泉源：洁丽雅家族被质疑“家族关系杂乱”作者： 吴秀琪：

具身智能的真机数采，，，到了分水岭

具身智能正在履历一次要害的瓶颈认知切换
。。。。

已往两年，，，行业角逐的焦点是本体，，，谁能造出更能跑、更能跳的机械人
。。。。但进入2026年，，，竞争的重心正在从硬件转向数据
。。。。大语言模子有互联网文本，，，自动驾驶有海量路测数据，，，而具身智能面临的是一个更棘手的问题：机械人需要学会操作物理天下，，，但物理天下的数据不会自然保存
。。。。

不是没有人在做数据
。。。。天下近两年冒出无数“数采工厂”，，，人通过遥操作装备操控机械人重复执行使命，，，把每一帧枢纽角度、力矩、视觉画面录下来作为训练数据
。。。。

但价钱惊人：一条30秒的真机操作数据，，，收罗本钱10到15元
。。。。收罗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，，，关于大模子预训练来说不过“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视学习框架，，，它用凌驾100万小时视频训练来明确物理天下纪律，，，距离Scaling的终点还远得很
。。。。

一边是本钱高到无规则；；；；，，，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，，，本钱上险些看不到出路
。。。。

行业也实验过另一条路：仿真数据
。。。。在模拟器里让机械人重复执行使命，，，自动天生海量的“视觉+行动”配对数据，，，本钱险些为零
。。。。但这条路有它的天花板——Sim-to-Real gap，，，模拟器里的物理纪律和真实天下始终保存误差，，，训练出来的战略搬到真机上往往水土不平
。。。。仿真更适合做预验证和增补增强，，，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较量清晰了：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
。。。。人类数据由于本钱可控、收罗更无邪，，，更有望Scaling；；；；真机数据囿于本钱等原因，，，则在细腻微调上施展更着述用
。。。。

本钱、Scaling和一条被逐一验证的路

若是只看到本钱差别，，，可能低估了这件事的底层逻辑
。。。。人类数据蹊径之以是能走到今天，，，是由于它或许是现在唯逐一条理论上能走到终局的路
。。。。

灵初智能手艺认真人陈源培对此有一个逐一的扫除法论证：互联网视频数据量足够大，，，但“太脏了”
。。。。洗濯互联网数据的本钱远远大于现采
。。。。真机遥操作质量最高，，，但“不可能把天下上所有场景、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，，，“同时仿真自己的Scaling也是问题”
。。。。

“看来看去，，，唯逐一个能够Scaling的数据，，，着实就是人类数据
。。。。”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界说并不相同
。。。。智在无界走的是纯视觉蹊径，，，用第一人称视频训练模子明确人的行为语义，，，不纪录枢纽角度和触觉信号
。。。。这种方案本钱极低、易于规；；；；，，，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，，，不可很好地恢复接触状态”，，，因此无法直接驱念头械人，，，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收罗人手操作数据，，，同时纪录枢纽角度和指尖触觉信号，，，精度抵达亚毫米级，，，处理后可等同于真机数据直接驱念头械人
。。。。价钱是收罗需要专用硬件，，，规模扩张速率不如纯视频蹊径
。。。。

把各家公司的行动放在一起看，，，已往一年人类数据蹊径的演进，，，有一个较为清晰的生长脉络
。。。。

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）蹊径，，，主张用人类第一人称视频训练机械人明确物理天下，，，而非古板的遥操作或仿真
。。。。首创人陈凯出自微软亚洲研究院
。。。。此时这条蹊径险些没有关注者
。。。。2025年7月，，，智在无界宣布Being-H0，，，用1000小时人类第一人称视频做具身预训练
。。。。同年12月，，，灵初智能宣布Psi-SynEngine外骨骼触觉手套数采方案，，，走的是自动传感的蹊径
。。。。几条差别的“人类数据”支线最先并行推进
。。。。2026年1月，，，Being-H0.5宣布，，，人类视频规模推到近2万小时
。。。。但据智在无界BeingBeyond合资人郑思鹏回忆，，，这个蹊径“也还不是主流”
。。。。

转折点在一个多月后到来
。。。。

2026年2-3月，，，英伟达接连宣布EgoScale和DreamDojo，，，划分使用了1到3万小时不等的人类视频数据
。。。。英伟达并非这条蹊径的最早探索者，，，但它的入场是一个要害的验证信号——当全球AI算力巨头最先大规模采购和训练人类视频数据，，，意味着这条蹊径不再是少数公司的实验
。。。。2026年4-5月，，，深度机智宣布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
。。。。多家公司的效果麋集涌现
。。。。

全球规模内，，，这条蹊径也在同步推进
。。。。由前Google DeepMind研究员建设的Generalist AI在2025年底就用27万小时人类操作数据训练了GEN-0模子，，，首次在机械人领域视察到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，，，但偏向已经明确
。。。。

虽然，，，并非所有公司都押注人类数据蹊径
。。。。智元机械人今年6月宣布了“具身智能数采2.0”系统并开源AGIBOT WORLD数据集，，，宇树科技也在4月开源了真机数据集，，，但它们走的是更古板的蹊径——以真机遥操作和仿真数据为主，，，更着重本体自身的数据闭环，，，而非人类数据的规；；；；ぱ盗
。。。。两条蹊径现在并行，，，尚未到分出高下的时间
。。。。

一年之内，，，人类数据蹊径从边沿走到了聚光灯下
。。。。英伟达的跟进是一个要害的验证信号，，，而多家中国公司的并行推进则为这条蹊径提供了多元化的早期证据——有人验证纯视觉蹊径，，，有人验证自动传感蹊径，，，各有希望
。。。。

真机数据之以是走欠亨Scaling，，，基础原因在于它是监视学习的产品
。。。。据郑思鹏剖析，，，监视学习训练出来的模子只有“背板能力”，，，泛化能力很差，，，一旦遇到out-of-distribution的场景和使命，，，效果急剧下降
。。。。而人类视频自然笼罩了更辽阔的行动空间漫衍，，，与预训练的逻辑自然匹配
。。。。

共识的界线：范式迁徙、商业分层与资源的分水岭

数据蹊径的转向不是伶仃事务
。。。。与之同步爆发的，，，是具身智能模子范式从VLA向隐式天下模子的迁徙
。。。。

VLA（Vision-Language-Action）在已往一年是具身行业的通用范式，，，实质是一套监视学习框架
。。。。但它的天花板受限于高质量真机数据的稀缺，，，VLA模子无法像大语言模子那样遍历所有可行的行动空间
。。。。据郑思鹏剖析，，，真机数据能笼罩的行动空间，，，只占所有可行空间的“很小一部分”
。。。。

行业最先转向天下模子
。。。。但天下模子也有蹊径之分
。。。。

英伟达的Cosmos Policy走的是显式蹊径，，，通过展望视频的下一帧画面来展望状态转变
。。。。这个要领理论上可行，，，但本钱极高：模子需要“关注画面中皮肤纹理、衣服褶皱等等元素”，，，而这些对机械人决议来说大部分是无关信息
。。。。

智在无界选择的是隐式蹊径（Latent World Action Model），，，只建模须要的状态转变，，，不展望完整画面
。。。。效率差别是数目级的：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，，，而隐式的本钱约莫是前者的八十分之一
。。。。

“若是扩展到20万小时去训练一个模子，，，显式的投入是千亿级别的
。。。。”

对具身智能来说，，，无论训练照旧推理，，，本钱效率始终是第一位的
。。。。

智在无界并非唯一押注隐式蹊径的公司
。。。。今年3月，，，星海图揭晓了LeWM隐式天下模子论文，，，在多个操作与导航使命上性能与基础模子相当但本钱大幅降低
。。。。6月，，，无界动力宣布MWA?隐空间天下模子，，，在斯坦福等机构提倡的RoboCasa榜单上逾越了英伟达的GR00T-N1.6
。。。。从学术界到工业界，，，越来越多的团队最先探索隐式蹊径
。。。。一场从监视学习到自监视/半监视学习的范式迁徙，，，正在重演盘算机视觉领域一经走过的路：先有监视学习起步，，，然后转向自监视实现Scaling突破
。。。。

手艺蹊径在迭代，，，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
。。。。

在克日由遐想控股微空间、遐想之星和融科资讯中心配合提倡的“硅基进化论”沙龙上，，，宇泛智能CFO戴恺也给出了三个权衡具身智能公司落地质量的务实指标：复购率（客户愿不肯意再次买单）、ROI≥30%（替换人效要有可量化的提升）、谋划性现金流（收入不可全挂在应收帐款上）
。。。。

“若是你看现在市场上许多具身智能公司，，，他有收入，，，但着实全在应收帐款上，，，过一段时间可能又要归集为坏帐
。。。。”

优宝特机械人首创人范永则用一个比喻来表达他对行业节奏的判断：“人形机械人现在就是一个3岁的小孩，，，不要指望他现在去打工挣钱
。。。。但若是你相信他是个康健的孩子，，，他一定能长到18岁
。。。。”

不过也有更激进的判断
。。。。云松鼠智能首创人黄骏达以为，，，五指灵巧手的收敛速率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
。。。。”若是这个判断建设，，，操作端的瓶颈可能会比许多人预期中更早被突破
。。。。

手艺蹊径和商业化判断的分化，，，最终都指向统一个问题：钱往哪流
。。。。

2026年上半年，，，具身智能赛道融资额抵达约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
。。。。资源盛宴之下，，，资金现实高度集中
。。。。

遐想之星合资人高天垚的视察是，，，目今投资逻辑正在爆发分化
。。。。“各人都在看，，，共识的工具还较量多，，，以是我们希望项目的差别化要突出
。。。。”

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”
。。。。但戴恺提出了一个玄妙的反论：“人形机械人最焦点的竞争力在大脑层面，，，但宇树现在在这方面的投入和展现出的认知，，，还没有到那么高的层面
。。。。”

他增补说：“从整个工业的生长来说，，，我希望宇树能够在资源市场取得更大的乐成
。。。。但同时，，，估值会越来越趋于理性
。。。。”

范永则从工业链角度给出了另一个判断框架：“这个工业链很长，，，要害模组、本体、小脑、大脑，，，每一个环节都能深耕出优异的企业
。。。。若是要做一个全栈且每个环节都强的公司，，，短期内很难
。。。。”他以为，，，未来三五年能把营收跑起来的，，，更可能是本体企业，，，由于“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、模子范式演进、量产落地与商业化路径，，，“共识与非共识”的深度思辨由此睁开
。。。。

量不即是质：10万小时可能不如1000小时

数据多了，，，新的问题浮出水面
。。。。

据无问智科首创人刘盛翔视察，，，行业里各人都在喊“缺数据”，，，但纵然把一万万小时的数据摆在眼前，，，能不可用起来也是个大问题
。。。。

“就像英伟达的算力基座，，，若是没有CUDA生态，，，再好的GPU也用不起来
。。。。数据同理，，，缺的不但是数据，，，更是整套的工具链和测评系统
。。。。”

他给出了一个三层框架：一套好用的物理AI数据基座，，，至少应该包括数据自己、配套的工具链、以及响应的测评系统
。。。。“就像人一样，，，要边学习边考试，，，边做模拟学习边做强化学习，，，螺旋式生长
。。。。”

这个视角把问题从“数据够不敷多”推到了“数据能不可被有用使用”
。。。。行业现在面临的情形是：数据生产的瓶颈正在被人类视频蹊径突破，，，但数据“消化”的能力，，，洗濯、标注、增强、评测还没有跟上
。。。。此后者，，，可能才是未来一段时间真正的瓶颈所在
。。。。

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

他举了一个例子：给素材方下发一个使命，，，要求采1000个使命，，，每个使命采100小时，，，凑出10万小时
。。。。同样的1000个使命，，，每个使命只采1小时，，，只有1000小时
。。。。“它们在训练上的作用是差未几等效的
。。。。”

这个反直觉的征象展现了一个被行业忽视的问题——数据处理的难度远大于数据收罗
。。。。源培详细形貌了他们的数据管线有多重大：视觉端要调SAM模子把操作者的手从画面中支解出来，，，再用inpainting模子把配景补上，，，最后挪用仿真器把机械人的模子渲染贴上去；；；；行动端要调天下模子对行动做修正，，，再调强化学习做战略优化
。。。。每一个环节在单次执行时都没有问题，，，但“所有堆上去放量的时间，，，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，，，使命多样性>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
。。。。而这套标准自己，，，也还在“研发状态”
。。。。

这也诠释了为什么灵初智能虽然收罗了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子训练
。。。。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”自己更值得行业深思
。。。。

从数据蹊径的周全换锚，，，到模子范式的隐式迁徙，，，从商业化节奏的分层判断，，，到资源流向的结构性分化，，，具身智能行业正在履历一次深层的“重新锚定”
。。。。

真机数采仍然是细腻微调阶段不可替换的黄金标准，，，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
。。。。

这些转变的爆发速率，，，比大大都人预期的要快得多
。。。。(本文首发钛媒体APP，，，作者 | AGI-Signal，，，编辑 | 秦聪慧）