1000万小时真实数据：具身智能为什么连大厂也买不到- 大数跨境

首页

1000万小时真实数据：具身智能为什么连大厂也买不到

AI技术研习社

2026-08-10

导读：有个细节，我盯着看了三秒——高继扬，清华电子系本科、USC 计算机视觉博士，Waymo 出来的，带着一支主要是

高继扬，清华电子系本科、USC 计算机视觉博士，前 Waymo 成员，带领一支以软件背景为主的团队，仅用八个月便打造出机器人本体。这一成绩打破了行业惯例：通常制造本体需汇聚机械、电子、材料领域的资深专家，耗时三五年方可出货。

上述细节源自《详谈》李翔对今日资本创始人徐新的专访。徐新曾投资京东、美团、字节等巨头，被誉为“风投女王”。这场对话的核心价值在于双方视角的互补：高继扬从工程内部向外审视，徐新则从资本外部向内洞察。

一方精算数据量与供应链成本，另一方权衡入场门票与终局格局，两者的逻辑最终达成一致。核心结论明确：具身智能是目前少数大厂无法实施“降维打击”的赛道。这并非源于情怀，而是由于工程链条过长，任何单一主体难以通过资金优势彻底压制竞争对手。

产业链条冗长，大厂难以通吃

大模型依赖算力与数据，大厂凭借资金购买 GPU 和数据集即可建立优势；自动驾驶本质是软件供应，模式清晰。但具身智能的逻辑截然不同。

高继扬将产业链拆解为：动力模组、无框电机、减速器、齿轮加工一致性，以及电池瞬时电流、端侧算力和材料密度。每一层都是独立的技术壁垒，无法单纯靠资金绕过。硬件之外，软件层面的挑战更为严峻。

大模型训练数据源于互联网存量文本，采集成本极低；而具身智能需要真实场景下的遥操作、机械臂抓取和现场演示数据，每一条都伴随高昂的物理成本。高继扬提出，要实现“能干三级家务”的可靠能力，明年需积累 1000 万小时数据。若按 500 台机器人并行、日均运行 10 小时计算，需连续运转约 15 年。这种极高的数据采集成本，既是护城河，也是创业公司的机会。

大厂虽拥有资金和人才密度，但缺乏物理世界数据。没有本体就无法获取数据，没有数据则无法训练出可用的大脑。创业公司若能率先构建本体并启动数据飞轮，便能在大厂的夹击中找到生存空间。

星海图的“反常规”战略选择

2024 年，多数机器人公司倾向于先做大脑（智能侧），本体交由代工。星海图反其道而行，优先研发本体，尽管初期备受质疑。高继扬的逻辑朴素而坚定：没有本体就无法获取真实数据，仿真数据存在上限，唯有真实数据才能驱动模型迭代。2025 年 G0.5 模型的成果验证了这一路线的正确性。

决策	当时质疑	结果
2024 年先做本体	“没有智能优先级，硬件就是烧钱”	有本体才有真实数据，大脑才能迭代
真实数据优于仿真	“仿真成本低，为何去现场采集”	2025 年真实数据路线被验证正确
整机与智能同步开发	“太重，会失焦”	单独做硬件或大脑，飞轮均无法转动

团队始终坚守三个核心认知：具身智能是“一脑多行”，即同一大脑支配不同形态本体；核心在于大脑而非身体；长期壁垒是物理世界的数据闭环。战略层面极度坚定，战术层面则灵活调整。徐新高度评价该团队技能互补性强，工程、模型、供应链三方均有专人支撑，缺一不可。

具身智能发展的三个阶段

高继扬与联创赵航梳理出具身智能的演进路线图：

本能智能（Instinct）：让机器人掌控身体，适应不同形态并保持平衡，类似人类小脑，是最基础层级。

作业智能（Task）：当前所处阶段。工厂和物流场景已能运转，机器人可完成特定任务，但速度与成本尚未优于人工。核心问题从“能不能做”转变为“够不够快、够不够便宜”。

进化智能（Evolution）：AI 自主决定身体形态，根据场景需求判断手指数量或关节材料，无需人工设计。

目前行业处于第一至第二阶段的交界期。机器人不会像 GPT 那样瞬间普及，第一阶段聚焦 B 端工厂应用，C 端先从陪伴和情绪价值切入，家务劳动力需待第二阶段经济账跑通后才可实现。当前市场渗透率约 2%-3%，基础有效性已解决，关键在于数据积累与时间沉淀。

商业化路径：三级台阶

高继扬将商业化路径拆解为三步：

阶段	模式	毛利结构	现状
第一步	研发制造，销售整机	硬件毛利，受供应链挤压	当前主战场
第二步	单一场景方案化，收取订阅费	软件毛利，可复制	已有雏形
第三步	多场景通用，售卖 Token	指数级放大	尚远

第三步是真正的爆发点。参考 Agent 任务，多步骤操作的 Token 消耗是单轮对话的数百倍。机器人一旦实现多场景通用，推理消耗将再上一个量级。现阶段目标并非盈利，而是增长与现金流。若强行追求利润，将导致数据采集中断、模型迭代停滞，主动停止飞轮运转。

行业终局：仅剩三五家头部企业

尽管大厂难以降维打击，但这并不意味着所有创业公司都有机会。徐新指出，年烧钱规模需达 10 亿美元量级才算入局。基础模型依赖顶级人才、巨量算力和数据采集，资源天然向头部集中。具身智能终局将与大模型类似，收敛至三到五家企业。

中国具备四大优势：供应链（车规零部件企业转型降低成本）、数据（全球最高的工厂与物流场景密度）、执行力（训练场等基础设施落地）以及创始人红利（Waymo、Momenta 等背景人才集中入场）。然而，节奏把控更为关键：过于激进易资金链断裂，过慢则错失人才与资本关注。

投资方法论：先建森林，再选树木

徐新的投资习惯是全面扫描赛道，逐一访谈所有公司，而非仅接触头部几家。只有看清整个“森林”，才能识别真正快速成长的“树木”。选人标准主要有三条：

杀手直觉：能发现他人未见的机会，如刘强东自建物流、张一鸣算法颠覆媒体、杨植麟押注长上下文与 Agent。

超强学习能力：徐新每三个月复盘创始人的新知与痛点。高继扬认为，“迭代”是团队唯一的核心竞争力，停滞即落后。

志存高远且有耐心：基金周期长达 8-10 年，追求复利而非短期翻倍。纪律在于“能融资时必须融资”，确保低谷期有充足弹药加仓。

AI 时代的企业形态：精简高效

徐新总结 AI 时代创业公司与互联网时代的三大区别：

人员精简：实现十亿销售额，互联网公司需数千人，AI 赋能后二三十人即可达成。

科学家型创始人：由 PhD 或顶级研究员亲自定夺技术方向，深度参与前沿研究。

中层职能被替代：只会执行的中层将被“一人加一批 Agent"取代。未来稀缺的是能指挥 Agent 并行处理子任务、验收合并结果的管理者。对于工程师而言，单纯按工单写代码的价值将降低，拆解模糊需求并编排任务流的能力成为新核心竞争力。

两个值得警惕的判断

专注胜过广撒网：OpenAI 多线布局却错过 Coding 引爆点，Anthropic 孤注一掷反而跑出网络效应。个人发展亦如此，面面俱到不如深耕一个方向。

贫富差距拉大：从当前到 AGI 到来约有十年阵痛期。AI 让顶尖工程师效率翻倍，同时替代中层职能和重复劳动。如何安置被替代群体，是社会亟待解决的难题，也是工程师需深思的现实。

结语：你的核心竞争力是什么？

徐新常问创业者：“你拿什么打赢未来十年最聪明的竞争对手？”高继扬的答案是数据闭环。在这个技术剧变的时代，每个人都需要找到自己的答案。

【声明】内容源于网络

AI技术研习社

1234

内容 246

粉丝 0

AI技术研习社 1234

总阅读19.4k

粉丝0

内容246