当前最大挑战则是规模化提升数据质量，同时让运营和产能足够灵活。

陈茜提到，行业内有公司购买外包商数据后重新包装转售。袁宇光表示反对，并称 MaxInsights 的数据由自己采集和拥有。他认为，控制数据来源、生产管线与质量标准，是持续交付客户要求的基础。

展望未来一年，袁宇光预计机器人数据需求和垂直场景部署都会继续增长。他说，公司与客户共同迭代，希望从单纯的数据供应商转为数据合作伙伴；价格最终仍需体现模型改进所带来的价值。

他称，低价但质量不足的数据可能增加训练计算成本，甚至导致模型退化并需要重新训练。对于不同数据形态，公司考虑分级定价，例如仅手部、上半身、全身以及带手套采集的数据。

访谈中袁宇光展示了一种带传感器的手套，介绍用于采集触觉或力相关信息的数据形式。他认为，新模态的可靠性与规模化采集仍有难度，不同数据形态可能对应不同价格。

陈茜问，机器人落地是否会像自动驾驶一样受到安全和边缘情况制约，比预想慢很多。袁宇光认为，两者面对的问题有所不同：机器人可以先在有限场景解决具体任务，例如在酒店持续叠衣服，再逐步扩展到其他任务。

对于行业中新出现的世界模型、视觉语言动作模型和世界动作模型等路线，袁宇光预计迭代会继续加速。这是他对行业的乐观判断，并不意味着通用能力或大规模部署已经得到充分验证。

他认为，只要模型训练继续，就仍然需要数据，但数据公司还要理解需求如何变化，并将采集、处理和服务能力结合。他希望在服务多个客户的过程中形成可复用的数据产品和行业标准。

最后，袁宇光回顾行业数据需求从数百小时增至数万、数十万小时，期待更多来自自动驾驶、传统机器人和控制领域的人加入。他认为，不论机器人最终形态如何，都需要经过多轮迭代，才能在更广泛场景提供实际价值。

陈茜总结，百万小时级第一视角数据正在成为机器人训练的重要探索方向，规模效应仍需更大数据集继续验证。未来还要关注触觉等新模态、模型评估与后训练，以及机器人在真实场景中的部署。