具身数据供给的结构性错配：场景可及性与有效供给率

具身智能数据供给的讨论长期集中在总量上，而总量与可用量是两个不同的量纲。本文将其界定为场景可及性问题：供给侧的扩张路径受制于场景进入门槛，需求侧的缺口恰恰位于进入门槛较高的场景类别，二者的约束条件不同，因此总量增长不必然带来可用量增长。以下依次界定两个量的定义、描述可扩张场景的技术特征、给出需求侧的场景条件、分析错配的形成机制、讨论有效供给率的统计口径，末了给出采购侧可执行的核对项。

一、先把两个数分开

先把两个量的定义分开。设采集时长为甲，可入训练集的时长为乙，二者满足乙不超过甲。甲的统计口径清晰，按设备开机时长或人员在岗时长累计即可，误差来源单一，主要是停机与空转的判别。乙的统计口径不清晰，因为它依赖筛选规则，而筛选规则随任务类型变化。

乙不是一个可以直接测量的量，它是在筛选之后才出现的量。同一批记录，用于抓取任务的可用子集与用于放置任务的可用子集不同，两个子集的并集也不等于第三个任务下的可用子集。因此乙只能针对特定任务定义，脱离任务谈乙没有意义。

甲与乙的比值不稳定，且随采集推进单调下降。原因是采集前期的可用比例高，随着已采集的动作类别增多，新增记录落入已有类别的概率上升，边际信息量递减。该下降趋势属于结构性现象，不是执行质量问题。

工程上常把两个量混用，导致结论不可检验。若只报甲，结论是产能充足；若只报乙，结论是供给不足。两个结论可以同时成立，因为度量的对象不同。讨论供给是否充足之前，必须先声明度量的是哪一个量。

因此本文的分析对象是乙，而不是甲。乙的瓶颈不在人力规模，而在场景可及性。可及性由现场准入条件决定，属于组织约束，不随采集设备的技术进步而放松。

二、能大规模铺开的地方长什么样

可扩张场景的技术特征可以归纳为四条，四条均与场景本身的进入门槛相关，与采集设备的精度水平关系不大。

十一月十二日公开的一份行业梳理提到，若干设在县域与社区的生活场景采集项目，参与者在短期培训后即可作业，采集终端为轻量头戴设备，作业与日常家务同步进行。

一是设备门槛低。终端为轻量头戴式，无需标定场地，无需专用工装，部署成本近似为零。设备越轻，单日可佩戴时长越长，产出量随之上升。

二是场地门槛低。采集发生在居住空间与社区公共空间，这类空间本身已存在，不需要为采集单独建设或改造，也不受生产排期约束。

三是人力门槛低。培训周期以天计，参与者无需具备机器人或编程背景，人力供给弹性很大。人力池的规模直接决定产出上限。

四是产出弹性大。产出量与时人数成正比，通过扩大参与规模即可线性提升甲。这一条使该类供给具备了工业化交付的形式：定标准、定单价、定交付格式，按批次结算。

四条的共同点在于，它们降低的都是进入门槛，而不是提高场景的信息密度。这一点决定了甲可以快速扩张，而乙的扩张速度与之不同步。扩张的是参与人数，不是场景类别。

需要说明，这类供给解决的是从无到有的问题。在数据稀缺阶段其边际价值高；当同类场景的采集密度达到一定程度之后，边际信息增量下降。该判断不针对任何采集主体，只描述边际收益随密度变化的规律。

三、模型要的地方长什么样

需求侧的场景条件与上述四条不同，它约束的是场景内部的运行状态，而不是进入成本。

模型需要的不是含动作的视频片段，而是特定工位在常态运行下的作业形态。该形态由四个状态量共同决定。

其一为来料批次。批次的尺寸公差、表面状态与刚度不同，操作者的力控策略随之变化。批次标识必须与记录绑定，否则不同批次的数据无法视为同分布样本，混合之后训练的模型在批次切换时性能下降。

其二为节拍。节拍由上游来料速率与下游需求共同决定，操作者的动作速度是被动适配的结果，不是自主选择。换一处场地，该节拍无法重建，因此节拍属于场景属性而非个体属性。

其三为邻域扰动。周边设备的启停、通行车辆的经过、照明的瞬时遮挡，均不参与任务本身，但会改变操作者的动作轨迹。这类扰动在可控场地上通常被有意排除，在真实产线上无法排除。

其四为可回退性。真实产线允许在单次作业失败后回退至上一状态重做，该回退过程包含错误识别与补偿动作，是训练样本中稀缺度较高的一类。可控场地上的作业通常一次成型，不含该过程。

四个状态量的共同前提是现场准入。准入涉及排产协调、停机窗口、现场安全责任划分，属于组织约束而非技术约束。这类约束不随采集技术的进步而放松，也不因采集方投入增加而消失。

因此这类场景的可及性由现场决定，不由采集方决定。这是后续分析的前提。承认这一点，才能把问题定位在结构上，而不是定位在某一家供应商的能力上。

四、两边对不上

将两侧并置，错配的结构即显现。

可扩张侧的动作类别简单、场景重复度高、同类样本已接近饱和；难进入侧的动作类别复杂、场景差异性强、样本稀缺。

前者的约束是人力，后者的约束是准入。人力可通过组织手段扩张，准入只能等待。两类约束的可控性差异，决定了两侧的扩张速度不可能同步。

错配的成因不是任何一方的执行问题，而是两类场景的物理属性不同：一类以人数为投入，一类以现场开放为投入。投入要素不同，产出曲线自然不同。

该错配在训练侧表现为分布偏移。在可控场地上训练的模型，其输入分布与真实产线的输入分布不一致，差异集中在节拍扰动、邻域扰动与来料变异三个维度。迁移失败并非模型容量不足，而是训练分布在该区域样本密度过低。

因此以扩大甲的方式弥补乙的缺口，在原理上不成立。甲的扩张发生在分布的另一侧，增加的是冗余样本，不是缺失样本。冗余样本对损失的贡献趋近于零，缺失样本的贡献则随密度下降而放大。

错配还可以用准入效率描述。准入效率指单位时间内可获得的现场开放时长，该指标在可扩张侧不构成瓶颈，在难进入侧直接决定产出上限。两个侧的准入效率不在同一量级，是错配的直接成因。

这一结论对排产有直接含义：继续扩大可扩张侧的采集规模，边际收益递减；提高难进入侧的准入效率，边际收益递增。两条路径的成本结构不同，不能互相替代。

五、有效利用率这个说法怎么理解

有效供给率的定义需要谨慎。前述行业梳理给出的口径是，仅依赖头戴设备采集的视频，有效利用率约为两成。

该数值不应被解读为八成样本质量不合格。其含义是同一动作类别被重复采集的次数过多，带来新信息的样本占比低。

重复不产生新信息，是数据的统计属性，与采集主体、采集设备、采集地点无关。同一动作在同一工位反复采集，后一次相对前一次的条件互信息接近于零。这是采样层面的性质，不是操作层面的失误。

另一份公开材料里，一位在二级分包环节承接业务的从业者做过复盘。任务由上游按场景逐层拆分下发，传至执行端时份额已相当有限，其经手项目的交付合格率约为半数。

半数意味着筛选环节不可省略。筛除的对象不是质量不合格样本，而是任务不需要的样本。前者属于质量控制问题，可通过培训与抽检降低；后者属于采样设计问题，只能在方案阶段规避。两类问题的处置手段不同，混为一谈会低估后者的成本。

有效供给率的统计口径还须明确分母。以时长为分母与以片段数为分母，得到的比值差异显著。跨主体比较该指标时，应先对齐分母定义，否则比较结果没有意义。

还有一类重复难以从条数上识别：同一工位、同一来料批次，更换操作者后画面不同而内容相同。此类重复按人员维度无法识别，须按工况维度分组统计。

筛选之后还有标注环节。保留下来的片段须标注工位、批次、节拍三项属性；属性缺失的片段即使信息量高，也无法进入训练集。因此有效供给率的实际取值还受标注完整度约束。

六、入厂采集在这件事上的位置

入厂采集对应的是第三节界定的场景类别，其准入前提为现场开放。采集人员位于工位侧方，不介入作业流程，记录对象为该线体常态运行状态下的作业形态。

限制同样明确：该方式不可横向扩张。单日采集量由线体可让出的时间窗口决定，与投入人力规模无关。

因此其补足对象为缺口区段，而非总量。

七、采购时该看什么

采购侧可执行三项核对，每项对应一个可验证的输出。

一是场景状态核对。询问采集时现场是否处于生产状态，并要求给出停机安排。若对方无法说明停机安排，则按布置场地处理，据此调整对该批数据的期望。

二是重复度核对。要求按动作类别给出条数分布；无法给出时，按抽样估算，抽样方案须写入交付说明。抽样覆盖的动作类别数应足以支撑结论。

三是口径核对。询问有效部分的计算依据，是按时长还是按工况种类；两种口径不可混用，且须在交付说明中明示。混用口径得出的比值不具备可比性。

三项之外还有一项属于合同条款：缺口工况能否回到同一现场补采，排期条件与响应时间须书面约定。该项不写进合同，缺口在验收阶段无法闭合。

验收阶段可加一道抽样复核：按动作类别各抽若干条，逐一比对画面与标注属性，重复样本在比对中容易识别。抽到重复样本的比例偏高，说明筛选环节未落实。

三项核完，单位时长的合理性即可判断。