“四肢”已灵活，“大脑”仍饥饿，具身智能如何填补千万小时数据缺口？｜WRC深度观察

徽声在线8月21日消息（记者郭松峤）在机器人技术领域，AI无疑是核心驱动力，而AI的进化则高度依赖于数据的滋养。数据量的多少，特别是高质量数据的丰富程度，直接决定了AI能力的边界。在2026世界机器人大会（WRC）的舞台上，宇树科技创始人、董事长王兴兴深入剖析了人形机器人产业的未来走向。

当前，宇树科技正全力以赴，加大在机器人数据采集和模型训练上的投入。一方面，他们充分利用海量真人数据和互联网资源进行预训练，为机器人打下坚实的知识基础；另一方面，通过真实机器人运行数据的反馈，让机器人更好地适应并理解物理世界的复杂性。

徽声在线记者在WRC现场深入采访后发现，具身智能正从实验室的“炫技”阶段迈向工厂与家庭的“实干”时代。尽管机器人的“四肢”已经越来越灵活，但它们的“大脑”——即理解物理世界的能力，却仍然严重缺乏大规模的训练数据来支撑。

在此次大会上，众多企业不约而同地将目光聚焦在了同一个关键问题上：为具身智能构建坚实的数据底座，已成为推动产业规模化落地的当务之急。

在本届WRC上，京东云具身智能数据生态能力展台惊艳亮相，优必选等公司也已成功落地规模化数据采集中心。更值得一提的是，光轮智能在大会期间发布了全球首个十万小时级全模态人类行为开源数据集，为具身智能的发展注入了新的活力。

数据需求激增，行业面临百倍乃至千倍增长挑战

业界普遍预测，2026年将成为具身智能从样机走向量产的关键转折点。

致同发布的《【致同咨询行业洞察】具身智能机器人行业研究》报告指出，随着头部产品在宝马、比亚迪等产线上的常态化实训，人形机器人正加速跨越从“实验室样机”到“产线生产力”的鸿沟，展现出巨大的商业潜力。

然而，《报告》也警示称，这一进程具有明显的时间窗口属性。真实世界数据的采集效率以及仿真到现实的迁移成功率，都可能成为影响产业路径的关键因素。

事实上，数据缺口的严重性远超想象。

光轮智能联合创始人兼总裁杨海波在接受徽声在线记者采访时透露，2026年将是具身智能数据规模化的元年。行业对数据的需求正从去年的几百、几千小时，猛增至今年的上百万小时，增幅达到百倍乃至千倍之巨。

他进一步解释说，与拥有互联网数十年文本积累的大语言模型不同，具身智能面对的是非结构化的物理世界，需要采集视觉、力觉、触觉等多维度的交互信息，这对数据采集和处理技术提出了更高的要求。

记者了解到，目前行业内的共识是，实现可用的具身智能至少需要千万小时量级的多模态数据。然而，当前全球的有效积累尚不足需求的5%，数据缺口之大可见一斑。

如果说数据量的匮乏是显性的危机，那么数据质的获取则更是难上加难。

墨奇智能联合创始人兼CTO黄青虬在接受徽声在线等媒体采访时指出，当前数据采集设备普遍面临着精度与便携性的矛盾。若要追求高精度的定位和动作捕捉，设备往往变得笨重不便携；而若追求便携性，则捕捉精度又难以保证，这给数据采集工作带来了极大的挑战。

行业突围：多路径并举，破解数据难题

徽声在线记者在WRC现场采访了解到，面对海量数据缺口，行业正从多个方向寻求突围之路。一是通过人类示范提供“教科书”般的数据样本；二是利用仿真技术打造“练兵场”，让机器人在虚拟环境中进行预训练。

光轮智能在大会期间发布的全球首个十万小时级全模态人类行为开源数据集EgoSuite-Open100K，就是这一思路的典型代表。该数据集覆盖了128类场景和超1.5万项任务，采用头、腕双视角采集精细操作与全身位姿信息，为具身智能的研究提供了丰富的数据资源。

杨海波对记者表示，当前具身智能迫切需要高质量、多样性、大规模的数据供给。然而，行业在采集口径、标注规范、数据格式和时序组织等方面存在差异，导致不同设备产生的数据难以组合复用。EgoSuite-Open100K的开放，旨在让更多开发者能够在统一、可复用的数据基础上开展模型研究，共同构建开放繁荣的机器人持续学习生态。

在开放生态建设方面，光轮智能还推出了5年100亿具身智能数据共建计划。杨海波介绍了三项核心工作：一是开放数据标准，统一不同采集设备的数据模态、标注、时序、格式和质量标准；二是建立评测驱动的数据闭环，从模型失败中定位数据需求，定向生成和补采数据；三是实现数据与模型的协同设计，共同优化仿真数据、第一视角人类数据、遥操作数据与评测数据等的组合方式。

优必选则展示了另一条技术路线——自研全栈式技术体系。其自主研发的基座大模型Thinker，以“小参数、高性能、全开源”的特点突破了行业技术瓶颈，重点提升了机器人第一视角下的场景认知与任务规划能力，以及支撑物理交互的精准感知与空间理解能力。

聚焦高端科研工业赛道的源络科技同样值得关注。其现场展示的Monte02机器人完整演示了长序列移液、微孔板自主转运、移液枪吸头装退等一系列标准化实验操作，展现了具身智能在科研领域的巨大潜力。

据了解，源络科技依托此前在国家级平台的落地实践，持续探索具身智能在自主实验室场景的落地应用。他们创新形成了“白天人工精细操作、夜间机器人自主补位”的人机协同工作模式，有效提升了科研设备利用率与实验室整体运转效率，让机器人深度扎根于工业与科研实景场景中。

源络科技工作人员对记者介绍说，他们的物理原生模型能够让机器人自主识别实验的上一步、预判下一步，识别周边物体摆放位置，梳理整套实验流程，真正像人一样自主做实验。

具身智能数据采集技术的应用有哪些新趋势？一位展商告诉记者，当前具身智能数据采集正从“单一路径依赖”走向“混合增强”。头部玩家普遍采用“仿真预训练+真实数据微调+遥操作兜底”的融合策略，以提高数据采集的效率和准确性。同时，数据采集正从“人教机器”向“机器自主探索”演进，自监督学习和世界模型的引入正在降低对人工标注的依赖。

普渡机器人具身智能产品线总经理吴翔对徽声在线记者表示，普渡已经通过规模化商业部署积累了大量真实运行数据。截至目前，每年产生超过5000万小时真实运行数据，年导航数据3650万小时，年操作数据1580万小时。这些数据为普渡机器人的持续优化和升级提供了有力支撑。

“随着公司业务的持续增长和场景的不断拓展，每一台新增部署的机器人都意味着一个新的真实场景数据源。业务增长越快，新场景越多，数据回流越快，PuduFM的进化就越快，飞轮就转得越快。”吴翔充满信心地表示。

致同报告强调，国家层面持续推进高质量数据集建设，叠加大模型在多模态感知领域的突破，使得机器人“看懂”世界的能力呈指数级增长。然而，这一进程具有明显的时间窗口属性：真实世界数据的采集效率、Sim-to-Real（仿真到现实）的迁移成功率，都可能对产业路径产生扰动。因此，率先搭建私有高质量数据飞轮的企业将抢占通用具身智能能力涌现的先发优势。

（徽声在线记者 郭松峤）