# 24 小时、白夜班各一个审核主管：从特斯拉这张招聘清单，反推一条数采线该怎么排班
> 特斯拉在六个城市招 Optimus 数采岗，七个岗位从采集员一直排到项目管理，其中「数据审核主管分白班与夜班」这一句最露底——它说明这条线是 24 小时不停、且质检不能等第二天。把招聘清单翻译成组织图，再乘上 Ego 数据的效率倍率，一条数采线的产能公式就出来了。
### TLDR
- **招聘事实**：华鑫证券 **2026-11-02 09:25** 周报披露，特斯拉近期在官网与各招聘平台开放一系列 Optimus 数据采集岗位，地点集中在**加州 Palo Alto、Fremont，得州 Austin，佛州 Orlando、Doral、Tampa 共 6 城**。
- **七类岗位**：数据采集员、现场带班、主管、数据审核、培训、硬件、项目管理，覆盖「采集执行 → 运营支持」全链条；其中**数据审核主管分白班与夜班**——这是「24 小时不间断」最硬的证据。
- **另一条产线**：特斯拉在 2026 Q3 电话会宣布搭建「**机器人学院**」，计划通过 **1–2 万台**机器人自博弈完成数据采集。这跟人类采集是两条不同的产线，产能差两个数量级。
- **效率倍率**：国信证券同日深度引 EgoMimic 研究——人类示范的采集效率约为机器人遥操作的 **10.4 倍**；EgoScale 研究里 Ego 预训练数据从 **1000 小时加到 20000 小时**，真机平均任务完成度从 **0.30 升到 0.71**（+137%）。
- **判断：一条数采线的产能不取决于有多少人，取决于「审核」这一段能不能跟上。采集可以两班倒，审核也可以；但审核要出的是一致性判据，判据不统一，人越多数据越脏。**
### SRC
信源两篇，均为券商研究，非特斯拉官方披露。①**华鑫证券 2026-11-02 09:25 汽车行业周报**（同花顺 https://stock.10jqka.com.cn/20261102/c681338138.shtml 、腾讯新闻 https://news.qq.com/rain/a/20261102A03WGM00 、东方财富研报库同稿）提供招聘细节：6 座城市、7 类岗位、「数据审核主管分白班与夜班」、Q3 电话会「机器人学院」1–2 万台自博弈；②**国信证券 2026-11-02 具身数据专题深度**（https://m.10jqka.com.cn/20261102/c681334263.shtml ）提供 Ego 路线的方法与实验数据：数十名员工 8 小时轮班、头盔与背包上固定 5 台摄像机、EgoMimic 的 68→128 分与叠衣 73%→88%、10.4 倍效率、EgoScale 的 0.30→0.71、未标注 Ego 数据「几十元/小时」与处理后「几百元/小时」、设备千元级与信通院口径单台套数万元。**素材时间窗**：当日 09:00 → 19:00，两篇均在窗内（华鑫 09:25 为当日早间发布）。**与既有稿的差异**：本号 11-01 的 628 号算的是「本体折旧摊到每小时」的成本（12 万元本体 105 元/小时、60 万元 640 元/小时），10-31 的 624 号谈的是数据供给缺口与价格分层——本篇不重复这两条线，只处理「一条数采线怎么排班、产能怎么估」。**不确定边界**：①招聘城市清单来自券商对招聘平台的归纳，未附职位链接与发布时间，具体在招岗位数不明；②「数据审核主管分白班与夜班」只能推出该职能需要覆盖两班，不能直接推出整条线 24 小时满负荷；③1–2 万台「自博弈」是电话会口径，未说明是存量机器人还是规划产能，也未说明自博弈数据与人类示范数据的可用比例；④EgoMimic 与 EgoScale 均为论文结论，实验条件与特斯拉实际产线不同，不能直接外推；⑤文中所有产能测算均为作者按公开数字估算，非企业披露。文中判断均以「判断：」开头，文末版权与免责声明由模板自动附加。
### BODY
先看这张招聘清单本身。六个城市：加州的 Palo Alto 与 Fremont，得州的 Austin，佛州的 Orlando、Doral、Tampa。七个岗位：数据采集员、现场带班、主管、数据审核、培训、硬件、项目管理。
很多人看这条消息只记住了「特斯拉在扩招数采团队」。真正有信息量的是岗位结构——它不是招一批人去搬东西，是招一整套人把「搬东西→变成数据→变成能训练的东西」这条流水线立起来。
一、把招聘清单翻译成组织图
| 岗位 | 在这条线里干什么 | 为什么必须有 |
|---|
| 数据采集员 | 穿戴设备、重复执行指定动作 | 产能的基本单位，按人时计 |
| 现场带班 | 管当班节奏、任务切换、异常处理 | 采集是重复劳动，节奏一松数据质量就掉 |
| 主管 | 管多班次、跨场地排产 | 多城市并行时才需要这一层 |
| 数据审核（白班／夜班） | 判定这一条数据能不能进训练集 | 唯一决定「数据是否可用」的环节 |
| 培训 | 把动作规范教给新采集员 | 人一换，动作就变形，一致性靠培训守 |
| 硬件 | 设备维护、标定、故障更换 | 相机一歪，整批数据报废 |
| 项目管理 | 排期、交付、跨团队对齐 | 数采是长周期投入，必须有节奏表 |
岗位类别据华鑫证券 2026-11-02 周报；「为什么必须有」一列为作者判断，非券商表述。
七个岗位里，最容易被低估的是第四个：数据审核，而且分了白班和夜班。
这一句值得单独拆。采集排两班，是因为设备不能停；审核排两班，是因为采集出来的数据必须当天判完，否则第二天采集员就不知道自己昨天哪里做错了。换句话说，审核不是事后质检，是采集的反馈回路——夜班审核主管的存在，等于承认这条线是「边采边纠」。
判断：这也是为什么数采这条线很难外包。采集可以外包给数据标注公司，审核不行——审核要判的是「这个动作算不算合格示范」，判据得和模型团队对齐，而判据本身还在迭代。你把判据交给外部，等于把数据分布的定义权交出去。特斯拉把审核放在自己编制里、还配到白夜班，说明它把这一段当成核心资产，不是成本中心。
二、人的产能，和机器人的产能，差两个数量级
特斯拉走的这条路线叫 Ego 数据：采集员戴上头显或颈挂设备，在日常环境里用双手完成任务，设备记录第一人称视频，再通过 SLAM 轨迹恢复、三维手部姿态估计、逆运动学与动作重定向，转成机器人能用的动作空间。国信证券的深度里给了一个具体画面：数十名员工模仿日常动作，在 8 小时轮班里重复数百次，头盔和背包上固定 5 台摄像机全程记录。
这条路线的效率优势很明确：EgoMimic 的研究显示，人类示范的采集效率约为机器人遥操作的 10.4 倍。同样是一小时的有效数据，用遥操作要一个人盯着机械臂慢慢来，用 Ego 采集只要一个人正常干活。
但把数放大，会看到一个很残酷的结论。
按人算：假设 50 名采集员、每天 8 小时、每月 22 个工作日，月产能约 8800 人时。要攒到 100 万小时，需要 约 113 个月——九年半。
再加一条：这还是理想值。真实采集里有换装、标定、重录、审核退回，有效率通常打七折。按七折算，时间要拉长到十三年以上。
按机器算：1 万台机器人、每天跑 8 小时，一天就是 8 万机时；攒 100 万小时只要 12.5 天。
这就是为什么特斯拉在 Q3 电话会上讲的不只是招人，还有「机器人学院」——用 1–2 万台机器人自博弈完成数据采集。人类这条线做的是「定义什么是对的」，机器人那条线做的是「把这个对的东西重复一千万遍」。
判断：两条产线的分工不该被混为一谈。人类 Ego 数据贵、慢、但带决策逻辑和注意力切换（先看哪儿、再伸手、抓不住怎么改），这些是自博弈学不到的；机器人自博弈便宜、快、但只能在已知任务分布里打转。合理结构是：人类数据负责把任务「定义清楚」，机器人自博弈负责把长尾「填满」。任何一家想只靠一条腿走的公司，最后都会在另一条腿上补课。
三、一份可以直接照抄的排班表
如果把上面这些拼起来，一条 24 小时真机数采线大概是这个样子——不是标准答案，是一个可以拿去改的骨架：
07:30
白班硬件检查：相机位置、标定板过一遍，记录当班设备状态。设备状态表比人还重要，一台歪了的相机能让整班数据报废。
08:00
白班开采集：每 50 分钟一轮，轮次之间 10 分钟复盘上一轮被退回的条目，当天问题当天改。
14:00
白班审核出第一批判据：把「合格示范」的边界写成三条以内的可判定规则，交给夜班复用。
20:00
夜班接手：同一套判据、同一套任务卡，唯一变量是时段。夜班的价值在于验证「换个班次，数据分布是否漂移」。
次日 06:00
两班审核对齐：统计退回率、动作偏差、设备异常。退回率突然升高，通常是规范理解出了分歧，不是人的问题。
这张表里有三个容易被省掉、但省掉就出事的环节：
第一，设备状态表。Ego 路线的设备是头显加多台相机，戴在人身上。人一动，相机就可能偏几毫米；几毫米的偏移，会让手部姿态估计整批漂掉。硬件岗存在的意义就在这里。
第二，退回率的日监控。退回率是一个很灵敏的仪表：它同时反映采集员的理解、审核判据的清晰度、以及任务卡的设计质量。退回率长期高于两成，说明问题在判据，不在人。
第三，跨班次的一致性检验。白班夜班采同一批任务，如果数据分布明显不同，那这条线训出来的模型会有「时段偏置」。这一点很少有团队专门测，但成本极低——同一任务卡跑两个班次，比一比动作时长与轨迹分布就行。
判断：真正决定一条数采线成败的，不是采集员的动作有多标准，是「判据」能不能在人和班次之间稳定传递。这也是为什么特斯拉把培训、审核、项目管理三个岗位单列——它们对应的分别是「判据怎么写下来」「判据怎么执行」「判据什么时候改」。采集员是可替换的，这三件事不是。
最后说成本。国信证券引的数据是：未标注 Ego 数据约几十元一小时，处理后的高质量数据几百元一小时，采集设备千元级，信通院口径下整套设备数万元。对比本号此前算过的真机遥操作数据成本（本体折旧口径 105 元至 640 元一小时），Ego 路线便宜在设备，不便宜在处理——真正贵的工序在「从视频到可用动作」这一段。
所以如果要自建一条线，预算该这么分：设备只占小头，人力的大头不在采集而在审核与处理，而最大的隐性成本是「判据反复改」带来的重采。先把判据写清楚，再招人，顺序反了会烧掉很多钱。
事实来源：华鑫证券 2026-11-02 09:25 汽车行业周报（招聘岗位、城市、白夜班审核主管、机器人学院 1–2 万台）；国信证券 2026-11-02 具身数据专题深度（Ego 路线方法、EgoMimic 10.4 倍与 68→128、叠衣 73%→88%、EgoScale 0.30→0.71、数据价格区间）。两篇均落在本批素材窗口（当日 09:00 → 19:00）内。文中产能折算与排班骨架为作者据公开数字推演。
---
*来源：神机百见-具身解读 · https://www.shenjibailian.com/jiedu/article/tesla-optimus-data-shift-roster-24h-white-night/*