具身智能的数据基建：一场静默却激烈的上游争夺战

数据，正从变量变成战场

具身智能的爆发，不是始于算法突破，而是被一道现实瓶颈猛然拦下——数据太少了。LLM预训练已有数十万亿token，自动驾驶积累超百亿小时真实路测数据，而当前全球公开可用的具身操作数据，仅几十万小时。这不是技术储备不足，而是物理世界的行为闭环数据，根本无法从互联网“爬”来。 机器人能在春晚翻跟头、在实验室叠衬衫，却一进真实家庭就撞翻水杯，一进工厂就抓不住零件。反差背后，是同一个问题：没有足够多、足够好、足够泛化的动作数据支撑模型理解“怎么做”。 于是，一条全新赛道悄然成型——具身智能数据基建。它不再依附于硬件或模型，而是独立承担起“机器人大脑的粮食供应”职能。过去一年，这条赛道从无人问津，到资本密集涌入：光轮智能两个月连获两轮，估值破20亿美元；简智机器人成立即获蚂蚁、滴滴、德联联合领投；觅蜂科技从智元孵化后迅速完成数亿元融资。数据，正式登台成为上游核心基础设施。

四条造数路径：没有银弹，只有组合

真机遥操、无本体采集、仿真合成、视频蒸馏——这是当前主流的四大数据生产方式。没有哪一种能单打独斗，头部公司全部走向融合。 真机遥操质量最高：操作员戴VR头显，实时映射至机器人视角，手眼协同完成拧瓶盖、开抽屉等完整闭环动作。智元、优必选、灵御智能均采用此路。但成本极高——特斯拉Optimus数据员时薪25–48美元；长时间佩戴VR易眩晕，空间判断误差频发，废片率普遍达30%–40%，有效利用率仅60%–70%。 无本体采集降本明显：通过可穿戴设备（如UMI夹爪）或动捕服记录人体动作，再重定向映射至机器人本体。觅蜂科技、简智机器人主攻此方向。优势是成本约为真机路线的一半，但短板尖锐——人手无法反馈力觉变化，拧瓶盖、插USB这类需“边感知边调节”的任务，模型学得形似而神不至；且人体运动结构与机械臂差异巨大，“翻译”过程丢失大量关节级细节。 仿真合成追求规模与可控：在高保真虚拟环境中批量生成操作序列。光轮智能自研仿真引擎，已交付超100万小时人类行为数据，复购率达10倍以上。但虚拟世界终究是设定好的：杯子永远轻、桌面永远干、手指永远不滑。真实世界中一杯半满的水、一双出汗的手，足以让仿真训练出的策略当场失效。 视频蒸馏打开新入口：直接从Ego4D、YouTube等公开视频中反推动作逻辑——不是还原某次拧瓶盖的角度，而是提炼“手位+施力方向+旋转响应”的通用规律。极佳视界凭借此技术三个月融资35亿元，估值破百亿。边际成本趋近于零，数据海量化，但纯视觉输入缺失力觉、关节状态等关键维度，无法端到端训练，仅作增强补充。 如今，单一押注已成历史。光轮智能建仿真平台的同时启动人类采集；银河通用放弃纯仿真路线，推出全身遥操作系统；恺望数据则横跨真机、无本体、仿真三条链路。朱军总结：“客户要的是结果，不是路径。谁能把真机校准、仿真扩量、视频提效串成一条稳定产线，谁才真正握住了数据基建的钥匙。”

卖数据，远比造数据更难

数据造出来，不等于能卖出去。当前国内具备持续采购能力的客户，仅几十家：本体厂商、VLA/世界模型团队、高校实验室。其中多数仍处验证阶段，真正进入规模化采购的屈指可数。 更现实的挑战在于：客户买数据，往往只为“救急”。一旦自身采集体系跑通，外部采购可能骤减。“先买一批试用，跑通后自己复刻”，是普遍策略。应对之道，不是卖数据包，而是卖“可迭代的能力”——配套专属采集工具链、场景工艺库、数据标准更新服务。客户自建团队复刻，不仅周期长、成本高，还面临标定漂移、同步丢帧、格式不兼容等隐形门槛。 商业模式仍在演进：一次性买断最常见，也最易被复制；硬件销售（如遥操工作站、专用采集机器人）有供应链壁垒，但客户买完即可自主采集；平台订阅与服务模式壁垒最高，却依赖客户形成稳定消耗习惯——目前尚未成熟，仅少数公司在试探。 朱军坦言，当前收入主力仍是标准化数据集+定制采集项目，综合毛利率不高，人力成本占比最高，其次是硬件折旧，算力反而最轻。长期目标，是让客户从“买数据”转向“订服务”，绑定其全生命周期迭代需求。

规则之争：谁来定义“好数据”？

行业尚无共识：仿真数据和真机数据，哪个更值钱？第一视角和第三视角，哪个更有效？没有统一标准，导致数据孤岛林立——A厂用的数据格式，B厂模型根本读不懂；一套在宇树G1上训练的抓取模型，换到智元远征上就得重采、重标、重训。 跨本体通用模型正在破局：Skild AI专注具身底座，蚂蚁灵波LingBot-VLA 2.0宣称适配20余种机器人。但实测仍需机型级微调，通用性仍是“有限迁移”，非“即插即用”。 真正的规则制定者，已在行动。光轮智能推出工业级评测平台RoboFinals，锚定数据质量评估维度；觅蜂科技以MEgo硬件+全范式平台切入，推动跨本体数据格式对齐；简智机器人聚焦工业级结构化数据规范。但“定标准”本质是“分蛋糕”——若觅蜂格式成事实标准，本体厂商就要为其生态付费；若光轮评测体系被采纳，即掌握数据价值的裁判权。 本体厂商当前重心仍在闭环验证：智元推远征量产，宇树冲刺G1交付，银河通用打磨GraspVLA。标准建设，尚属次要议程。 这与自动驾驶发展路径相似，但更具复杂性：道路场景相对封闭，而家庭、工厂、手术室等具身场景差异极大，数据分布高度碎片化；车企靠千万级出货跑出数据飞轮，而机器人年出货量仍以千台计——独立数据公司的窗口期更长，商业化节奏却更慢。 朱军指出当前三大错位：嘴上喊“数据是核心”，预算却压得极低；玩家扎堆做同质化仿真，靠低价内卷；资本狂热追捧，但客户复购率低，多数团队靠融资续命，稳定订单稀缺。 洗牌信号已然清晰：未来一年，行业将从“拼融资”转向“拼客户”。没有真实订单、没有产线嵌入能力、没有持续迭代服务的数据公司，将率先出局。而真正能打通数据生产—客户验证—标准共建闭环的玩家，才有望成为物理AI时代的底层数据基础设施。

结语：基建不是终点，而是起点

具身智能的数据基建，不是为模型提供“更多数据”，而是重构“数据如何产生、如何验证、如何流转、如何增值”的整套物理世界认知范式。它不炫技，却决定机器人能否走出实验室；它不发声，却正在定义下一代AI的生产力边界。