對話 EgoScale 創始人：能賺錢的 Ego 數據公司不超過五家，我是其中之一

「今年做 Ego 數據真正能賺到錢的公司，國內最多只有五家。」說這句話的，是具身數據創業者袁日正。你可能沒聽過他的名字，但如果你身處這個行業，大概聽過他創辦的公司「EgoScale」。這個名字乍看之下，很容易讓人聯想到英偉達那篇引爆「Ego」概念的知名項目，但袁日正表示，早在英偉達發表相關研究前四個月，他就已經註冊了 egoscale.com 這個域名。作為最早投入 Ego 數據賽道的創業者，他用一年多時間搭建了採集體系、跑通自動化處理流程，目前號稱在中國 Ego 數據交付量上穩居前三。他之所以敢斷言「能賺錢的不超過五家」，背後正是這套自行摸出來的生產邏輯。

在他眼中，目前市場上的 Ego 數據玩家可以粗略分為三類。第一類是自行開發硬件、採集原始多模態數據的新創公司，通常採用「Ego 加 UMI」同步採集；第二類是依靠標註流水線、從外部獲取素材再加工的公司，其中包含從智駕數據服務轉型而來的團隊，也有從互聯網第一人稱影片中蒸餾提取數據的業者；第三類則是從具身智能生態內部孵化出來的數據團隊。儘管賽道上的公司數量不少，但袁日正認為，全中國目前真正能做到規模化交付、並通過頭部客戶驗收的團隊，不會超過五家。他坦言，EgoScale 已進入多家國內外頭部科技公司、模型公司與具身智能企業的供應商體系，完成多批次交付。為什麼多數公司卡關？

袁日正給出的答案是「數據同質化」。他曾聽頭部客戶說，看過四、五十家數據公司的展示，國內外都有，其中好幾家的數據長得一模一樣。他認為，問題出在採集模式與數據來源過度重疊。行業裡不少公司採用眾包模式，找幾家 B 端人力公司組織人去採集，但人力公司同時服務多個客戶，同一個場景可能會被反覆拍攝。人力公司接完 A 公司的訂單，人員閒置時自然會去找 B 公司再拍一遍，最終兩家公司的數據本質上出自同一批拍攝者。就算花大錢簽了所謂獨家數據協議，底層供應鏈上拿到的仍是沒有差異化的二手數據。

另一種常見做法是到數據工廠採集，但工廠的場景與任務豐富度相當有限，十萬小時數據若只來自十到五十個工廠，本質上是過擬合，對訓練 World Model 或 VLA 的邊際價值很低。袁日正因此認為，強調數據規模是行業最大的誤區。同樣是十萬小時數據，一個版本只包含五十個場景，另一個版本涵蓋五萬個場景，後者的價值遠高於前者。問題在於堆量比拓展場景容易得多，而 EgoScale 是少數選擇後者的公司。他所謂的數據多樣性，不只是場景數量，還包括任務、動作、物體、工具、人員、環境、操作路徑、成功與失敗過程，以及異常和恢復行為。此外，他強調自家數據高度結構化，能滿足模型直接訓練的要求。

至於業界常說的「缺什麼技能就補什麼數據」，他則認為取決於目標是完成特定任務的 Demo，還是打造通用的具身大模型。若只是想完成某個工業位姿的抓取，企業自己找幾個人拍攝就夠了；但他的客戶大多目標是通用模型，底層需要的是海量、泛化、甚至帶點 corner case 的真實人類生活數據。在場景選擇上，EgoScale 主要聚焦家庭與商業場景，基本不碰工業。袁日正觀察到，家庭機器人在海外特別火。去年他在矽谷接觸不少高收入族群，包括消費品從業者與特斯拉高階主管，普遍焦慮下班還得處理大量家務，即使年薪千萬美金、請保姆一個月花幾萬美金也覺得不划算。

他認為工業場景是在固定環境裡做固定的事，放幾個攝影機就夠了，根本不需要 Ego 數據。設備方面，EgoScale 做了一頂搭載雙目相機的帽子。袁日正說這是全球第一個雙目數採設備，也是第一個帽子形態的採集設備，一直在使用，只是為了避免被抄襲而沒有對外發布。它搭配一個很小的充電寶就能十小時全時拍攝，充電寶用魔術貼固定，沒有複雜的機械架構，放在帽子上幾乎沒有重量。他強調，戴帽子能讓採集員和周遭的人不會覺得突兀，拍攝時動作更自然。他也曾嘗試用智慧眼鏡採集數據，試了一年，結論是眼鏡在重量、續航、散熱、成本、參數上都有瓶頸。

至於為何收斂到雙目而非六目，他的判斷是：若目的是為了訓練「大腦」執行手部操作，盯著前方的雙手就夠了，多一個攝影機，數據量暴增，傳輸、處理與儲存成本都會上漲，六目帶來的價值未必能覆蓋成本。他認為，產品思維是許多技術背景創業者最容易忽略的一環。EgoScale 的採集體系目前月週轉約一千五百人，大多數是寶媽，標註體系約八百人；但公司全職團隊不到二十人，四月份之前甚至只有六個人，主要靠自動化體系進行線上管理。有效採集率方面，他聲稱達八成，而行業裡很多只有五成，甚至一成。差別在於對人性的理解——採集員最關心的是賺錢，因此培訓不談規範，而是直接告訴對方「你不按這個角度拍，就會少賺多少錢」。

他自認從 2015 年開始創業，本科期間做成功兩個產品，累積第一桶金，也在螞蟻集團做過產品經理，因此相信懂產品、懂人性比懂技術更重要。對於數據公司的技術壁壘，袁日正的看法是，單採一小時數據並後處理，沒有任何壁壘；真正的壁壘在於能不能規模化、高效地持續產出高質量、可直接進入大模型訓練的數據。他形容完整的數據包除了原始影片，還包含同步雙目影像、IMU、時間戳、標定參數，以及任務描述、動作切分、手部姿態與軌跡、質量評分、場景元數據等。EgoScale 花了約一年搭建自動化系統，涵蓋採集、標註、營運三套體系，標註又分為自動化標註與人工 QA。上個月完成 1.

0 自動化，剩下三個板塊尚未完全自動化，這個月會完成 2.0。他承認，交付環節最大的問題是格式不統一，不同客戶要求的封裝格式、畫幅比例、解析度都不一樣，這類細節問題能列出三十項；同一份數據跑同一個演算法，結果都可能因為隱藏問題而不同。最累的那個月，他自己胖了十公斤，三名同事瘦了十公斤。不過被客戶反覆要求的過程，也逼出了更完善的版本管理與反饋閉環。談到標竿企業，袁日正不認為 Scale AI 是競爭對手。

他指出 Scale AI 主要提供數據處理服務，做的是標註、清洗等後段工作，素材多半來自網路爬蟲或外購存量內容；EgoScale 則從採集端切入，涵蓋真實世界數據的採集、結構化、質量管理與授權體系，能持續沉澱可複用的數據資產。他也觀察到，有些模型公司開始自研數據採集設備，甚至把數據業務獨立出來，但他認為這是因為大模型創業公司若數據全數外購，會被質疑沒有數據壁壘，因此得自己採一些「有交代」。然而自己採集並不划算，因為 EgoScale 賣的數據比客戶自採成本更低、量更大。

更重要的是中立性，數據基礎設施必須保持第三方立場，若一家數據公司同時做模型，客戶會擔心訓練方向與商業規劃被掌握，甚至等於在養競爭對手。他明確表示，EgoScale 只做數據，不會跨足模型。談到市場規模，袁日正預估全球今年願意花十億人民幣以上購買 Ego 數據的客戶大約五家，中國約一點五家，海外約三點五家；單一海外頭部客戶願意花二億美元以上。他提到，他認可的兩家同業中，有一家今年純 Ego 數據已有約一億美元訂單。至於數據出境的合規問題，他認為 Ego 影片本質上是第一人稱視角的日常活動記錄，敏感度低，互聯網上本來就很多；真正難出境的是真機遙操數據，因為屬於高價值稀有物。

Ego 數據出境可能需要留意的則是指紋與掌紋等敏感資訊，1080P 解析度下能拍到這些細節，脫敏並不容易，畫面上同時出現三四隻手的邊界情況，未必能靠演算法自動解決。袁日正今年設定的目標，是定義「什麼是好的 Ego 數據」，並在數據多樣性、有效資訊密度、低重複度與持續交付能力上做到中國第一。他認為公司現在應該是全球前五，目標是全球前三，目前有些公司在重複採集數據量上超過 EgoScale，但他想從所有維度超越。他強調，自動化體系已經成熟，不需要再招人，只需要持續採數據；內部資金消耗率比外部預估更低。

到了今年年底，他預期中國真正能產生收入與利潤、具備持續營運能力的公司大概只剩五家左右，海外也可能只有五家，多數企業會在競爭中淘汰。資本投入只能支撐企業走一段路，最終決定生存能力的，還是商業化與盈利能力。