作者：公爵互聯社 牛金鵬

這個夏天，人形機器人行業的新聞是一條比一條炸。

天驕隊在機器人運動會上百米跑了8秒64，比博爾特的世界紀錄還快將近一秒；天卓隊1500米2分21秒64，人類3分26秒的紀錄被直接甩在身後。智元機器人第1.5萬台通用具身機器人6月正式下線，距離第1萬台下線還不到三個月。小鵬機器人首輪孖展超9億美元，投後估值63億美元。軟銀更狠，被曝出擬60億美元收購1X Technologies多數股權。

身體越來越強，價格越來越低，產量卻越拉越大。但你要是跟做機器人算法的工程師聊一聊，他們多半會嘆口氣：硬件現在真不缺了，缺的是數據。

這話聽着反直覺——都萬台量產了，還缺數據？缺。而且缺得厲害。

大語言模型能從GPT‑1迭代到GPT‑5.6，靠的是互聯網上免費的文本數據，網頁、書籍、論文、代碼，爬下來就能用。但機器人要的不是文字，是物理世界的真實交互——伸手抓一個杯子該用多大力，踩到一灘水的重心怎麼調，一個沒見過的工具怎麼上手。這些數據，互聯網上一條都沒有。

每一條都得讓機器人在真實世界裏親手做一遍。貴，慢，還容易壞。

行業現在集體撞上一堵牆：身體已經進量產時代了，大腦還在等米下鍋。

【大模型喝自來水，機器人喝瓶裝水】

機器人的數據饑荒，不是「數據不夠多」那麼簡單，是它從根上就和大模型不是一回事。

訓練大語言模型，數據從哪來？全網爬。Common Crawl一個公開數據集就有超過2500億個token的網頁文本，維基百科、GitHub、百萬冊圖書，全部免費下載。大廠之間拼的不是數據有沒有，是誰清洗得更乾淨、優質數據比例更高。數據是自來水，擰開龍頭就有。

機器人完全是另一套邏輯。

你想讓它學會抓杯子，給它看一萬張杯子的照片沒用。照片只告訴它杯子長什麼樣，不告訴它抓的時候手指怎麼彎、用多大勁、杯子滑了怎麼補。這些信息，只有讓機械手真的伸出去、碰到杯子、感受到阻力、完成抓取，才能產生一條有效數據。

一條數據，等於一次真實的物理操作。

操作一次多久？簡單抓取從感知到執行大概幾秒鐘。但要覆蓋不同形狀、不同材質、不同位置、不同光照下的抓取，學術界的估計是百萬級到千萬級的真實交互。  

一千萬次抓取是什麼概念？一台機器人24小時不停，一次10秒，一天8640次，抓滿一千萬次要將近1200天，三年多。這還只是抓杯子一個動作。

而且機器人不是手機，它會壞。關節電機有壽命，減速器會磨損，機械臂高頻操作容易出故障。一台機器高強度跑數據，幾個月可能就得修一次，修的時候就是零產出。

大模型的數據是數字拷貝，邊際成本幾乎為零；機器人的數據是物理消耗，每一條都要花錢花時間。一個自來水，一個瓶裝水還得自己灌裝——這就是為什麼大模型兩年迭代三代，機器人的通用操作能力十年了還在實驗室打轉。

有個對比很說明問題。2023年10月，谷歌DeepMind聯合全球21家機構、34個學術實驗室，攢出了目前全球最大的開源真實機器人數據集Open X‑Embodiment，總共100多萬條軌跡，覆蓋22種機器人、500多種技能。聽着很多對吧？但分散到500多種技能上，平均每種技能不到2000條軌跡。而大模型那邊，光是一個Common Crawl就是2500億級別的token。兩個量級差了不止一百萬倍。

WRC 2026同期舉辦的具身智能專題論壇上，好幾位技術負責人在公開討論裏說了類似的話：現在算力不缺，算法框架也不缺，缺的是足夠多、足夠好、足夠多樣的真實物理交互數據。

【仿真救不了場】

真機採集又貴又慢，那用模擬器行不行？在電腦裏建個虛擬世界，機器人在裏面練，練好了搬到真實世界——行業管這個叫sim2real。

想法挺好，現實卻很骨感。

模擬器裏的世界是程序員寫出來的。一個杯子多重、摩擦力多少、表面粗糙度，全靠人工設。你設200克，真實杯子可能180克也可能250克；你設摩擦係數0.4，杯子沾了油可能就變成0.2。差一點，結果就差了很多。

最難的是接觸。機械手碰到物體那一瞬間，形變、摩擦、滑動、反作用力，這些在模擬器裏很難算準。學術界有個詞叫「接觸豐富操作」，意思就是只要涉及接觸，仿真就容易翻車。

結果就是：模擬器裏練一千萬次，成功率99%，搬到真機上一上手，成功率可能直接掉到30%。模擬器裏的杯子和真實的杯子，根本不是同一個東西。

其實行業裏不是沒有努力。英偉達的Isaac Sim、微軟的Mujoco、谷歌的DeepMind Control Suite，都是頂級仿真的平台。各家也在做「域隨機化」——模擬器裏把物體顏色、形狀、重量、摩擦係數隨機變，讓機器人見過各種杯子，指望到真實世界能泛化。  

但域隨機化解決的是「見過很多種」，解決不了「真實世界有一種你沒見過的」。真實世界的多樣性是無限的，模擬器再怎麼隨機也是有限的。這個鴻溝，目前沒有哪家公司能填上。

WRC上有個細節很說明問題。不少展台的機器人演示分揀、疊衣服、操作工具，看着行雲流水。但你湊近了看，物品位置是固定的，光照是調好的，連物品本身都是挑過的標準件。你把東西挪個位置、換個牌子，或者讓觀衆隨便放一個上去，成功率就有可能立刻斷崖式的掉。

不是工程師不想做隨機測試，是隨機測試一上就翻車。翻來翻去，原因還是數據不夠——沒在足夠多變化的真實場景裏練過，遇到沒見過的就懵。

仿真能用來預訓練、能驗證算法，但替代不了真實數據。就像你在駕校模擬器裏開了一萬小時，真上路該緊張還是緊張，模擬器裏沒有真實的馬路殺手。

【一個死循環】

數據饑荒最讓人頭疼的地方，不是難，是它繞成了一個圈。

想讓機器人變聰明，需要大量真實場景的數據。想拿到真實場景的數據，得讓機器人先進到真實場景裏跑。想讓它進真實場景，它得先足夠聰明、能穩定幹活、不闖禍。但它不夠聰明，是因為還沒有足夠的數據。

要數據，要場景，要智能，要數據。轉一圈回來了。

大模型從來沒有遇到過這個問題。它爬數據的時候不需要先證明自己能寫文章，互聯網數據是開放的、免費的、誰都能拿。

機器人卻不行。工廠不會讓一台還不穩定的機器人上產線的，萬一撞壞設備、傷了人、耽誤生產，誰擔這個責任？家庭更不會買一台經常犯錯的機器人，打碎個陶瓷有可能比機器本身還貴重。

真實場景是有門檻的。你不夠好就進不去，進不去就拿不到數據，拿不到數據就永遠不夠好。

所以現在大部分公司的數據還停留在實驗室採集中，自己實驗室搭幾個標準場景，機器人反覆操作攢數據。但實驗室場景是有限的、標準化的，跟真實世界的多樣性比就是九牛一毛。

也有人試過遙控操作：人戴VR設備遠程操控機器人，人怎麼做機器跟着做，同時記錄數據。這樣採集速度比機器人自主學習快，質量也高，畢竟是人類專家在操作。

但遙控操作也有一個問題。貴，熟練操作員時薪不低還得培訓；慢，一個人一次只能操控一台；數據多樣性還是受限，操作員的動作就那麼多，真實場景的變化是無限的。更關鍵的是，遙控操作採的是「人怎麼操作」，不是「機器人怎麼自主操作」。機器人最終得學會自己決策自己執行，不能永遠跟着人類學。遙控操作能做冷啓動，解決不了規模化。

至少在公開信息裏，還沒有哪一家公司宣佈跑通了「低成本、規模化、高質量獲取真實物理數據」的閉環。大家都在圈裏打轉，誰先跳出來，誰就拿到下一個時代的入場券。

【幾條路，都還沒跑通】

死循環擺在這，行業不可能幹等着。目前能看到幾條思路，但每一條都還早。

最直接的是重資產堆量——要麼把機器人鋪到真實場景裏邊幹活邊攢，要麼自己建個「數據工廠」，幾百台機器24小時專門採集數據。前者受限於場景門檻，客戶不讓不穩定的機器進場，通常只能先從倉儲分揀這種半標準化場景切入；後者成本極高，而且「人造的真實」和「真實的真實」永遠有差距，你在工廠裏練了一萬種抓杯子，客戶廠裏那個杯子可能還是第一萬零一種。一萬台機器人聽起來很多，分散到無數場景和任務裏，每個場景分到的還是不夠。

另一條路是跨機構共享數據，谷歌的Open X‑Embodiment就是這個思路——三十多個學術實驗室把各自的數據湊在一起，100多萬條軌跡開源給全行業用。但問題也很明顯：貢獻者主要是高校和研究所，商業公司很少願意把核心數據拿出來共享；而且22種機器人硬件不同、傳感器不同、接口不同，數據格式不統一，用起來要做大量的適配。開源數據集能降低入門門檻，但解決不了商業公司的核心數據需求。  

還有人想用大模型生成合成數據，真實數據不夠，讓大模型根據文字描述生成一段機器人操作的視頻軌跡拿來訓練。聽着有想象力，但目前還很早期。大模型生成的虛擬操作和真實物理操作之間同樣有鴻溝，而且大模型本身就沒怎麼見過真實物理交互，它腦補出來的東西可能從根上就不對。

幾條路，沒有一條被驗證跑通。所有人都知道數據是瓶頸，但沒有人找到低成本規模化解決的辦法。

【身體在軍備競賽，大腦在鬧饑荒】

回到開頭那個熱鬧的今天。

百米8秒64、1.5萬台下線、9億美元孖展、60億美元收購，這些新聞讀着讓人覺得人形機器人馬上就要爆發了。但你把視線從身體移到大腦，會發現另一個更安靜也更嚴峻的現實：運動能力一年一個台階，通用智能的進步速度遠沒有看起來那麼快。

原因不在算法，在數據。

VLA模型、世界模型、強化學習，這些框架這兩年進步確實大。但算法是菜譜，數據是食材，菜譜再精美沒有食材也做不出菜。現在菜譜更新到第三版了，食材還在等米下鍋。

這就造成一個很擰巴的局面：行業都在卷身體——關節數量、運動速度、負載能力、量產規模，因為這些看得見摸得着、好量化好宣傳。數據這種看不見摸不着、短期出不了成績的，反而投入不足。

但決定機器人能不能真正上班的，不是它跑多快，是它能不能在一個沒見過的場景裏自己想辦法把活幹了。這個能力，主要靠數據喂出來。

所以評估一家機器人公司，別隻看本體參數和量產計劃，該問的是：你們現在有多少小時真實交互的數據？採集成本和速度是多少？數據閉環跑通了嗎？這三個問題的答案，比自由度和百米速度更能決定這家公司三年後值不值錢。

不是頭部玩家就別卷身體了，供應鏈已經非常成熟，卷不過宇樹，也卷不過那些有大廠背書、能砸錢鋪量的玩家。找個垂直場景扎進去，把這個場景的數據喫幹榨淨，可能更聰明。通用數據大家都缺，但垂直場景的數據是可以靠深耕攢出來的。一個只做電力巡檢的機器人，在電力場景的數據量可能比所有通用機器人公司加起來都多，這就是壁壘。

往大了說，數據饑荒不是某一家的事，是基礎設施的問題。大模型時代有開源數據集、有數據標註的產業，機器人時代也需要一套物理數據基礎設施——標準化的格式、共享平台、低成本採集方案。誰能把這套建起來，誰就不只是一家機器人公司，而是整個行業的水電煤供應商。

【結束語】

2026年，人形機器人的身體已經足夠強壯了。

能跑贏博爾特，能跳過高台，能後空翻，能擰螺絲能端茶倒水。但你把它放到一個沒見過的房間裏，給它一個沒見過的工具，讓它做一件沒練過的事——它大概率還是會愣住，或者犯錯。

因為它的大腦，還沒見過足夠多的世界。

造身體的問題，供應鏈解決了。造大腦的問題，算法框架也基本清晰了。現在卡脖子的是最樸素也最難的一件事：讓機器人在真實世界裏，親手做足夠多的事，見足夠多的場面。

這是成本問題、規模問題、商業邏輯問題，也是接下來三到五年行業最需要啃的硬骨頭。

身體的軍備競賽大家都看得見，大腦的糧食危機才啱啱開始。

誰先解決數據問題，誰才真正擁有了機器人的大腦。在那之前，所有號稱「通用」的人形機器人，都還只是身體強壯、但沒怎麼見過世面的孩子。