硅兔君/科技趋势
撰文／Eric 排版 / Ray
具身智能的数据缺口与商业新机
2026年，全球具身智能创业公司获得的风险投资达110亿美元，超2025年全年两倍。北京世界机器人大会观众数量同比翻倍，但IDC数据显示，2025年全球人形机器人出货量中，超85%仍用于文娱、科研等非生产场景，真正进入工厂承担生产任务的仍是少数。
随着Generalist、Physical Intelligence等公司模型迭代，行业共识逐渐清晰：具身智能的竞争正从硬件本体转向数据规模与质量。类比大语言模型的发展路径，扩大训练数据和计算规模有望提升泛化能力并降低学习成本。然而，机器人面临比LLM更复杂的挑战——互联网缺乏对力量、接触、失败与纠错过程的记录。因此，核心问题不仅是数据量的多少，更是数据能否转化为真实工作能力。
Scaling曲线验证：从27万到50万小时
2025年11月，Generalist AI发布GEN-0，使用超27万小时真实物理交互数据预训练，远超当时开源数据集Open X-Embodiment的6000小时。实验显示，随着数据规模扩大，模型在下游任务表现持续改善，验证了具身智能领域的Scaling Law。
五个月后，GEN-1将数据规模推至50万小时，任务成功率从64%提升至99%，速度加快3倍，并展现出跨场景泛化和自主纠错能力。2026年8月推出的GEN-1.5进一步具备“物理提示学习”（Physical Prompting）能力，仅需少量动作示范即可执行新任务，无需更新参数。
Generalist GEN-0 实验显示，增加预训练数据可以提升真机任务成功率。来源：Generalist AI
数据量级对标：处于GPT-2阶段？
若以人类一生信息量为参照，假设每天观察现实世界12小时，80年累计约35万小时。GEN-1的50万小时训练数据相当于人类一生观察时间的1.43倍，这与GPT-2的训练数据量级（约100亿Token，相当于人类一生阅读量）相近。
硅兔君制作
然而，GPT-3的数据量是GPT-2的30倍。若具身模型遵循类似路径，下一阶段可能需要1500万小时数据。此外，数据有效性至关重要。例如拧瓶盖，关键学习信号在于接触瞬间的发力与调整，而非移动过程。因此，行业面临双重瓶颈：如何低成本扩大规模，以及如何提高有效信息密度。
数据采集的三条路径与转换难题
针对规模与质量瓶颈，行业主要探索三种真实数据采集路径，其核心取舍在于数据匹配度与采集成本。
硅兔君制作
真机数据：高精度但高成本
通过遥操作记录机器人视觉、关节状态和动作轨迹。Tesla、Figure AI等本体厂商多采用此法。优点是数据与硬件直接匹配，适合精细操作；缺点是依赖实体机器人和场地，成本高、扩张慢，难以支撑千万级数据需求。
人类操作数据：规模与监督的平衡
让人类通过手持夹爪或数据手套完成操作，记录第一视角画面及手部动作。斯坦福UMI方案及Sunday Robotics均采用此路线。Sunday Robotics已积累近1000万条任务轨迹，Generalist也主要通过可穿戴设备采集此类数据。该方式降低了采集门槛，兼顾了规模与动作监督。
纯人类视频：最大规模化潜力
直接利用第一视角视频学习行为，如NVIDIA EgoScale和Dyna Robotics的Dyna-2（超100万小时）。难点在于缺乏精确动作信号，需模型从画面推断动作并转换为控制指令。虽有助于跨本体迁移，但仍需数据处理与真机适配。
目前头部公司的通用策略是：使用大规模人类数据预训练，再通过少量真机数据进行任务适配。
新的数据缺口：从动作到接触
现有路径解决了规模和动作学习，但难以获取接触过程中的力与触觉反馈。拧瓶盖的力度、折叠毛巾的滑动等关键物理信息，是视频路线的天花板。
实验证实了触觉的重要性：松下联合Berkeley等机构推出的T-Rex模型，引入指尖触觉后，精细操作成功率从42%提升至65%。为解决力觉数据规模化难题，2026年YC F26涌现出多家初创公司：
- Axonnic：利用肌电袖套还原精细手部动作，同步采集肌电、视频与姿态，适用于缝纫、精密装配等场景。
- Hemlock：开发肌电手环The Bracelet，结合视频推断发力与接触状态，不遮挡双手，便于分布式采集。
- Preload：融合第一视角摄像头、触觉手套和肌电传感器，提供完整的多模态物理交互信息。
数据商业模式：谁能从中获利？
随着具身模型进入Scaling阶段，围绕数据的商业机会分为三类：
硅兔君制作
数据生产网络：掌握场景与规模化采集
此类玩家通过组织人力与场景供应数据。Build AI在真实工厂采集第一视角数据；XDOF建设低成本双臂机器人遥操作设施，发布ABC-130K数据集；Human Archive与家政、酒店等服务网络连接；京东计划动员员工在两年内积累1000万小时真实场景视频。竞争核心在于数据生产效率与成本控制。
真实部署的数据飞轮：积累执行经验
运营机器人的公司在真实环境中积累数据反哺模型。Ambi Robotics在仓储物流中处理超1.5亿件包裹，积累25万小时数据，训练出PRIME-1基础模型；Serve Robotics推出Physical AI Services，将运行数据、异常筛选工具对外开放。优势在于覆盖失败案例与人工接管场景，形成数据闭环。
数据加工与基础设施：释放数据价值
针对原始数据处理需求，新兴公司提供自动化分析工具。Nomadic AI利用AI进行语义搜索和异常挖掘，识别罕见场景与数据缺口；Roboto统一管理多源日志，自动定位故障并整理训练数据。这类公司旨在降低人工筛选成本，帮助客户定位模型失败原因，其价值取决于能否交付可验证的模型收益。
110亿美元的资本热潮最终需接受朴素检验：机器人能否独立完成一个班次的工作？
连续八小时稳定运行、自主恢复意外，是具身智能从展示走向应用的关键门槛。这不仅要求学会正确动作，更要求学会应对错误。谁能将失败转化为可复用的训练经验，谁就能构建真正的数据壁垒。
关注硅兔君，阅读科技趋势与公司解读
