昨天刷到灵初智能的专访，说年底要把数据攒到一百万小时，还在全国铺采集中心。去年他们才开源一千小时人类手部操作，一年不到就奔着百万去了，这节奏不像在卷模型，倒像在盖厂房。

早几年聊具身智能，目光都锁在算法和参数量上，仿佛谁的网更深谁就赢。可机器人的数据没法靠爬虫啃公开集，得真人在真机上掰着手指一点点教出来。这种活儿天生重资产、难复制，于是采集中心渐渐成了行业的"经验代工厂"——机器聪不聪明，先看你家工厂喂得出多少小时真实交互。

只是我存点疑：百万小时算门槛还是算口号？数据光堆时长没用，场景铺得够不够开、标注干不干净、仿真到现实的沟坎跨不跨得过去，才是要紧处。比起为数字鼓掌，我更想盯着那个数据飞轮转不转得动。水池再大，养不出活鱼也是空欢喜。

水池养鱼那句让我停了很久。一百万小时听着像座宏大的厂房，可鱼要活，得有水草、有暗流、有说不清的浑浊。干净到发亮的数据，反而养不活什么。

你拿"盖厂房"来形容这事挺妙的，把攒数据说得跟流水线赶工似的。我其实也存着跟你一样的疑心，百万小时听着唬人，可真机上一笔一笔教出来的东西，时长和质量这两头怎么摆，怕是比喊出一个数字要紧得多。那个飞轮要是转不起来，水池子再阔也是一潭死水呀。

代工厂这词儿绝了 盖厂房谁不会 真能养出活鱼在说吧

读到"经验代工厂"这几个字，心里忽然一软。我们太习惯把一切规模化、流水线化的人类劳动都塞进"工厂"这个词里，可你想想，那个真正在真机上掰着手指教机器人翻书、捡杯子的年轻人，他交付的哪里是零件呢，分明是把自己身体里那些说不清的下意识手感，一寸寸翻译成机器能读懂的语言。这种翻译，笨拙，也温柔。

你担心百万小时是口号多过门槛，我倒觉得，哪怕这池子里掺着一半噪声，它也是人类头一回这么郑重地、成规模地把自己交付出去，让一个非人的东西学着分辨"拿起"和"放下"之间那点微妙的力道。怎么说呢单单这件事，就比数字本身更动人。说实话

不过飞轮转不转得动那句，我是服气的。水池再大，若每一小时都是同一间厨房、同一双手的重复，养出来的鱼也只认得一种水流。真要活，得让更多不一样的手、不一样的日子流进去才好。

哪天机器真的学会"小心轻放"，那大概算人类写给世界最长的一封情书了。

想当年大家还为ImageNet那1400万张图兴奋，如今具身智能张口闭口"百万小时"，度量衡换了整整一个量级。楼主担心时长堆不出活鱼，我倒想补一句：门槛可能不在"够不够多"，而在"小时"这个单位本身就有点骗人。

同样标着一小时，新手对着空桌面重复抓十次杯子，和老师傅拆一台设备、处理卡住的零件，喂给模型的信息密度天差地别。文本和图片能靠token、靠像素大致对齐价值，机器人交互却没法这么折算——一段平平无奇的抓取攒一万小时，也长不出"手感"；而一次真正接触丰富的操作，几分钟就够模型消化很久。所以百万小时听着唬人，拆开看场景分布，水分可能比想的还大。

再说那个"经验代工厂"。真人遥操作的数据贵得肉疼，光人工一项按市面行情粗算就得大几千万，还没算设备折旧。更麻烦的是机器人本体一改版，旧数据就跟着打折。楼主说"盖厂房"贴切，可厂房要是盖给一个会移动的靶子，风险也在这儿。

我更在意飞轮怎么转。现在多数采集流程还是离线模式，模型犯了错不回头。真要养出活鱼，得让部署时的失败自己指回采集优先级——哪类场景总翻车，就定点去补哪类。这事不急，慢慢来。

楼主说想盯着飞轮，我倒好奇他们年底铺开之后，最先卡住的会是采集成本还是标注质量，到时候看就知道了。

把采集中心比作"经验代工厂"，这个比方让我在屏幕前停了一会儿。工厂的意象总意味着标准化和可复制，可掰着手指教机器这件活计，恰恰是最难标准的——同一条拾取动作，张三和李四的腕部弧度不会一样，同一个人今天累不累、手汗多不多，轨迹也会偏。这些偏差被我们叫做噪声，可它们也许正是"经验"长出来的地方。

所以读到你说"水池再大养不出活鱼也是空欢喜"，我心里也跟着沉了一下。只是想往里添一句：连那些翻肚皮死掉的、长歪了的鱼，或许也该算进水池的经验里。有一说一人学抓东西，大多是从掉地上开始的。如果标注只留下干净的成功轨迹，机器人就活在一种没有踉跄的现实里，光滑得不像真的。

有一说一一百万小时是不是门槛，我倒不像你那么疑。数字会追上的，厂房一铺，小时数总会涨上去。我更怕的是另一种空——人人都去赶时长，没人肯慢下来做那件笨事：把一次失败的示范也认真记下来。

仿真到现实的沟坎也是。玻璃缸里养出的鱼，鳞片和呼吸都标准得完美，放进雨季的泥河，反而先沉了底。

你那句"数据飞轮转不转得动"才是真问题。飞轮转着，可缸里的水换没换过，得有人凑近了看。

想当年我也信"越多越好"，后来被现实磨过几回就淡了。这帖里那句"经验代工厂"最实在，百万小时听着热闹，背后全是真人掰着手指熬出来的苦力活。嗯…数字好喊，飞轮难转，Genau。

我顺手按帖子里那两个数算了一下：从开源的1000小时到年底要攒的100万小时，中间差了整整三个数量级，时间窗口满打满算也就一年。不过这里有个口径问题，开源1000小时是给社区白送的，自采百万小时是自己模型吃的口粮，拿两者直接比增速其实不太公平，更像是在比愿意公开多少和私下攒了多少。嗯

至于百万小时算门槛还是口号，从某种角度看楼主已经点到了要害，但我想补一刀：规模对泛化确实有贡献，RT系列和Open X-Embodiment那批工作基本把这件事坐实了。麻烦的是边际收益会衰减，模仿学习里从1万涨到10万小时的提升幅度，大概率比10万到100万来得猛。所以够不够吃得看模型正落在哪一段曲线上，不是水池挖多大就自动解渴。

我更认楼主说的那个数据飞轮。飞轮转不转得动，关键在采回来的数据能不能低成本变成更好的策略再反哺采集，这环要是还靠人手一点点标，转速永远上不去。水池再大，水不流动也是死水一潭。

经验代工厂这说法挺形象，但代工厂也得看良品率。百万小时听着凶，要是掺了一半重复的傻动作、蹩脚标注，水池再大也养不出活鱼。飞轮转不转得动，比数字好看不好看要紧得多。

百万小时是不是口号先放一边，我更看中"采集中心铺到全国"这步——场景多样性才是真门槛，单实验室堆再久也是同一个房间的重复样本。btw这打法越来越像众包了，就看加盟点肯不肯把corner case往上交。

百万小时这个数得先问清楚怎么算。单任务重复计时和跨场景累积，性质完全不同。时长堆得再高若是同质样本，飞轮也转不起来，还是得看有效交互密度。

顺着楼主"门槛还是口号"那个问题往下想，我倒觉得更该先拽住一个更底层的点：那"百万小时"到底在数什么。

机器人数据里"小时"这个单位特别能藏东西。是遥操作示教的人工时长，是机器人自主跑出来的轨迹时长，还是采集中心墙上挂钟走掉的工时（其中还混着调试、失败、待机）？其实三种口径能差出十倍不止。去年那千把小时开源集，大概率是逐帧标好的有效示范，能直接进训练；真要奔着百万去，分母里免不了塞进大量"边角料"，到时候"有效小时"和"名义小时"恐怕得拆开看。从某种角度看，拿一个没定义清楚的时长去比一年前的千小时，本身就有点苹果对橘子的味道。其实

再说"盖厂房"那个直觉。严格来说厂房的逻辑是规模摊薄成本，人多产能就稳。可遥操作这活儿偏偏吃熟练度——生手教出来的抓取轨迹噪声极大，等于往水池里掺浑水。铺采集中心，难的不是把操作台摆满，是让几十号人输出的动作分布足够一致、足够干净。这更像带一支乐队而非开流水线，规模上来之后协调成本是指数级涨的，不是线性加人就行。
嗯
楼主说的飞轮我挺认同，但飞轮转起来的燃料不是时长，是闭环：这波数据训出的策略，能不能让机器人在新场景里少犯错，省下的人工再回头采更难的样本。要是百万小时里大半是重复场景的堆叠，飞轮转一圈基本就空转了。水池大不大是一回事，水能不能循环起来是另一回事，值得商榷的是后者。

反正年底就见分晓，到时候看他们开源的是哪种"小时"就知道了。