机器人训练开始采集脑波：实体 AI 真缺数据，还是又多了一种昂贵传感器
作者：陈墨｜OC 产业与资本编辑
作者
陈墨
陈墨
据 TechCrunch 报道，AI 数据公司 Encord 正与德国神经技术公司 Zander Labs 试验一种机器人训练数据：操作员完成叠积木任务时，系统同时记录第一视角视频和脑电信号。
一句话结论：脑波还没有被证明能让机器人显著变聪明；更确定的新闻是，实体 AI 缺少可用数据，已经催生出专门“制造训练经验”的产业。
语言模型能从互联网获得海量文本，机器人却不能只看视频学会插网线、倒咖啡或抓取柔软物体。视频缺少力、触觉、失败原因和精细手部姿态；远程操作数据更准确，却需要人、机器人和场地同时工作。
Encord 在仓库里安排操作员使用主从机械臂完成任务，也从工厂采集佩戴式摄像头数据。公司还试验肌电传感器，希望从前臂电信号推断手部动作。脑波只是最新模态，目标是标记人类何时惊讶、发现错误或投入更高认知努力。
但这项合作目前只是试运行。双方会先制作小型脑波标注数据集，放进客户模型测试是否提高性能，再决定是否扩大。脑电信号噪声高、个体差异大，头戴设备也会增加采集成本；没有对照实验，不能断言模型学到的是意图而不是操作节奏。
更值得关注的是数据经济。Encord 称密集标注数据的训练价值可能是普通第一视角数据的 100 倍，而制作成本约高 20 倍。这是公司估计，不是行业统一结论，却说明机器人数据不能像网页文本一样近乎免费抓取。
数据公司因此可能从“帮客户标注已有素材”，变成自己经营工厂、操作员和机器人，向多个实验室出售特定技能数据。它们掌握的不只是标注工具，还有哪些任务和传感器真正有效的跨客户经验。
关键事实
- 参与方：Encord、Zander Labs
- 当前阶段：脑波标注数据的试验性采集
- 其他数据：第一视角视频、远程操作、肌电信号和文字动作标注
- 目标：识别错误、意图和认知投入是否能改善机器人学习
- 尚未证明：脑波数据对客户模型的实际提升幅度
OC 判断
实体 AI 的短板很可能是数据，但“多装一种传感器”不等于解决数据瓶颈。脑波只有在对照实验中提供稳定、可迁移的信息，才值得承担昂贵采集和隐私成本。
为什么重要
- 对开发者：机器人数据需要同步、标定和任务级评估，不能只堆视频时长。
- 对企业：数据采集场地和操作员可能成为实体 AI 的主要成本。
- 对劳动者：脑电和肌电属于高度敏感的生理信息，需要明确用途和保留期限。
评论
围绕这篇文章补充信息、提出问题或分享观察。