機器人“喂不飽”，真實數(shù)據(jù)仍是具身智能必爭之地

3月28日，作為中關(guān)村論壇平行分論壇，2026中國科幻大會現(xiàn)場，北京石景山具身智能觸覺及多模態(tài)感知數(shù)訓創(chuàng)新中心正式揭牌。

據(jù)記者了解，該中心由北京石景山科技創(chuàng)新集團有限公司與他山科技合作打造，錨定具身智能產(chǎn)業(yè)發(fā)展需求，確立觸覺、異構(gòu)、自主無人數(shù)采三大技術(shù)方向，打造集多模態(tài)數(shù)據(jù)采集、算法訓練、場景落地于一體的全流程技術(shù)轉(zhuǎn)化平臺。

數(shù)據(jù)問題是當下機器人產(chǎn)業(yè)智能化升級面臨的核心挑戰(zhàn)之一。中關(guān)村論壇“百億具身智能對話”環(huán)節(jié)，星動紀元聯(lián)合創(chuàng)始人席悅認為，當前具身智能發(fā)展最大難點仍是數(shù)據(jù)。

從具體業(yè)務(wù)落地場景來看，席悅認為，真實場景數(shù)據(jù)采集難度高，需場景方開放權(quán)限，同時大規(guī)模采集存在成本高、耗時長的問題，而現(xiàn)有替代方案存在局限，行業(yè)常用的1:1 復刻真實場景自建訓練場模式，因依賴工程師全程參與采集、訓練、部署及問題定位，導致整體效率低、成本高。

席悅認為行業(yè)可以構(gòu)建“數(shù)據(jù)采集-模型迭代”的閉環(huán)數(shù)據(jù)飛輪，讓機器人能在真實環(huán)境中自主處理各類極端情況，持續(xù)提升體系效率；二是推進 “人類演示 + 真機采集” 的組合采集模式，但目前仍需攻關(guān)二者在本體構(gòu)型、運動形態(tài)、感知方式上的差異問題。

原力靈機創(chuàng)始人唐文斌認可數(shù)據(jù)是具身智能當前的瓶頸之一，但并非全部問題。在他看來，數(shù)據(jù)采集本質(zhì)是錢與時間的問題，通過投入資金買機器人、建訓練場、雇遙操作人員、外包標注等，可快速堆積百萬小時、億級樣本的數(shù)據(jù)量，因此“有無數(shù)據(jù)”并非行業(yè)壁壘。真正建立競爭優(yōu)勢的是企業(yè)能否從真實場景自動回流數(shù)據(jù)，能否搭建高效數(shù)據(jù)飛輪閉環(huán)。

智平方目前已具備多種數(shù)據(jù)獲取途徑，但回歸到現(xiàn)實，聯(lián)合創(chuàng)始人張鵬仍認為真實場景的數(shù)據(jù)價值無可替代，這也是行業(yè)當前必須重點布局的方向——通過一線實際部署的產(chǎn)品實現(xiàn)數(shù)據(jù)回流并將數(shù)據(jù)沉淀回來的部分，是最寶貴的數(shù)據(jù)資產(chǎn)。在保障安全的前提下，智平方也會與客戶共享這部分數(shù)據(jù)。

據(jù)記者了解，目前北京石景山人形機器人數(shù)據(jù)采集訓練中心四期項目主要與樂聚、他山、睿爾曼、靈初等公司合作，嘗試破解機器人行業(yè)的數(shù)據(jù)短缺與質(zhì)量瓶頸。

對于目前機器人數(shù)據(jù)的供需問題，一位行業(yè)人士對記者表示，當前具身智能領(lǐng)域正經(jīng)歷數(shù)據(jù)體系重構(gòu)，無本體數(shù)據(jù)技術(shù)（如第一人稱視角數(shù)據(jù)的EGO、通用操作接口的UMI 方案）興起，使此前依賴重資產(chǎn)投入的遙操作數(shù)據(jù)采集工廠可能陷入發(fā)展困境。

從數(shù)據(jù)價值維度來看，該人士稱，真實場景數(shù)據(jù)仍是機器人模型訓練所需的金字塔尖數(shù)據(jù)，但行業(yè)普遍面臨兩大核心問題：一是數(shù)據(jù)質(zhì)量與數(shù)據(jù)管線設(shè)計的標準化缺失；二是數(shù)據(jù)處理能力存在顯著行業(yè)鴻溝，并非所有廠商都具備搭建高效數(shù)據(jù)處理體系的技術(shù)實力，且行業(yè)內(nèi)缺乏統(tǒng)一的數(shù)據(jù)技術(shù)訣竅共享機制與基準評測體系，導致數(shù)據(jù)應(yīng)用效率參差不齊。

該人士稱，若未來EGO、UMI等無本體數(shù)據(jù)技術(shù)能夠?qū)崿F(xiàn)普及，可以進一步放大場景資源的核心稀缺性，企業(yè)方面也有可能擺脫對傳統(tǒng)數(shù)據(jù)采集工廠的依賴，直接在真實場景中完成數(shù)據(jù)采集，場景的可及性與多樣性將成為數(shù)據(jù)競爭力的關(guān)鍵變量。

因此，從技術(shù)升級迭代趨勢來看，具身智能需要億級小時級訓練數(shù)據(jù)，當前總量仍嚴重不足，但部分與主流技術(shù)路線錯位的核心資產(chǎn)未來可能面臨貶值風險，如依賴機器人本體、固定場地的重資產(chǎn)中心可能產(chǎn)生產(chǎn)能利用率下滑、單位成本飆升的情況。

長期來看，數(shù)據(jù)領(lǐng)域的核心競爭邏輯將發(fā)生根本轉(zhuǎn)變，從“是否擁有規(guī)�；�訓練中心”的硬件比拼，轉(zhuǎn)向真實場景獲取能力、場景與數(shù)據(jù)閉環(huán)迭代效率等方面。