工具教程 · 神机百见-具身解读
12 万元的本体算出 105 元一小时，60 万元算出 640 元：数据成本这道题，分子是折旧不是标注
同样采一小时有效数据，本体 12 万元时成本 105 元，本体 60 万元、完好率 85% 时成本 640 元。把这两个数做一次除法，就能反推出这门生意的成本结构——然后用它去核对「120 元报价」和「一年回本」，会发现三组数对不上。
一分钟速览
- 两个锚点数字：清华大学长聘副教授、灵御智能联合创始人兼首席科学家莫一林在 2026 长沙 1024 程序员日上给出测算——本体均价 12 万元时，有效数据采集成本约 105 元/有效小时；本体升至 60 万元、设备完好率降到 85% 时，成本升至约 640 元/小时。
- 核心判断（他的原话逻辑）：具身数据的成本逻辑与互联网相反——不由标注工时决定，由硬件折旧决定；真正的短板不是模型，是缺失「行动会产生何种后果」的因果数据。
- 一次可核验的除法：60 ÷ 12 = 5 倍价格，640 ÷ 105 = 6.10 倍成本，多出来的 1.1 倍正好对得上 1 ÷ 0.85 —— 说明这个模型近似「本体价格线性 × 完好率倒数」。
- 对不上的地方：本站 9 月记录过同公司的另两个口径——数据对外报价 120–150 元/小时、100 台规模中心一天 400 小时、约一年回本。用 105 元成本和 120–150 元报价去套那 400 小时，算出来的静态回本期是 2.8 到 8.3 年，与「约一年」差 3 到 8 倍。
- 判断：这三组数不是谁在撒谎，是「卖数据」和「卖数据资产」被混成了同一件事。按小时卖，毛利只有 15–45 元；要一年回本，同一小时的数据必须被卖很多次——这正是数据资产与实物资产最根本的区别。
数据来源与边界
事实主源为 CSDN 发布于 2026-11-01 09:05 的大会实录稿（经网易号「市场资讯」转载，
网易 ↗ ），该文记录的是
2026 年 10 月 24 日至 25 日在长沙智谷举办的「2026 长沙 1024 程序员日暨 AI 构建者大会」（主题「具身同行，智构未来」），其中莫一林（灵御智能联合创始人兼首席科学家、清华大学长聘副教授）关于数据成本的两组测算、灵心巧手联合创始人苏洋关于「已接触物体 / 可稳定抓取」双维度的判断、启元机器人产品线总裁李向东关于 QDD 关节参数（峰值扭矩密度 85 N·m/kg、力控精度 9.6% FS、线束弯折 100 万次、2.5 分钟一台）的表述，均出自该稿的现场转述。对照口径来自本站
2026-09-13 稿《15 万元一台机器人、120 元一小时数据》所引的灵御智能 CEO 金戈访谈（定焦One，2026-09-12）：15 万元一台本体、120–150 元一小时数据、100 台规模的中心一天采集 400 小时、约一年回本。
素材时间窗为前一日 18:00 → 当日 09:00（2026-10-31 18:00 → 2026-11-01 09:00）：稿件发布于
11-01 09:05，较本批 09:00 边界晚 5 分钟，按本站「窗内采信 + 显式标注越界」定式采信并在此注明；会议本体发生在
10-24 至 10-25（窗口外 6 天），
窗口内新增量为 11-01 09:05 这篇实录稿首次公开了莫一林的「按本体价格与完好率折算单位数据成本」这组测算——此前公开报道只有「120–150 元一小时」的报价口径，没有成本口径，这是本文能够做交叉核算的唯一依据。
核查方式与限制：本文未取得莫一林的演讲 PPT 或测算表，也未取得灵御智能的财务数据；105、640、120–150、400 小时、一年回本这五个数分别来自两个时点、两位高管、两种口径的媒体转述，
均为公司口径，无第三方审计。
不确定边界：①「有效小时」的定义未公布——是含准备与复位时间的墙钟小时，还是剔除了失败段落的净作业小时，两者可差一倍以上；②105 元是否已含场地、人工、标注、质检，稿中只说「采集成本」，未拆构成；③12 万元与 60 万元本体的折旧年限未说明，本文按线性关系做的验证只在「同一折旧假设」下成立；④「一天 400 小时」是 100 台×4 小时的推算还是实测，原文未说明；⑤本文用 105 元成本对 120–150 元报价所做的毛利测算，前提是两者度量同一单位（有效小时），若口径不同则整段对照失效；⑥「一年回本」是否含政府补贴、数据复用次数，均未披露。文中所有推算均标注为「作者推算」，判断均以「判断：」开头，文末版权与免责声明由模板自动附加。
本文事实信息来自上方标注的公开来源；解读、判断与延伸部分为作者个人见解，写作过程使用了 AI 工具辅助整理，已由作者人工核实，不代表信息来源方立场。如有雷同纯属巧合；如涉及版权或权益问题，请联系 shenjibailian@shenjibailian.com，我们将在核实后及时删除或更正。
数据采集这门生意，最难讲清楚的一件事是「一小时数据到底值多少钱」。
卖的人说 120 到 150 元，采的人说成本 105 元，两句话都对，但放在一起就不对了。这中间的差额去哪了，决定了这门生意到底是制造业还是资产运营。
10 月底的长沙 1024 程序员日上，莫一林给了这组成本数字第一次可以被验算的机会。
一、两个成本锚点，与一次除法
先把两个数摆清楚：
| 场景 | 本体均价 | 设备完好率 | 有效数据采集成本 |
|---|
| A | 12 万元 | 未说明（按 100% 处理） | 约 105 元/有效小时 |
| B | 60 万元 | 85% | 约 640 元/有效小时 |
两组测算据莫一林在 2026 长沙 1024 程序员日上的发言（CSDN 2026-11-01 实录稿转述）；「按 100% 处理」是本文为使两组数可比而做的假设，原稿未说明 A 场景的完好率。
把两组数做除法：60 ÷ 12 = 5 倍价格，640 ÷ 105 = 6.10 倍成本。
多出来的 1.10 倍是哪来的？试一下 105 × 5 ÷ 0.85 = 617.6 元，与 640 元只差 3.5%。
判断：这个吻合度说明莫一林的成本模型基本是「本体价格线性 × 完好率倒数」，再加上一小段与本体价格无关的固定成本（场地、人工、运维）。这很关键——它意味着数据成本可以被写成一条能算的公式，而不是一句「很贵」。
写成式子，大致是这样：
单位有效数据成本 ≈ （本体原值 ÷ 折旧期内的有效采集小时数）÷ 设备完好率 ＋ 场地与人力摊销。前一项由硬件决定，后一项由运营决定。莫一林给的两组数只体现了前一项随本体价格与完好率的变化，后一项在两组之间被视为常量。
这个式子最有用的一点是：它把「数据贵」拆成了两个可以分别优化的变量。
二、把完好率从 85% 提到 95%，能省多少
假设本体就是 60 万元那一档。完好率从 85% 提到 95%，成本怎么变？
以 640 元/85% 为基准，按「成本与完好率成反比」线性外推（作者推算）；实际关系中可能还含与完好率无关的固定项，故真实降幅会略小于此示意。
完好率从 85% 拉到 95%，成本从 640 元降到约 526 元——降 17.8%，而这只需要把维修响应和设备管理做好，不用换任何一台机器人。
判断：在数据采集这件事上，运维的边际回报远高于采购。买一台 12 万元的本体，成本降到 105 元；把 60 万元本体的完好率从 85% 拉到 95%，成本降 114 元。前者要花 48 万元差价，后者几乎不花钱。但行业里谈降本，几乎所有人第一反应都是「换便宜的本体」——因为采购是可见的动作，运维是不可见的日常。
三、105 元的成本，对上 120–150 元的报价
9 月本站记录过同公司的另一组数：灵御智能 CEO 金戈在访谈中给出的口径是「15 万元一台本体、120 到 150 元一小时数据、100 台规模的中心一天采集 400 小时、约一年回本」。
把成本 105 元和报价 120–150 元放在一起：
| 口径 | 单价 | 与成本 105 元的差 | 毛利率 |
|---|
| 成本（莫一林，10 月） | 105 元/有效小时 | — | — |
| 报价下限（金戈，9 月） | 120 元/小时 | +15 元 | 12.5% |
| 报价上限（金戈，9 月） | 150 元/小时 | +45 元 | 30.0% |
成本为 10 月口径、报价为 9 月口径，两者是否度量同一单位（有效小时）未获确认，本表仅作量级对照，不构成公司财务口径。
12.5% 到 30% 的毛利率，对一个重资产、重运营的生意来说不算高。这也解释了为什么数采中心普遍要靠地方补贴和股东订单活着——单靠卖小时，赚的是辛苦钱。
四、然后，「一年回本」算不通了
把三个数放进同一个模型里，问题就出来了。
按 100 台规模、一天 400 小时、300 个工作日算：
| 项目 | 按报价 120 元 | 按报价 150 元 |
|---|
| 日收入（400 小时） | 4.8 万元 | 6.0 万元 |
| 日成本（400 小时 × 105 元） | 4.2 万元 | 4.2 万元 |
| 日毛利 | 0.6 万元 | 1.8 万元 |
| 年毛利（300 天） | 180 万元 | 540 万元 |
| 100 台本体投入（15 万元/台） | 1500 万元 | 1500 万元 |
| 静态回本期 | 约 8.3 年 | 约 2.8 年 |
本表为作者按公开口径做的静态推算，未计场地、人工、运维、税费、补贴与产能爬坡，也未计第二批设备的追加投入；「400 小时/日」为 9 月访谈口径，非实测。
算出来是 2.8 年到 8.3 年，而公开口径说的是「约一年」。差 3 到 8 倍。
判断：这个差额不是算错，是口径不同。至少有四种解释同时成立：①「一年回本」算的是「满产满销」的理想值，实际利用率远低于 400 小时/日；②本体 15 万元与实际采购价有差，或按补贴后净投入算；③成本口径里没有摊折旧（把设备投入当沉没成本）；④同一小时的数据被卖给了不止一个买家。这四条里，第四条是唯一能把模型救回来的——而它恰恰是数据资产与实物资产最根本的区别。
五、真正决定这门生意的，是数据的非竞争性
一小时数据卖一次和卖十次，成本完全一样。这是数据与设备、场地、人力最本质的不同：它的边际复制成本接近零。
如果按「卖一次」算，这门生意是低毛利的重资产运营；如果按「卖多次」算，毛利率可以无限高。所有数采中心的商业模型，本质都在赌后一种。
这也解释了为什么行业里反复出现「关联交易」的质疑——机器人公司把机器卖给政府支持的训练中心，训练中心采完数据再卖回给机器人公司。这种结构下，数据根本没有进入外部市场，定价也就失去了参照。
卖小时的生意
按有效小时计价，毛利 12.5%–30%。客户越多越好，但每多一个客户就多一份采集量，成本线性上涨。
卖资产的生意
一次采集、多次授权。毛利可以做到很高，但前提是数据真的有人复购——而目前几乎没有公开证据表明存在第三方复购。
莫一林给的另一个方向是「一身多脑」：把商业场景变成持续运行的数据工厂，把长尾问题的纠正过程、接管前后的状态、系统恢复过程都做成可交付的数据产品。
判断：「把纠错过程本身做成产品」这句话，比他给的两个成本数字更有价值。因为它指向的是一种不按小时计价的东西——失败样本、恢复轨迹、人机接管前后的状态对，这些是训练 VLA 与恢复策略最缺、也最难采的数据。按条卖、按场景授权卖，都比按小时卖更像资产生意。
六、拿到自己场景里，怎么算一遍
把上面的模型落到自己的项目上，只需要五步：
第一步 · 定「有效小时」
先写清楚一小时是墙钟还是净作业。含准备、复位、失败重试的墙钟小时，与只算成功片段的净小时，数值可差一倍以上。这一步不定，后面全错。
第二步 · 定折旧口径
本体按几年折旧、残值多少、折旧期内预计多少有效小时。这三个数决定分母，而分母比分子更容易被高估。
第三步 · 量完好率
用最近 30 天的实际可用工时 ÷ 计划工时，不要用厂商标称的 MTBF。完好率每低 10 个点，单位成本涨约 11%。
第四步 · 单列运营摊销
场地、操作员、标注、质检、清洗，逐项列出。这一块在多数对外口径里被隐掉了，但它往往占实际成本的一半。
第五步 · 算复购次数
同一份数据预计能卖给几个客户、几次。这一步决定你是重资产生意还是资产生意，也是唯一能把回本期从 8 年压到 1 年的变量。
顺带把灵心巧手苏洋在同一场会上给的判据也放进来，它解决的是「什么叫一条有效数据」：把「已接触物体」与「可稳定抓取」当成两个独立维度判断，抓取是否稳固必须靠触觉反馈数据评估，采集时既要沉淀有效操作经验，也要完整留存误差样本。
这句话对成本核算的直接含义是：只记成功的段落，数据量会好看但训练价值低；把失败段落一起留下，单位小时的「有效数据条数」会下降、成本会上升——但如果目标是训练恢复策略，那部分数据恰恰是最贵的。判断标准应该是「这份数据能不能改善下一个模型」，而不是「一小时能采多少条」。
最后加一条对照：同场会上易观分析总裁刘怡给的分工判断是，美国占算力与模型的「大脑」、中国握制造与供应链的「身体」、欧洲深耕标准认证的「规则」、日韩守着核心部件的「精密」。如果这个分工成立，那么中国这一侧的竞争优势在「本体便宜」——而本体便宜恰好是压低数据成本的第一个变量。
判断：这可能是这轮具身智能里最少被讨论的一条产业逻辑——中国的人形本体产能过剩，会把数据采集的单位成本压到全球最低。数据成本低，模型迭代就快。这条链条比任何一份政策文件都更能解释，为什么中国的具身模型在 2026 年突然开始追上来。
事实来源：CSDN 2026-11-01 09:05 实录稿（
网易 ↗ ），记录 2026-10-24 至 10-25 长沙 1024 程序员日暨 AI 构建者大会；对照口径见本站 2026-09-13 稿所引灵御智能 CEO 金戈访谈（定焦One，2026-09-12）。两组数字均为公司口径，无第三方审计。
