探访京东全球具身智能数据采集中心｜一线

  《科创板日报》记者近日实地探访坐落于江苏宿迁的京东全球具身智能数据采集中心，走进标准化采集大楼、外贸纺织工厂、社区居民家庭三大一线场景，直击京东具身数据采集的全链条落地实景，解码其破解行业数据困境、重构人机协作关系的差异化路径。

  这里1：1还原了零售商超、物流仓储、医药康养、家庭家政、工业制造五大核心场景，小到厨房擦拭滑轨、收纳餐具，大到服装厂缝纫工序、仓储分拣搬运，上万种细分日常动作与工业操作在此落地实训。

  在商超与物流模拟采集区，货架、商品、分拣设备一应俱全。采集人员佩戴京东自研的头戴式EGO采集设备，以第一视角完成商品上架、货物分拣等常规操作。整套设备轻便贴合头部，指示灯清晰区分待机、录制、结束状态。工作人员和记者说，采集全程不需要刻意放慢动作，只需还原人类自然作业状态，真实记录手部动作、肢体姿态、场景交互细节。

  来到家居家政采集实训区，这里是居家采集员的核心“练兵场”。覆盖客厅、厨房、卫生间、卧室等全居家空间。记者看到，采集人员严格遵循标准化规范，摘除首饰、美甲，避免镜头遮挡。从擦拭电器面板、整理衣柜抽屉，到清洁厨卫缝隙，每一个生活化动作都被设备还原捕捉。

  采集员每日完成作业后，可当日或次日将数据回传至社区网点，工作人员现场初筛，及时反馈问题。初筛合格的数据统一流转至京东专业数据采集中心，经过清洗、分类、标准化质检，最终有效数据率稳定在95%以上。

  社区采集人员以50岁以内本地居家人员为主，全职宝妈群体占比最高。“每天工作6小时就能达到全职标准，月收入稳定在4000元左右，时间自由，随便什么时间都能暂停照顾孩子。”一位入职一月的全职采集员和记者说，自己通过线天培训即可上岗，简单易操作，薪资按有效作业时长核算。

  “不担心。就算以后机器人能代替一部分重复的工作，我们大家可以做精致的技术活——提升个人，机器人达不到我们工匠一样的手艺。”

  工厂负责人接过话茬，给记者算了一笔账：他们每年向日本出口约200万件服装，如今在缝制环节面临的最大痛点是招工难。

  京东科技副总裁赖倩回应：“这两年计划已经创造出了新的岗位——采集员、数据标注员、多模态训练师，这些都是过去不曾存在的职业。谁都说不好明天会有什么新变化，但京东跟政府一定会谋划更多更好的就业机会。”

  当前具身智能领域的高质量线万小时，而一个技能点要达到交付级水准，就需要2000至5000小时的训练数据。以此推算，行业现有的全部数据存量几乎只够支撑几十个技能点——距离大规模商用所需的数万技能点还有“四个数量级”的差距。

  互联网视频提供“第三方视角”，能告诉AI发生了什么，却无法还原动作的力度与手眼协同；遥操作数据成本极高，一小时动辄数百美元；仿真数据缺乏真实物理交互，面临“仿真到现实”的数据鸿沟。

  京东云高级产品总监郝鹏也和记者说：“机器器人最终更多是帮助人类做一些难以做到的事情——救灾、高危险的工作、苛刻条件下的生产。它能帮人类提升生产效率，而不是替代人。”

  一是数据成本高昂，传统真机采集依赖专业示教人员，单小时采集成本居高不下，规模化落地难度极大；

  三是合规风险突出，物理数据采集涉及大量个人生活、生产场景，隐私泄露风险高，行业缺乏标准化合规体系；四是虚实鸿沟显著，仿真数据效率高但无法完全还原物理细节，真机数据真实但产能有限、成本偏高。

  纵观全球赛道，海外巨头与国内头部企业已形成差异化布局路径。海外方面，谷歌Open X-Embodiment、Sunday Robotics等企业依托技术先发优势，主打高端仿真数据+专业真机示教模式，数据精度高、技术成熟，但场景覆盖集中于海外居家、科研场景，适配国内产业场景度低，且采集成本极高、规模化难度大；特斯拉依托无人驾驶数据积累优势，尝试通过物理场景回流数据迭代模型，但聚焦交通单一赛道，难以适配多元化生活、工业场景。

  国内赛道呈现两极分化格局。智元机器人主打真机开源路径，发布百万级真机数据集，覆盖百余种生活技能，侧重高端人形机器人场景；光轮智能深耕仿真合成数据，通过自研物理模拟引擎降低采集成本，但仿真数据难以完全复刻真实物理交互细节；多数中小厂商则依赖小规模众包采集，存在数据质量参差不齐、合规体系缺失、场景单一等问题。

  在这片硝烟弥漫的战场上，京东的“网格化采集”主要是针对当前具身智能数据采集的行业痛点——

  脉脉创始人兼CEO林凡在近期的一场行业对线年前四个月，具身智能相关岗位招聘量同比暴增15倍，平均月薪接近6.2万元。一方面是部分岗位面临被替代的焦虑，另一方面是高技能、高创造性的新兴职位正飞速成长。

  在中国电子学会机器人分会副主任委员、国地共建人形机器人创新中心首席科学家江磊看来，真正的关键并不在技术本身：“人形机器人可能最终会取代一些重体力的蓝领型活动，人类就能够很轻松地跟机器人交互，那一定会产生更多财富、更多生产力，可能会迎来一个生产力飞跃的时代。”他坦言，现在最大的瓶颈可能已不是技术，而是公众认知。