导航|地址|刷新
具身智能的真机数采，到了分水岭_手机网易网




















网易网易号



0







具身智能的真机数采，到了分水岭


钛媒体APP
2026-07-17 11:21·北京·独立财经科技媒体

0




打开网易新闻 查看精彩图片

具身智能正在经历一次关键的瓶颈认知切换。

过去两年，行业角逐的焦点是本体，谁能造出更能跑、更能跳的机器人。但进入2026年，竞争的重心正在从硬件转向数据。大语言模型有互联网文本，自动驾驶有海量路测数据，而具身智能面对的是一个更棘手的问题：机器人需要学会操作物理世界，但物理世界的数据不会天然存在。

不是没有人在做数据。全国近两年冒出无数“数采工厂”，人通过遥操作设备操控机器人反复执行任务，把每一帧关节角度、力矩、视觉画面录下来作为训练数据。

但代价惊人：一条30秒的真机操作数据，采集成本10到15元。采集1小时要花1000元左右，凑够20万小时需要两亿元以上。而这20万小时，对于大模型预训练来说不过“沧海一粟”——V-JEPA（Video Joint Embedding Predictive Architecture）是Meta前首席AI科学家杨立昆团队提出的视频自监督学习框架，它用超过100万小时视频训练来理解物理世界规律，距离Scaling的终点还远得很。

一边是成本高到无法规模化，一边是Scaling需要的数据量近乎无底洞。具身智能行业在去年面临一个尴尬的困局：行业里缺数据的声音此起彼伏，但很少有人认真算过一笔账，用真机数采的方式填数据缺口，成本上几乎看不到出路。

行业也尝试过另一条路：仿真数据。在模拟器里让机器人反复执行任务，自动生成海量的“视觉+动作”配对数据，成本几乎为零。但这条路有它的天花板——Sim-to-Real gap，模拟器里的物理规律和真实世界始终存在偏差，训练出来的策略搬到真机上往往水土不服。仿真更适合做预验证和补充增强，但担不起主力数据的角色。

一年后的今天，行业在预训练层面的判断已经比较清晰了：人类数据正在成为主流。但这不是意味着原来主流的真机遥操作失去了价值，而是数据的分工被进一步细化。人类数据由于成本可控、采集更灵活，更有望Scaling；真机数据囿于成本等原因，则在精细微调上发挥更大作用。

成本、Scaling和一条被逐一验证的路

如果只看到成本差异，可能低估了这件事的底层逻辑。人类数据路线之所以能走到今天，是因为它或许是目前唯一一条理论上能走到终局的路。

灵初智能技术负责人陈源培对此有一个逐一的排除法论证：互联网视频数据量足够大，但“太脏了”。清洗互联网数据的成本远远大于现采。真机遥操作质量最高，但“不可能把世界上所有场景、所有物体的所有操作都搬到一个素材厂里来”。仿真数据有Sim-to-Real gap的先天问题，“同时仿真本身的Scaling也是问题”。

“看来看去，唯一一个能够Scaling的数据，其实就是人类数据。”陈源培说。

这个判断和智在无界的选择殊途同归，但两家公司对人类数据的定义并不相同。智在无界走的是纯视觉路线，用第一人称视频训练模型理解人的行为语义，不记录关节角度和触觉信号。这种方案成本极低、易于规模化，智在无界已做到20万小时规模。

但纯视频的局限在于，这种数据“缺一个duty pose信息，不能很好地恢复接触状态”，因此无法直接驱动机器人，只能用于预训练阶段的表征学习。

灵初智能选择的是，用自研的62+自由度外骨骼触觉手套采集人手操作数据，同时记录关节角度和指尖触觉信号，精度达到亚毫米级，处理后可等同于真机数据直接驱动机器人。代价是采集需要专用硬件，规模扩张速度不如纯视频路线。

把各家公司的动作放在一起看，过去一年人类数据路线的演进，有一个较为清晰的发展脉络。


2024年底，由中关村学院孵化的深度机智率先提出“人类学习”（AnthroLearning）路线，主张用人类第一人称视频训练机器人理解物理世界，而非传统的遥操作或仿真。创始人陈凯出自微软亚洲研究院。此时这条路线几乎没有关注者。

2025年7月，智在无界发布Being-H0，用1000小时人类第一人称视频做具身预训练。同年12月，灵初智能发布Psi-SynEngine外骨骼触觉手套数采方案，走的是主动传感的路线。几条不同的“人类数据”支线开始并行推进。

2026年1月，Being-H0.5发布，人类视频规模推到近2万小时。但据智在无界BeingBeyond合伙人郑思鹏回忆，这个路线“也还不是主流”。


转折点在一个多月后到来。


2026年2-3月，英伟达接连发布EgoScale和DreamDojo，分别使用了1到3万小时不等的人类视频数据。英伟达并非这条路线的最早探索者，但它的入场是一个关键的验证信号——当全球AI算力巨头开始大规模采购和训练人类视频数据，意味着这条路线不再是少数公司的实验。

2026年4-5月，深度机智发布PhysBrain 1.0，灵初智能Psi-R2基于近10万小时人类数据在MolmoSpaces登顶，智在无界Being-H0.7也扩展到20万小时。多家公司的成果密集涌现。


全球范围内，这条路线也在同步推进。由前Google DeepMind研究员创立的Generalist AI在2025年底就用27万小时人类操作数据训练了GEN-0模型，首次在机器人领域观察到Scaling Law。据灵初智能方面透露，OpenAI、英伟达、Meta等也在大规模采购人类数据——各家对数据怎么用还在探索中，但方向已经明确。

当然，并非所有公司都押注人类数据路线。智元机器人今年6月发布了“具身智能数采2.0”体系并开源AGIBOT WORLD数据集，宇树科技也在4月开源了真机数据集，但它们走的是更传统的路线——以真机遥操作和仿真数据为主，更侧重本体自身的数据闭环，而非人类数据的规模化预训练。两条路线目前并行，尚未到分出高下的时候。

一年之内，人类数据路线从边缘走到了聚光灯下。英伟达的跟进是一个关键的验证信号，而多家中国公司的并行推进则为这条路线提供了多元化的早期证据——有人验证纯视觉路线，有人验证主动传感路线，各有进展。

真机数据之所以走不通Scaling，根本原因在于它是监督学习的产物。据郑思鹏分析，监督学习训练出来的模型只有“背板能力”，泛化能力很差，一旦遇到out-of-distribution的场景和任务，效果急剧下降。而人类视频天然覆盖了更广阔的动作空间分布，与预训练的逻辑天然匹配。

共识的边界：范式迁移、商业分层与资本的分水岭

数据路线的转向不是孤立事件。与之同步发生的，是具身智能模型范式从VLA向隐式世界模型的迁移。

VLA（Vision-Language-Action）在过去一年是具身行业的通用范式，本质是一套监督学习框架。但它的天花板受限于高质量真机数据的稀缺，VLA模型无法像大语言模型那样遍历所有可行的动作空间。据郑思鹏分析，真机数据能覆盖的动作空间，只占全部可行空间的“很小一部分”。

行业开始转向世界模型。但世界模型也有路线之分。

英伟达的Cosmos Policy走的是显式路线，通过预测视频的下一帧画面来预测状态变化。这个方法理论上可行，但成本极高：模型需要“关注画面中皮肤纹理、衣服褶皱等等元素”，而这些对机器人决策来说大部分是无关信息。

智在无界选择的是隐式路线（Latent World Action Model），只建模必要的状态变化，不预测完整画面。效率差异是数量级的：据郑思鹏给出的数据，同样50小时的数据量，显式训练需要约4000小时GPU，而隐式的成本大约是前者的八十分之一。

“如果扩展到20万小时去训练一个模型，显式的投入是千亿级别的。”

对具身智能来说，无论训练还是推理，成本效率始终是第一位的。

智在无界并非唯一押注隐式路线的公司。今年3月，星海图发表了LeWM隐式世界模型论文，在多个操作与导航任务上性能与基础模型相当但成本大幅降低。6月，无界动力发布MWA™隐空间世界模型，在斯坦福等机构发起的RoboCasa榜单上超越了英伟达的GR00T-N1.6。从学术界到产业界，越来越多的团队开始探索隐式路线。一场从监督学习到自监督/半监督学习的范式迁移，正在重演计算机视觉领域曾经走过的路：先有监督学习起步，然后转向自监督实现Scaling突破。

技术路线在迭代，商业化节奏的判断也在分化。

一个基本共识正在形成：2B（工业制造、物流等可控场景）比2C（家庭服务）快3到5年。

在近日由联想控股微空间、联想之星和融科资讯中心共同发起的“硅基进化论”沙龙上，宇泛智能CFO戴恺也给出了三个衡量具身智能公司落地质量的务实指标：复购率（客户愿不愿意再次买单）、ROI≥30%（替代人效要有可量化的提升）、经营性现金流（收入不能全挂在应收帐款上）。

“如果你看现在市场上很多具身智能公司，他有收入，但其实全在应收帐款上，过一段时间可能又要归集为坏帐。”

优宝特机器人创始人范永则用一个比喻来表达他对行业节奏的判断：“人形机器人现在就是一个3岁的小孩，不要指望他现在去打工挣钱。但如果你相信他是个健康的孩子，他一定能长到18岁。”

不过也有更激进的判断。云松鼠智能创始人黄骏达认为，五指灵巧手的收敛速度会比行业预期的快得多。“不是三到五年，更不是五到十年，未来两年内就能见分晓。”如果这个判断成立，操作端的瓶颈可能会比很多人预期中更早被打破。

技术路线和商业化判断的分化，最终都指向同一个问题：钱往哪流。

2026年上半年，具身智能赛道融资额达到约460亿元人民币。但仔细拆开看：其中170亿是早期轮次，而这170亿里的70%集中在头部10家公司。资本盛宴之下，资金实际高度集中。

联想之星合伙人高天垚的观察是，当前投资逻辑正在发生分化。“大家都在看，共识的东西还比较多，所以我们希望项目的差异化要突出。”

而宇树科技的IPO，则被视为行业的一个分水岭节点。据高天垚判断，宇树在二级市场“千亿问题不大”。但戴恺提出了一个微妙的反论：“人形机器人最核心的竞争力在大脑层面，但宇树目前在这方面的投入和展现出的认知，还没有到那么高的层面。”

他补充说：“从整个产业的发展来说，我希望宇树能够在资本市场取得更大的成功。但同时，估值会越来越趋于理性。”

范永则从产业链角度给出了另一个判断框架：“这个产业链很长，关键模组、本体、小脑、大脑，每一个环节都能深耕出优秀的企业。如果要做一个全栈且每个环节都强的公司，短期内很难。”他认为，未来三五年能把营收跑起来的，更可能是本体企业，因为“大脑最终要附生到本体上才有落地的市场”。

围绕数据基础设施、模型范式演进、量产落地与商业化路径，“共识与非共识”的深度思辨由此展开。

量不等于质：10万小时可能不如1000小时

数据多了，新的问题浮出水面。

据无问智科创始人刘盛翔观察，行业里大家都在喊“缺数据”，但即使把一千万小时的数据摆在面前，能不能用起来也是个大问题。

“就像英伟达的算力基座，如果没有CUDA生态，再好的GPU也用不起来。数据同理，缺的不仅是数据，更是整套的工具链和测评体系。”

他给出了一个三层框架：一套好用的物理AI数据基座，至少应该包括数据本身、配套的工具链、以及相应的测评体系。“就像人一样，要边学习边考试，边做模仿学习边做强化学习，螺旋式成长。”

这个视角把问题从“数据够不够多”推到了“数据能不能被有效利用”。行业现在面临的情况是：数据生产的瓶颈正在被人类视频路线打破，但数据“消化”的能力，清洗、标注、增强、评测还没有跟上。而后者，可能才是未来一段时间真正的瓶颈所在。

但数据量上去了，不等于问题解决了。陈源培捅破了另一层窗户纸：“10万小时的人类数据，有些时候可能还不如1000个小时。”

他举了一个例子：给素材方下发一个任务，要求采1000个任务，每个任务采100小时，凑出10万小时。同样的1000个任务，每个任务只采1小时，只有1000小时。“它们在训练上的作用是差不多等效的。”

这个反直觉的现象揭示了一个被行业忽视的问题——数据处理的难度远大于数据采集。源培详细描述了他们的数据管线有多复杂：视觉端要调SAM模型把操作者的手从画面中分割出来，再用inpainting模型把背景补上，最后调用仿真器把机器人的模型渲染贴上去；动作端要调世界模型对动作做修正，再调强化学习做策略优化。每一个环节在单次执行时都没有问题，但“全部堆上去放量的时候，每个地方都是卡点”。

他给出的优先级排序是：在数据集构建层面，任务多样性>物体多样性>场景多样性；在感知模态层面，精准3D位姿>触觉模态>2D图像特征。而这套标准本身，也还在“研发状态”。

这也解释了为什么灵初智能虽然采集了10万小时人类数据，却只从中筛选出约5417小时真机等效数据用于模型训练。数据量和数据质量不是一回事——这个判断，可能比“人类数据成为预训练主流”本身更值得行业深思。

从数据路线的全面换锚，到模型范式的隐式迁移，从商业化节奏的分层判断，到资本流向的结构性分化，具身智能行业正在经历一次深层的“重新锚定”。

真机数采仍然是精细微调阶段不可替代的黄金标准，但在预训练层面，人类数据正在成为主流。这不是一场零和博弈，而是一次行业分工的重新划定。

这些变化的发生速度，比大多数人预期的要快得多。(本文首发钛媒体APP，作者 | AGI-Signal，编辑 | 秦聪慧）








特别声明：本文为网易自媒体平台“网易号”作者上传并发布，仅代表该作者观点。网易仅提供信息发布平台。






打开网易新闻体验更佳




热搜

“1.5万机票仅退400多”问题出在哪

欧足联宣布抵制所有国际足联赛事

以一军事基地超百名士兵“抗命”离营

日本自卫队在太平洋首次试射“战斧”导弹

女子做检查身亡 丈夫称麻醉师玩手机

8月一批新规将实施





热门跟贴




打开APP发贴

0条跟贴








相关推荐




索尼研发乒乓球机器人打败日本顶尖选手

每日经济新闻1212跟贴









持续领跑世界模型驱动物理AGI，极佳视界再获10亿元B2轮融资

36氪









李飞飞的世界模型，终于开始训练机器人了

量子位









机器人大厨做扬州炒饭，你想品尝一下吗？

装甲铲史官









超脑未来与微品致远共同建设工业世界模型的数据、算力与落地基础设施

机器之心Pro









人形机器人半马跑姿大赏 ，有的比人快多了！有的“状况百出”

每日经济新闻









520，人类如何回应AI的告白

虎嗅APP









万帧照片级仿真2

机器之心Pro









100多万人围观！没头没腿，神似充电宝的机器人全网走红？

机器之心Pro









朗极智能面向构建智能机器人系统发力2

36氪









动易科技PhyAgents无遥控 无预设双足人形自主对打羽毛球

量子位









机器人进家还差几步？京东：商业化场景是快车道，未来会有更多消费级产品出现

每日经济新闻









搬货、烤面包、摆桌牌……每一个动作，都是从零开始的“第一课”

每日经济新闻









亦庄机器人马拉松现场名场面合集

量子位









阿里达摩院开源具身大脑基础模型

机器之心Pro









人形机器人“拐点”已至：产量只是下限，模型决定天花板

经济观察报2跟贴









谷歌的机器人赌局 不卖本体只卖大脑

钛媒体APP









中国造记录机器人，手写体笔记加精准绘图

装甲铲史官









Claude Code之父：Harness保质期只有半年，解开缰绳吧

量子位









飞渡科技：一家空间智能“隐形冠军”的显性时刻

钛媒体APP











回到顶部回到首页



------
导航页 打开网址