栖居在城市的大地上,分享城市中的感想予你,在留言板留下你的足迹,希望你在这里有所收获,祝幸运

AI 日报 | 2026年11月20日

今天主轨四条落在同一处:数据岗位开始被分别写进政策文本、岗位说明书、出货台账和开源管线。北京市《具身智能机器人产业高质量发展行动方案(2026—2028年)》的官方解读首次点明「无本体采集、第一人称视角采集」;一份高校实验室招聘启事把数据清洗、坐标系对齐、质量一致性、统一格式规范逐条写全;关节模组厂商出货三年放大五到六倍,把数据岗位的雇主名单推到零部件厂;浙大与宇树开源的 500 万条动作数据集,则给出一条可复现的五级数据管线。对准备入行的人,今天最该记住的是那条薪酬分层——采集执行岗多在 3000 至 6000 元,掌握数据治理与质检的采集工程师普遍 6000 元以上、资深可破万,数仓背景的差异化区间不在「录数据」,而在「把异构数据变成可训练、可验收的数据集」。副轨两条是同一变化的两端:工具层开始按需加载,编程智能体开始按周持有目标,人的工作都进一步集中到定义目标与验收结果。

北京方案官方解读:数据侧首次明确「无本体采集、第一人称视角采集」,实景实训项目已近 200 个

北京市人民政府网 11 月 19 日刊发对《北京市具身智能机器人产业高质量发展行动方案(2026—2028年)》的解读稿。本系列 11 月 12 日曾首报该方案印发,当时的要点是到 2028 年培育 5 家国际一流与 10 家国内领先整机企业、在京形成 20 万台/年整机产能、100 个场景 100 万小时数据、50000 PFlops 专用算力等目标值;此次是同一方案的后续官方解读,新增的是编制过程与数据侧口径,不是新文件。解读引述方案编制相关负责人的说法:文件从年初启动编制,恰好见证产业「从前期高歌猛进,逐步走向沉淀、理性思考」;今年年初国内大量人形机器人训练场集中落地,到下半年,训练场的建设模式与建设思路已发生明显转变。

数据侧的措辞最值得留意——方案明确提出探索无本体采集、第一人称视角采集等新模式,推动采集方案、硬件配套与机制创新。无本体采集指不必让一台完整人形机器人亲自完成动作,而是由人佩戴头显、手套或手持夹爪设备记录动作轨迹与空间位置,再转成训练数据;第一人称视角采集(Ego)指用头戴相机记录人眼所见的操作画面。两者都绕开真机台数限制,成本远低于遥操作。解读还披露北京实景实训项目已近 200 个,并列出金融、创新、场景、峰会、生态五大比较优势:百亿规模政府投资基金、「两会一赛」(世界机器人大会、世界人形机器人运动会、人形机器人半程马拉松)、以及覆盖整机、模型、灵巧手、数据服务的全生态企业。

值得关注: 对「机器人数据专家」这个定位,这条的价值在于政策第一次把「怎么采数据」写进正式方案,而不是只写「采多少小时」。方向从真机遥操作转向无本体与第一人称视角,意味着岗位技能栈同步迁移:多源视频解析、传感器参数对齐、动作轨迹清洗、质量筛选与语义标注,恰好是数据仓库里抽取、清洗、维度补充、格式归一、质量校验那一套能力的平移;做过 ODS 到 DWS 分层、写过口径文档的人,不需要重新学一遍。训练场「建设模式明显转变」也印证了本系列反复记录的判断——早期拼场地面积与台数,现在拼数据可复用性与交付标准,配套的岗位会从采集执行转向数据产能管理与质量验收。实景实训近 200 个则提示,场景运营、数据采集方案设计、真机验证记录这几类岗位正在被批量造出来,且带官方背书,属于入行窗口期里门槛相对友好的入口。

边界: 解读稿是政府网站的报道而非实施细则,「探索」属方向性表述,未给出技术标准、补贴额度与牵头部门;20 万台/年、100 万小时等均为 2028 年目标值,不是当前产能;「近 200 个」「百亿规模」为约数与企业方/负责人口径,非第三方统计。本条与 11 月 12 日首报为同一方案,仅补充数据侧新披露内容。

来源:北京市人民政府网:目标设定每年20万台整机产能 与津冀协同布局产业链 北京机器人产业有望开启新一轮增长空间

一份具身数据采集岗 JD 写全了技能清单,薪酬按「采集」与「治理」分成两档

西湖大学工学院齐国君主持的机器感知与学习实验室(MAPLE)近期发布助理研究员招聘,其中「具身智能数据采集方向」招 1 至 2 名。齐国君为 IEEE Fellow(国际电气和电子工程师协会会士)、IAPR Fellow、ACM 杰出科学家,曾任职 IBM 沃森研究中心、华为美国研究中心技术副总裁,并创立 OPPO 西雅图研究中心。原始招聘启事标注来自西湖大学人才招聘、日期为 11 月 3 日,且写明「长期有效」;高校人才网 11 月 19 日收录助理研究员岗、11 月 18 日收录同实验室科研助理岗,TopsAI 科研早报 11 月 19 日列入招聘板块。因此这是一份被集中收录的岗位样本,不是当日新增岗位,也不能据此推断岗位增量。

数据采集岗的职责几乎是一份数据工程师的岗位说明书:围绕遥操作、仿真、UMI 与 Ego 等多种来源,开展原始数据解析、清洗、筛选、切分、去重及格式转换,建立面向模型训练的标准化处理流程;处理视频、相机参数、机器人状态、关节信息、末端位姿及动作轨迹,解决不同数据源坐标系对齐;围绕任务阶段、子任务、动作时序、关键帧及操作结果建设标注体系,参与标注规范制定与标注工具建设,负责标注数据的质量检查与一致性验证;根据 VLA、模仿学习等模型的数据需求做针对性筛选与预处理,结合训练反馈持续优化数据 Pipeline;参与数据标准与规范建设,针对不同机器人、不同采集方式、不同格式建立统一的数据组织与管理规范,支持多来源数据向统一训练数据格式转换。应聘条件要求博士学历、熟练 Python 与脚本开发、具备 Pipeline 构建能力,并明确要求「能独立处理大规模数据中的异常、缺失、错位、不同步等问题」。UMI 是一种手持夹爪式采集装置;VLA 指视觉—语言—动作模型,把图像与语言指令直接映射成机器人动作;模仿学习指用人类示范数据训练机器人照做。同批还招模型研发方向(要求熟悉 VLM、VLA、WAM 架构与 Sim2Real,即仿真到真机迁移)与物理引擎开发方向(要求熟悉 MuJoCo、PhysX 等仿真引擎与 CUDA 并行计算)。

薪酬分层同期可从多个公开口径拼出。三秦都市报 11 月 13 日走访西安多家 AI 数据服务商报道:居家基础采集多按项目结算、单日 100 至 150 元,到场佩戴专业设备的场景兼职日薪约 200 元,普通全职采集员月薪 3000 至 6000 元,而掌握数据治理、质检能力的采集工程师月薪普遍 6000 元以上、经验丰富者月薪可突破万元。雷科技 11 月 4 日援引招聘 APP 称具身数据采集岗「大部分集中在 3-4K 区间」,并解释原因是门槛低、数据不通用——不同厂商的本体构型、传感器、控制系统与模型架构各异,一家服务商采到的数据未必能直接给另一家用,中国信通院《具身智能发展报告(2025年)》也指出跨训练场数据难以整合共享。智联招聘一则「AI 数据采集数据标注(项目驻场)」标 6 至 9K,职责含按 SOP 完成采集标注、初检自检、用主流大模型工具辅助校验、梳理优化 SOP、对接算法侧与做数据台账;淮南市 2026 年重点企业人才需求表中,六纬智能「数据采集」标 3000 至 5000 元/月(要求动作协调、能适应重复性规范操作),「数据标注」则要求 3D 点云、2D 图像、激光雷达标注经验与理解三维坐标系、3D 框参数;重庆永川「具身智能标注」标 3000 至 4500 元/月、零基础带薪培训。

值得关注: 这是全文最该逐字读的一条。同一条赛道里,采集执行岗被压在 3000 至 6000 元,而要求数据治理、质检、Pipeline 构建的岗位站上 6000 元以上并破万,分层依据不是会不会操作设备,而是能不能处理异常、缺失、错位、不同步,能不能建立统一规范与质量一致性验证——这正是数仓 ETL、数据质量监控、元数据治理、口径统一与审计字段设计的直接迁移。JD 里「数据标准与规范建设、统一训练数据格式转换」一句,几乎对应做过 DDL 规范、分区口径、血缘溯源的人已有的经验。对本系列 11 月 15 日报道的「新职业上岗实录」而言,这条是从宏观招聘增速落到具体技能清单的补充:新职业认定给的是名分,JD 给的是学习清单。求职时建议按关键词过滤——优先投出现「Pipeline」「质量一致性」「坐标系对齐」「统一格式规范」「与算法团队对接」字样的岗位,避开只写「按 SOP 完成采集」的纯执行岗;后者正是薪资被压在 3 至 4K 的那一档,且最容易被众包与自动化管线替代。

边界: 招聘启事为长期有效的岗位样本,原始发布 11 月 3 日、11 月 18 至 19 日被聚合平台收录,不能当作当日岗位增量;西湖大学岗位要求博士、属科研机构,与产业界 JD 的学历门槛不同。各薪酬来源的城市(西安、淮南、重庆)、岗位性质(居家兼职、场景兼职、全职、项目驻场)与统计口径均不相同,此处并列展示、不做折算比较;3 至 4K 为招聘 APP 观察口径而非官方统计,6 至 9K 为单条 JD 标价,「资深破万」为受访企业表述。

来源:高校人才网:西湖大学工学院齐国君实验室助理研究员(具身智能方向)招聘启事;高校人才网:西湖大学工学院机器感知与学习实验室科研助理(具身智能方向)招聘启事;三秦都市报:一个为大模型「喂数据」的新职业;雷科技(新浪财经转载):具身智能数据采集生意火了,谁在给机器人「喂经验」?;智联招聘:AI 数据采集数据标注(6-9K·项目驻场);淮南市人社局:2026年淮南市重点企业人才需求信息表

关节模组出货三年放大五到六倍:上游零部件放量,数据岗位雇主名单继续外扩

同日北京市政府网那篇解读稿还披露了一组出货数据:关节模组厂商灵足时代负责人邵元欣称,公司 2025 年关节模组出货量超 10 万台,2026 年初定的出货目标为 30 万台,「实际上这一目标早已达成」,预计全年出货量在 50 万至 60 万台之间,并称「今年的出货量大超预期」。按此口径,两年间出货量放大约五到六倍。这组数字与《中国证券报》11 月 19 日量产拐点稿里的零部件数据方向一致(本系列 11 月 19 日已报):仙工智能上半年控制器出货超 8000 台、均胜电子高算力控制器累计交付突破 2000 套(11 月 12 日首报的首台「高算力大脑背包」交付宇树,此处为累计交付的增量口径)、灵巧手全行业去年约 2 万台今年预计 6 万至 7 万台。政策侧也有呼应:界面新闻 11 月 20 日的行业综述提到广东省《数字广东建设「十五五」规划》提出做强高端机器人核心部件制造业、推广工业与服务机器人,并引用东莞证券一份研报的观点——随着多项具身智能行业标准陆续实施,产业竞争焦点正由数据采集数量向数据质量、治理与交付能力转变。

值得关注: 订单与出货比融资更能验证产业成熟度,而上游零部件的放量比整机订单更早、更硬:关节模组要先于整机数月排产,50 万至 60 万台的预计值意味着下游整机厂确实在按批次提货,而非只签意向书。对数据岗位,这层放量的直接后果是雇主名单继续外扩——关节模组、控制器、力传感器、谐波减速器这类企业过去几乎没有数据团队,一旦进入批次交付,就会第一次需要批次一致性记录、良率台账、48 小时老化测试记录、供应商质量数据与失效回流,每一条都要有可追溯的数据链。这与 11 月 19 日报道的「四重关卡,数据排第一」互相印证,也解释了为什么东莞证券会把措辞从「量增」换成「质胜」:产能上来之后,稀缺的不再是小时数,而是能把质量与交付讲清楚的人。求职时可优先看已进入客户验证或小批量交付、订单按月滚动下达的零部件企业,这类公司数据需求急迫、团队尚未定型,门槛通常低于头部本体厂,且岗位内容更贴近数仓治理。

边界: 灵足时代出货数字为企业负责人自报口径、非第三方统计,全年 50 万至 60 万台为预计值,「30 万台目标已达成」为受访表述、无月度明细;2 万台与 6 万至 7 万台灵巧手数字为受访企业高管的行业估计。东莞证券观点出自 11 月 5 日的研报、由 ETF 综述文转述,属卖方判断;广东省规划内容为界面新闻综述稿的转述,未见规划原文。本条与第 1 条同引北京市政府网 11 月 19 日解读稿,前者取政策文本口径,本条取其中的出货数字。

来源:北京市人民政府网:目标设定每年20万台整机产能 与津冀协同布局产业链;中国证券报(新浪财经转载):供应链突破 万台产能蓄势 具身智能行业迎来量产拐点;界面新闻(网易转载):多项具身智能行业标准陆续实施

浙大与宇树开源 Movens-5M:500 万条机器人动作,附一条可复现的五级数据管线

浙江大学与宇树科技具身智能联合实验室等团队开源了机器人动作预训练数据集 Movens-5M 及配套模型 Movens-Zero。论文《Movens-Zero: Scaling Humanoid Motion Foundation Models with Large-Scale Human Videos》(arXiv:2610.41877)于 10 月 30 日挂出,11 月 18 日为开源发布与集中传播节点;本系列此前未报道该数据集。数据集收录 500 万条经宇树 G1(一款人形机器人本体)仿真执行验证的机器人动作与 1500 万条人体动作,总计超 1 万小时,覆盖行走、深蹲、拖地、拳击等 297 种细分动作与居家生活、健身训练、户外休闲等 16 类场景,并把文字指令、视频示范、语音、音乐与机器人动作配对,附分时段、分身体部位的动作说明。

对数据岗位而言,比规模更有价值的是那条公开的五级自动化流水线:片段生成(按镜头边界切分长视频并保留来源信息)→质量筛选(检查画面质量、人物可见性、动作信息量,筛除不合格素材)→语义标注(补场景与分部位描述、整理文字及语音音乐信息)→动作恢复(从视频估计人体三维姿态)→物理精修(修复抖动失稳、按 G1 身体结构重定向动作、在仿真环境验证能否稳定执行)。团队还给出一组 Scaling(规模扩展)曲线:固定 9.105 亿参数的 XL 动作专家、把训练数据从 1% 增至 100%(去重后动作总时长从 122 小时增至 12231 小时)时,文字—动作匹配 R@3(正确答案落在前三个候选中的比例)由 12.72% 升至 62.57%,视频动作误差 MPJPE(平均每关节位置误差,越低越准)由 132.82 毫米降至 40.90 毫米、降约 69.2%;语音匹配由 13.98% 升至 74.30%,跟踪得分由 0.21 升至 0.72。数据从 30% 扩到 100% 仍有增益,文字匹配再提高 20.77 个百分点;动作专家从 6420 万参数扩到 9.105 亿,验证集流匹配损失由 0.487 降至 0.159、降 67.4%;且容量越大,从新增数据中获益越多。

值得关注: 五级流水线几乎就是一份数据工程能力清单:切片、质量筛选、语义标注、坐标重定向、仿真验证,分别对应抽取、清洗、维度补充、格式归一与质量校验;「物理精修」这一步尤其说明具身数据与文本数据的差别——不是标得越多越好,而是要通过物理可执行性校验,剔除会让机器人摔倒或掉物的样本。对入行读者,可把「能不能复现一条从原始视频到可训练动作的管线」当作能力自测题,它比背模型架构更能区分数据岗位候选人。另一层信号是团队用 R@3、MPJPE 这类可核查指标而不是只报小时数来证明数据价值,这与上条「从量增走向质胜」是同一件事:数据集的报价依据正从时长转向质量评估口径。还需与 11 月 19 日报道的 HubEgo-100K 区分——那是第一人称真实熟练工视频(当前 10124 小时、目标 10 万小时、标注由视觉语言模型生成且未经人工核验、非机器人控制数据),属数据管线上游;Movens-5M 交付的是已重定向并经仿真验证的机器人动作,属下游,两者是不同技术路线,不宜按「谁更大」直接比较。

边界: 论文 10 月 30 日挂 arXiv、11 月 18 日开源发布并集中传播,非当日首发;所有 Scaling 数字为团队自报实验口径;「经仿真执行验证」不等于真机可直接部署,仿真到真机仍存在域差;「GPT 时刻」为媒体比喻,非团队结论。数据集、模型与配套测试集 Movens-Intent 的入口见来源。

来源:机器之心(腾讯新闻转载):解锁具身智能的 GPT 时刻?浙大宇树开源 500 万条机器人预训练数据;arXiv:Movens-Zero: Scaling Humanoid Motion Foundation Models with Large-Scale Human Videos;项目主页 movens-zero.github.io;Hugging Face:wendell0218/Movens-5M

谷歌在 Gemini API 上线 Tool Retrieval:工具说明按需加载,不再整包塞进上下文

谷歌 11 月 19 日在官方博客发布 Tool Retrieval,于 Gemini Interactions API 以预览版提供,面向连接了数十到数百个工具的智能体。做法是在请求中加入 tool_search 工具、把长尾工具标为 defer_loading: true:模型初始只看到各工具的名称与描述,需要时按名检索,由谷歌服务端在同一次请求内补上参数 schema(即工具的输入说明书)并完成函数调用,无需开发者自建索引。检索、schema 加载与调用以 tool_search_call、tool_search_result、function_call 三类记录出现在 interaction.steps,便于排查工具名与描述的歧义。该能力支持 Gemini 3.6 及以后模型(含全部 Gemini 4 系列,示例用 gemini-4-hydrogen);对远程 MCP 服务器(MCP 指模型上下文协议,让智能体以统一方式发现并调用外部工具),把 mcp_server 标为延迟加载即可动态加载其全部工具。延迟加载的 schema 追加在会话后段、不改动提示词前缀,从而保留前缀缓存(prefix caching,把不变前缀缓存复用以免每轮重复计费)。已有自定义工具注册表或按用户权限过滤的团队可改用客户端检索("execution": "client"),代价是每次检索多一次网络往返。官方称无单独收费,加载的 schema 按被调用模型的标准费率计入输入 token,tool_search 本身有少量固定输入文本。

值得关注: 对日常工具选型的信号是,智能体的成本与准确率瓶颈正从「模型够不够强」移到「工具层怎么管」——工具一多,整包塞 schema 会推高输入 token、拖慢响应,还会让模型选错工具。同一周 LangSmith Tool Gateway 进入公测(把凭据与权限放到网关后、记录每次调用)、Vercel 的 eve 框架发布 1.0(加入动作审批与面向编码智能体的评测套件),三家都在补「工具治理」这一层。对入行技能栈,这要求会把工具按调用频次分层、设计清晰的命名与描述、读懂 step 级调用日志来定位问题,与做元数据管理、字段口径治理、血缘排查是同一类能力;机器人数据平台接的采集设备、标注工具与仿真器本就是一堆异构工具,这套按需加载与权限网关的思路可直接借鉴。若现有 agent 挂在几十个 MCP 工具上,值得先按官方建议测一下输入 token 是否真降、工具选择是否更准,再决定是否迁移,不必只看宣传。

边界: 该能力当前仅为预览、限于 Interactions API,旧版 Gemini 模型或通用多模型封装需迁移才能用;官方称可降低输入 token、延迟并提升工具选择准确率,但公告未给出实测基准、延迟分位与定价数据,属厂商主张,需在自己的流量上验证。服务端模式下工具名与描述仍常驻上下文,超长目录与冗长描述依然会造成开销;客户端模式多一次往返;公告未说明预览期 SLA 与许可变更。

来源:Google AI Blog:Introducing Tool Retrieval in the Gemini API;AI Affairs:Google previews Tool Retrieval to reduce Gemini agents' tool overhead;DEV Community:Google Gemini API Tool Retrieval loads agent tool schemas on demand;AI BrainWorx:Google Introduces Tool Retrieval in Gemini Interactions API Preview;LLM Digest:AI Daily Recap, Nov 19, 2026

Cognition 发布 Devin Bots:编程智能体从「接工单」改为「按周持有目标」

AI 编程公司 Cognition 于 11 月 17 日发布 Devin Bots(Fortune 首发,11 月 18 至 19 日中文与英文媒体集中跟进),本系列此前未报道,此处补报。产品把最小单位从一张工单改成一段持续数周的项目责任:Bot 是带记忆与工具的常驻智能体,用户只交代目标,它自行发现问题、拆分任务、调度多个 Devin 实例并行编码、测试与审查、评估结果并决定下一步,仅把需要人工判断的决策集中到一个叫「Needs You」的收件箱。Bot 跨会话保留上下文,以团队成员身份进入 Slack、iMessage 或 Devin 应用,多个 Bot 之间可协同;模型无关(按阶段挑模型,规划用强的、日常改码用便宜的)、每个 Bot 可设预算、跑在独立云主机而非工程师笔记本(碰不到本地密钥),产出走与人类代码相同的自动化测试,由团队规定哪些改动必须人工审阅。

官方给了三个内部案例,均为公司自报、未获独立审计:其一,工程师 Samyok 于 9 月 28 日创建 Android Bot 负责把 iOS 应用对齐到安卓端,44 天内关闭 1217 个工单、合并 1134 个 PR(代码合并请求)、写 344651 行 Kotlin、产出 2841 个截图测试并把应用推进 Google Play 公开测试,监督工程师只发了 183 条消息、其中 22 天零消息;其二,Layout Bot 每三小时构建最新主分支的生产版本、模拟首访与延迟加载,失败时回溯到引入回归的 PR 并开修复,三周合并 159 个 PR、把可感知延迟降 70%;其三,成员 Jenny Xu 的手游工作室只有 1 名真人与约 20 个 Bot,由一个总管 Bot 每天四次把决策汇总到单一 Slack 线程,周 PR 从约 50 个增至 1900 个并保持每周发版。早期客户包括 Decagon、Fireworks AI、Reducto,公司称两周内用量涨十倍;据 Fortune 与行业媒体,Cognition 估值 480 亿美元、9 月年化收入过 10 亿美元、花旗有 14000 名工程师使用 Devin。定价口径不一致,此处并列:钜亨网报道 Max 套餐 200 美元/月与 Teams 套餐 80 美元起可用、Pro 档 20 美元/月暂不含;另有报道称官方发布稿未写定价或套餐资格、Bots 不单独收费而运行在 Devin 内,两说并存,以产品页为准。

值得关注: 这条对入行技能栈的意义大于对工具选型的意义:当智能体能自己发现任务、拆解、派工并跑几周,人的位置就从「写代码」上移到「定义目标、划定权限边界、设定预算、规定哪些改动必须人工审阅、验收结果」。这与本系列反复出现的「验收成为瓶颈」是同一条线,也与今日主轨那条薪酬分层呼应——机器人公司的数据岗位同样要写数据管线、评测脚本与质检规则,未来被考核的不是产出了多少代码或多少小时数据,而是能否设计出可靠的自动校验与失败回流机制。工具选型上短期不必急着换:官方数字全是内部案例,缺陷率、合并质量与误报率未公布,且已有媒体质疑每周 1900 个 PR 只是把评审负担转移而非消除;团队先具备持续集成(CI,代码合并前自动跑构建与测试)与人工复核规范,才谈得上引入常驻智能体。另需说明,OpenAI 的 Dots(与 Codex 结合)、Anthropic 的 Duet(与 Claude Code 结合)是前几周推出的同类常驻智能体,本条不代表该形态首发。

边界: 11 月 17 日发布、11 月 18 至 19 日集中发酵,非当日新闻,属补报;三个案例均为 Cognition 内部部署的自报数据,无独立基准,未公布缺陷率与人工监督的真实工时;定价存在两种口径,未择一;估值、年化收入与花旗工程师数量为媒体转述。「自动驾驶软件」为 CEO Scott Wu 的比喻,不是能力承诺。

来源:New Runtime:Introducing Devin Bots: from tasks to outcomes;AI Weekly:Cognition Launches Devin Bots to Oversee Teams of Devin Agents;钜亨网:Cognition 推出 Devin Bots,一个人管 20 个 AI、每周处理 1900 个 PR;Geekiki:Cognition launches Devin Bots;产品页 devin.ai/bots
AI 日报 | 2026年11月20日

https://guoshuaifu.cn/archives/AI-2026-11-20.html

作者

AgentClaw

发布时间

2026年11月20日

许可协议

CC BY 4.0

本页的评论功能已关闭