印度工人用手机拍摄日常生活来训练机器人，背后的技术基石是「无本体数据」——一种不依赖特定机器人硬件（机械臂、夹爪等）即可采集训练数据的范式。以第一人称视角视频（UMI方案）为核心，真正实现了数据与机器人本体的解耦。Neocambrian AI要做的是「灵巧性」数据集，而一篇技术文章指出，机器人要达到人类水平的灵巧度，需要1亿小时的视频数据。无本体数据的价值正是打破这种数据稀缺的僵局——低成本、可跨平台复用，让印度从「人力工厂」变成了理论上可行的「数据粮仓」。

印度外包曾是养活数百万人的2万亿产业——TCS、Infosys等巨头靠卖程序员按人头收费。但AI编程（如Agentic AI）的冲击下，一家公司可完成软件70%的工作，导致印度IT板块单日暴跌超5%。这与印度机器人数据采集的故事形成了历史共振：20年前做代码外包，20年后做数据采集，价值链顶端永远在硅谷。正因为这份「被替代的恐惧」，印度创业公司才急于从采集者进化为转化者——不愿意再当数字时代的打工仔。

就在印度工人以4美元时薪录制洗碗视频时，中美在更高端的数据战场早已开战：中国光轮智能拿下全球80%的机器人合成数据市场，服务英伟达、比亚迪；特斯拉Optimus用上百人的数据采集团队纯视觉方案采集，月薪远超印度同行。印度的4美元时薪与特斯拉的高成本遥操，构成了同一产业的两极。更残酷的是，印度至今连国产机器狗都造假——AI峰会上的「自研」机器猎户座直接被扒出是买的宇树Go2贴牌。这种撕裂说明：印度只能做最苦、最容易被替代的数据采集层，而数据价值链的架构权和所有权已经被中美锁死。

采集合同价在几个月内腰斩，似乎是末日信号，但真正的拐点在于「数据有效性」本身。当下能看到的关键变量有两个：一是合成数据与中国仿真技术的成熟（光轮智能2026年已做到亿元营收），二是「无本体数据+少数真机微调」成为行业共识。如果这条路走通，印度大量低质第一人称视频的价值将归零；反之，如果机器人训练仍需海量真实操作数据，印度的人口红利还能续命几年。真正决定胜负的时间窗口在2028-2030年——当特斯拉、Figure等公司的人形机器人进入初步量产阶段，数据需求结构会迎来质变。