人形机器人、具身智能赛道热火朝天，行业共识反复强调高质量人体操作数据是机器人迭代的核心瓶颈。然而，现实呈现出极具反差的一幕：一家专注于机器人具身数据的初创企业 Eidon AI 官方账号宣布停业关闭。

最近，联合创始人 Sam Padilla 在 X 发布长篇复盘帖文，抛出尖锐结论：机器人数据本身具备技术价值，但单纯靠售卖机器人训练数据，难以撑起一家独立商业公司。公司在关停之际，选择将两年全部技术沉淀、硬件方案与海量数据集对外开源，留给整个行业一份宝贵的经验与教训。

Eidon AI 最初致力于探索多模态数据。2025 年初，公司业务转向了机器人领域。随后，团队构建了一套完整的手臂追踪与第一视角视频数据平台，并研发了首款 Eidon 手部捕捉手套。

最初，公司持有一个简单的核心观点，即具身人工智能面临着严重的数据瓶颈。因此，团队开发了一套基于惯性测量单元（IMU）的设备套件 ——Eidon 追踪器，可用于采集高精度、七个自由度的手臂追踪数据，并同步录制第一视角视频。这套追踪设备被部署到多国的 50 余名数据采集员手中，累计采集了超过 1000 小时的家庭任务数据，现已全部开源。

两年过去，团队最初的判断依然成立：具身人工智能确实面临着严重的数据瓶颈。但问题在于，数据本身具备价值，却未必能支撑起一门独立生意。

买家圈层的噩梦

合格的数据需要一套衡量标准：手部清晰可见、光照稳定、第一视角取景规范、任务执行符合要求，且录制时长足够，采集的数据才能投入使用。这意味着每一段素材都必须经过质检，除此之外，还要进行数据采集员的招募、沟通、薪酬发放、行为管理。

当前行业已经高度饱和，除非具备超大采集规模，否则单纯的视频数据只能算作商品。真正高价值的数据必须依靠定制化采集硬件。

而一旦牵扯到硬件，工作量就不再只是管理采集员，还需要兼顾多方面的任务，包括但不限于硬件发货运输、编写使用说明、调试排查设置问题、校准检查、剔除不合格素材、回复技术支持消息、协调海关，还要保证不同人员、家庭、国家、时区下的数据质量稳定统一。

Eidon AI 和 BeeWork 等第三方采集物流服务商合作，由 Eidon 寄出设备套件，对方负责对接终端采集员并监督执行我们的数据标准。这样的外包合作确实减轻了负担，但并没有消除物流后勤的难题。它抬高了每小时数据的采集成本，并且在硬件投入实地使用后，各类奇怪的边缘故障依然层出不穷。

Sam 在长文中提到，投入现场使用的硬件完美契合了《安娜・卡列尼娜》开篇的那句话：所有正常工作的设备都大同小异，而每一台损坏设备的故障方式都各不相同。

在全球范围内，只有少数几家公司会对这类数据产生需求。而在这些公司内部，有权决定砸数十万美元采购数据集的人更是寥寥无几。

现实情况是，机器人数据的买家圈子极小，全世界可能也就几百人。在这个层面，问题已经不属于营销的范畴了。就算营销做得再好，效果也是有限的。归根结底，能不能做成生意，取决于你有没有对应的人脉关系。仅仅认识相关企业的员工，甚至认识企业内部的机器人工程师都远远不够，你必须能直接接触到拥有最终决策权的团队。

获取这种对接机会的门槛极高，使得其本身就成了一种稀缺资源。数据经纪商与聚合商则负责填补这一缺口。Eidon AI 曾和 Defined AI 这类公司合作，后者早已和各大实验室建立商业合作，相当于在终端买家和 Eidon 之间牵线搭桥。

与中间商合作虽有助益，但也带来了这种模式固有的成本：沟通滞后，需求层层过滤，利润被摊薄，利益诉求不一致，同时也很难拿到来自数据真实使用者的一手反馈。

当然，直接对接终端买家并非不可能，Eidon 也曾做到过。但打通直接对接的路径之后，会遇到另一重难题：规模。

规模悖论与单小时收益

Eidon 累计采集了 3000 小时的数据。其中有一半是纯第一视角的视频，另一半就是之前提到的第一视角视频 + 追踪数据集。

这份成果来之不易，从第一批追踪器发货算起，耗时约 5 个月。可当团队和终端实验室沟通时，对方的需求往往是每月 3000 小时，最好能做到每周交付。

数据的有效生命周期很短。客户用一批数据完成模型训练之后，这批数据基本就失去了价值。实验室需要的不是一次性交付的数据集，而是稳定可持续的数据供给管线。

矛盾点在于：很多实验室不会把你视作靠谱供应商，除非你已经证明拥有稳定的数据生产系统。所以团队必须提前押注：我们要采集哪一类数据？

但这个押注几乎很难做到精准。因为没有两家客户会想要一模一样的数据集。

Eidon 选择押注的领域是基于 IMU 估算人体手臂关节角度。这个选择直接筛掉了一批客户实验室，他们有的只关心机械手的灵巧性，有的认为 IMU 不是正确的研发方案，还有的想要的是机械手远程操作的数据。

即便是愿意使用 Eidon 团队采集的数据的实验室，其需求标准也各不相同。一部分客户需要通过运动学计算得到的最终关节角度；另一部分只想要原始的 IMU 测量值。一旦你按照某一种格式采集数据，却没有保留另一类，后续就无法回溯恢复缺失的数据。

对于一家初创公司来说，为适配某一类数据形态投入研发、生产、物流和质检的成本极高。一旦前期押注方向出错，往往就是致命打击。

最容易踩坑的做法，就是选择看起来简单轻松的那条路。而 Eidon AI 就这么做了。

Eidon 打包出售 1000 小时规格的视频 + 追踪数据集，单价约 60 美元 / 小时。根据数据质量（例如是否包含精细手指动作），最高报价可达 100 美元 / 小时。

纸面价格看着不错，但这笔收入需要扣除多项成本：数据采集员酬劳（约占最终售价的 10%），硬件物料清单（BOM）成本，设备损耗、丢失、更换成本，海关费用，硬件组装工时，质检、不合格素材损耗。

Eidon 摸索出了低成本实现规模化部署的硬件方案。为了构建设备套件并把硬件交付到数据采集员手中，团队承担了所有成本。

所有开支都由团队成员在前期垫资。你可能在投入大量的时间和资金为某家客户采集 1000 小时数据后，转头就发现其他实验室需要完全不同的传感器、任务场景和信号类型。

Eidon 团队会提前制作样本对外展示，验证数据可用性。但硬件一旦下发到实地采集端，公司能够及时调整的空间就十分有限。

而想要提前敲定正式合同也几乎难以实现。采集赛道供给过剩，因此实验室与数据聚合商掌握着绝对议价权。如果你无法满足对方的规模或规格要求，他们随时可以与另外十几家排队等着合作的数据供应商沟通。

迎难而上才是正确选择

科技圈普遍认为机器人是行业的下一个风口。每当出现这类 "下一代风口" 赛道，大量从业者便会涌入。很多软件背景的创业者转型入局，把软件初创的一套经验照搬过来，这套思路放到硬件业务上足以致命。

Eidon AI 在开发追踪器的同时，也研发了 Eidon Glove。这款低成本 19 自由度手部追踪手套是基于 LeRobot HF 和 nepyope 的 Homunculus 项目开发的。

手套采用霍尔传感器采集高精度的手指关节角度，搭配 IMU 以捕捉手腕运动。

它收集的数据价值显然高于单纯的手臂追踪。手部灵巧性恰恰是很多机器人落地卡壳的核心。但同样地，手套的生产、校准、技术支持、规模化部署难度，也高出一大截。

Sam 在长文中写道："我本身也是软件产业背景的创业者，做出了典型的软件创始人常做的选择：优先做更简单的产品，快速上线，后续迭代。"

因此，Eidon 团队选择优先研发追踪器。当时，公司并没有意识到，规模化部署这套方案会耗费数万美金与数月的时间。这个选择把整个团队推向了一条没有回头路的赛道。

在 Eidon 创立之初，Sam 的团队也犯过类似但后果更严重的错误。

从一开始，团队的终极目标就是切入机器人领域。但在 2024 年初，这个方向的前景还不够明确。于是 Eidon AI 再次选择了捷径：开发一款带有任务体系、结合加密经济激励的游戏化视频图像采集 App。

Sam 表示："如果当初我们直接迎难而上，从最硬核的方向起步，或者至少全力深耕手套项目，而不是追踪器，Eidon 或许能够存续至今。"

收窄的机会窗口

在 Clement Delangue 账号和团队官宣最终开源数据集之后，Sam 已经收到至少 5 位早期创始人的消息，他们都在探索机器人数据赛道。美国创业孵化器（YC）等创业加速器也在批量孵化相关项目，凡是沾机器人概念的项目都能拿到投资。

但 Sam 认为很多人没有意识到，数据采集公司的机会窗口期其实十分有限。

任何机器人实验室的终极目标，都是搭建数据飞轮。部署的机器人自行采集数据，反过来持续迭代世界模型或视觉语言动作模型（VLA）。

机器人数据供应商本质上只是这套数据飞轮启动阶段的助推力量，一旦实验室能够实现数据的自给自足，无论是自建内部采集团队，还是依靠机器人设备回传数据，第三方数据采集服务商的价值就会消失。

可以把机器人数据公司类比成 Waymo 自动驾驶车，在无法无人运营及采集数据阶段的安全员。他们的作用重大，但岗位存在着明确的时间期限。

Eidon AI 团队从创业之初就看清了这点。公司的规划目标一直以来都是跳出单纯的数据采集业务，延伸到硬件、仿真环境与模型开发内部，这被称为 "毕业转型"。

"机会窗口还能维持多久，没人能给出确切答案。我的判断是 1-3 年。"Sam 写道，"无论如何，新兴的数据采集创业公司留给自己完成毕业转型的时间已经很短了。"