产业洞察：如何满足具身智能的数据需求？

在业界对具身智能的“ChatGPT时刻”热切期待中，数据成为了行业的主要“瓶颈”。

无论是洗碗、做饭，还是搬运、制造，机器人在2026世界机器人大会上展现了越来越多的应用场景。但在热闹的背后，仍有一个紧迫的问题需要解决——具身智能如何克服“数据短缺”，实现真正的大规模应用？

究竟数据缺口有多大？

来自现实世界的物理交互数据是使具身智能从“理解世界”迈向“改变世界”的关键因素。

目前的数据指出，国内真实物理交互场景的合规数据仅为50万小时，而商业化应用所需的数据量达到数千万小时，缺口超过99％。

这一差距从“十万”跃升至“千万”。

京东云总裁曹鹏表示：“这种缺口直接影响了模型的泛化能力。”他指出，目前机器人产业尚在爆发的前夜，真正的突破迟迟未到，原因在于机器人“大脑”缺乏泛化能力，而这又与真实场景数据的短缺密切相关。

数据供给的障碍在哪里？

在世界机器人大会期间，多家企业表示，场景和成本是数据供给的核心问题。

在RoboScience机器科学展台，创始人田野介绍了一套模型的多功能性：“这些抓取看似基础动作，但同样需要考验视觉理解、空间定位等能力。”

自变量机器人创始人王潜也指出，现实世界的物理交互数据有其“不可替代性”，与网络语言或视觉数据根本不同。

对于初创企业而言，具身智能的数据采集面临效率低和成本高的双重挑战。例如，传统的真机数据采集依赖真实场景，而不同的场景无法复用；在成本方面，传统的遥操作数据采集单条有效数据的费用约为10到50元，而训练一个机器人通常需数万到数十万条数据。

如何突破数据困局？

“我们需要构建一个统一的数据基础。”

开放原子开源基金会理事长谢少锋指出，目前数据格式的多样性造成了严重的数据孤岛现象，迫切需要制定涵盖数据采集、标注、格式及质量的统一标准，从而建立大规模的多模态数据集，实现高质量数据的持续共享。

墨奇智能的首席技术官黄青虬表示，行业所获得的具身数据质量不足且缺乏统一标准，“真实场景数据的质量，远比数量更重要。”

曹鹏还提到：“仿真是关键技术。”仿真技术不仅能扩大数据规模，还能高效进行效果评估，从而大幅降低模型运行和训练的成本。

原力灵机联合创始人范浩强也强调，核心突破在于“真机数据闭环+具身原生架构+仿真与合成数据的联动”，即通过高质量真机数据建立物理直觉，运用物理引擎生成大量极端场景来补充长尾数据，并在真实场景中进行测试，实现自我迭代反馈。

在“饥渴”的背后，潜藏着机遇。

具身智能的“数据饥渴”已经催生了新的商机。在本届大会上，多家参展商发布了数据采集的计划。

京东计划在两年内通过超级供应链收集超过1000万小时的人类真实场景数据，以及超过100万小时的机器人本体数据。

上市公司仙工智能则正式成立具身智能数据子公司，专注于利用超过50万小时的真机数据构建真实世界的数据基础设施。

奥比中光的展台上，则展示了EGO第一视角、UMI手持操作、WristCam腕部近场、Hub同步中枢等一系列数据采集硬件。

……

当数据从“瓶颈”转变为“引擎”，具身智能的大规模应用可能会迎来真正的转折点。谁能率先填平这道数据鸿沟，谁就能在这一领域抢占先机。