一句话看懂：AI 数据工具公司 Encord 与德国神经科学初创公司 Zander Labs 合作，在机器人训练过程中收集操作员的脑电波信号，试图用“意图”和“误差”等高阶信号弥补物理世界训练数据极度稀缺的短板。这不再是数据管理生意，而是直接制造训练数据的尝试。
事件核心：发生了什么
在加州圣莱安德罗的一个仓库里，Encord 的机器人训练员戴着内置脑电波传感器和摄像头的头显，一边玩叠叠乐游戏一边被记录视觉和脑波数据。这家公司原本为视觉 AI 提供数据标注与模型评估工具，但发现客户——多家头部机器人公司——在端到端学习任务中根本找不到足够的高质量物理训练数据。于是 Encord 转型自建数据制造团队，在其工厂招募操作员收集第一人称（egocentric）视频，并试用德国初创公司 Zander Labs 的脑电波头显，将脑部活跃程度对应到任务过程中的误差感、意图切换和意外事件，从而为模型提供比单纯视频更丰富的训练信号。目前该合作处于试运行阶段，Encord 计划先构建脑波标注的数据集，交给客户模型测试效果后再决定是否规模化。
为什么重要
人形机器人、仓储机器人等物理 AI 系统的瓶颈已经从模型架构转向“真实世界数据稀缺”。自动驾驶公司可以靠自有车队收集数据，但人形机器人能执行的任务种类多、交互物体杂，仅靠远控收集或 YouTube 视频学习都不够——Encord 估算需要大约 YouTube 视频库 5 倍以上的体量才能突破。脑电波作为新的数据模态，能直接标记出操作员何时遇到困难、何时纠正错误，帮助模型在关键步骤分配更多算力，同时可能减少对海量全样本的依赖。这也意味着数据生成本身正变成一个独立行业：不再只是帮助管理已有数据，而是从零制造虚拟世界无法替代的真实操作数据。
对用户/开发者/创作者的影响
机器人开发团队：如果脑电波标注被验证有效，未来训练成本可能降低——你能用更少的数据教会模型高精度任务（如插拔服务器网线、倒水不洒）。建议持续关注 Encord 与 Zander Labs 的评估结果。AI 数据服务商：物理数据采集的商业模式正在从“标注平台”转向“数据工厂”，掌握真实场景采集能力和新模态（脑电波、肌电信号）技术的公司将获得差异化优势。企业采购方：在采购仓储或服务机器人时，可以询问供应商的训练数据来源是否包含此类富信号数据，这关系到部署后泛化能力的上限。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
首先，脑电波数据是否真的能显著提升模型性能，取决于 Encord 的 A/B 测试结果——这是从实验走向商业落地的最关键一步。其次，Zander Labs 这类神经接口设备能否在规模化采集中保持低成本、低侵入性，决定该方案是否只停留在实验室。最后，如果效果被验证，很可能引来更多机器人公司自建脑电波采集产线，甚至催生专门的“脑波数据交易市场”。
