2026-09-15 机器人叠衣成功率从约81%升到95%，卖数据的就能涨价吗？

作者：具身星探     出品：具身星球

机器人叠衣服，成功率从80.75%提高到95%。卖数据的看到这个结果，可能会觉得：报价终于有理由往上提了。

客户未必这么想。他会先问：这批数据买回来，我还要花多少钱才能用上？

这组结果来自FolDeX论文。在衬衫、裙子、裤子和毛巾四类任务上，研究者加入恢复轨迹重新训练，报告了上述改善。

恢复轨迹很好理解：机器人走偏了，人帮它把任务接着做下去，留下这段过程供下一轮训练。正常示范教它怎么做好，恢复数据教它出错后怎么办。

十四个多百分点，是值得关注的进步。但从这个结果到一张客户愿意签字的报价单，还有几件事要说清楚。

01

客户买的这批数据，能不能带来同样的进步？

论文里的方法有效，值得客户试。供应商手里的具体数据能否有效，还要另做验证。

最实在的办法，是约好一次对照：不用这批数据是什么表现，用了以后又是什么表现。

这里容易起争议的地方有三个。

模型有没有一起换。数据补了，模型版本也升级了，最后多出来的效果各有多少贡献，不能只凭一张成绩单判断。

训练有没有多投入。多训了多久、多用了多少算力、额外调了几轮参数，都要列出来。这些投入可能值得花，但客户得事先知道。

测试条件有没有变。衣物、夹爪、初始状态不同，结果就可能不同。尤其要确认：机器人自己做完才算成功，还是人帮过忙也算？

FolDeX要求策略在无人工干预的情况下完成完整任务，并采用统一测试协议。它给出了效果证据，但没有给出采购方需要的完整成本账。

实际交易中，也不必强行把数据、训练和适配拆成互不相关的三件事。有些数据就是要配合特定训练方法才能用好。客户可以买整套方案，关键是报价包含什么、自己还要补什么，提前说清楚。

最怕的不是报价贵，是买完才发现，真正花钱的部分还没开始。

图2｜效果、成本与收益的交易分析示意

02

少接管1000次，工资却一分没少

假设数据到了客户现场，确实减少了人工接管。这时候，技术团队可能觉得验收过了，采购却还有问题。

下面是一笔假设账，所有数字都用于演示，不是企业经营数据或市场报价。买方是一家既采购数据、也承担现场接管成本的机器人团队。

一笔假设账 ｜月均分摊口径

每月减少人工接管                                                                                      1000次

每次可实现的人工及返工成本节省                                                       10元

每月可实现收益                                                                                           10,000元

新增训练、调试、复测成本（月均分摊）                                          4,000元

付数据费之前，还剩                                                                                  6,000元

数据费用（月均分摊）                                                                             8,000元

买方每月净收益                                                                                          －2,000元

数据有用，这笔采购仍然可能不划算。

而且，表里那1万元能不能成立，还得再问一句：接管少了以后，人去做什么了？

如果少了加班、外包或返工支出，可以算。如果腾出的时间带来了更多订单，也可以计算扣除相关成本后的新增收益。

但如果人还在原岗位，工资照发，也没有增加产出，就不能直接把省下的分钟数当成现金。

谈判时，双方很可能卡在这里。供应商算的是“每次省十分钟”，客户看的是“这个月到底少付了多少钱”。

省下工时是进步，把工时变成收益，还需要现场运营接得住。

收益归谁也要对上。终端客户少花了钱，机器人团队却没有通过合同分享到这部分收益，就不能拿客户的节省来证明机器人团队买数据一定划算。

费用分摊多久，同样影响结果。一笔数据费摊半年和摊三年，算出来完全不同。授权能用多久、任务预计运行多久、效果能维持多久，都得有依据。拿不准，就把长短两种周期摆出来，别只挑好看的那张表。

03

客户愿意买，为什么还不肯加价？

因为客户不会只拿新方案和“什么都不做”比较。他手里可能已经有一套能用的办法。

另举一个假设：在同一周期内，旧方案扣除配套成本、支付数据费之前，能留下3000元；新方案能留下6000元。

多出来的是3000元。讨论加价时，该看这部分差额，而不是把新方案全部6000元都算成新增价值。

这3000元也不等于供应商就能加收3000元。客户需要留下采用新方案的好处，还会考虑效果能否稳定，以及换一家、自采或继续用旧方案，哪个更划算。

所以，卖方光说“我的数据让成功率提高了”，还不够。更有说服力的说法是：

在你约定的任务和条件下，这套方案比原来的办法多留下多少收益；新增费用是多少，哪些投入已经包含在报价里。

客户不一定为更高的分数加钱，但可能为更划算的结果加钱。

数据商要争取好价格，也不用替客户所有的模型和工程问题兜底。双方先约清楚测试怎么做、各自负责什么、费用怎么算，比事后争功劳有用。

谈加价，带上这四问

01 · 用了差多少？

使用前后的效果，以及同期模型和训练变化

02 · 还要花多少？

报价之外的训练、适配、复测和维护投入

03 · 到我这还行吗？

买方本体、物料和任务条件下的复测

04 · 比原来多剩多少？

同一周期内，与旧方案及替代方案的净收益比较

这四问是本文整理的交易分析工具，不是行业标准。下次供应商拿出成功率，客户拿出预算表，可以从这里开始对账。

尾

把效果，算进客户的账

FolDeX给了一个值得继续验证的结果：恢复数据能帮助机器人把任务做得更好。

到了买卖双方的谈判桌上，还要接着问：改善能不能在客户现场重现，配套投入有多少，收益最后归谁？

数据有用，才有谈价的起点。比客户原来的办法更划算，才有加价的空间。