千万小时数据缺口下,具身智能如何突围?

当大语言模型靠互联网文本学会说话写作时,机器人要学会拧瓶盖、叠衣服, 却面临一个尴尬现实: 互联网上根本没有记录人类动作的现成数据库。这个数据库, 需要行业从零构建。

📌 数据缺口有多大?

中国信通院等机构发布的《具身智能训练场研究报告 (2026 年)》给出测算: 具身基础模型要迎来“ChatGPT 时刻”, 至少需要 千万小时级 真实数据。若全靠真机采集, 按每台机器人每天有效工作 2 小时、每年 300 天计算, 需超过两万台机器人连续工作一年。

而现实是, 当前全球可用高质量真实数据仅 数十万到百万小时级, 供需之间隔着一整个量级。

🔍 海外验证: 人类行为数据预训练价值

Figure 发布 Helix 2.5 模型, 租下旧金山湾区 30 套陌生住宅盲测整理客厅、叠毛巾、铺床。用人类行为数据集 Index 预训练的模型, 完整任务成功率达56%; 对照组从随机权重起步, 成功率仅9%。

差距让行业看到: 人类行为数据预训练, 能让机器人第一次在陌生环境“直接上岗”。

💡 采集江湖的痛点

真机遥操作数据与本体高度对齐,但采集速度被机器人数量、操作人员和场地捆死, 成本随规模同步上涨。截至 2026 年 6 月底, 全国已建成启用超 70 家具身智能训练场, 另有 46 家在建或规划中, 但重资产投入下, 可持续盈利模式仍在摸索。

更深痛点在于场景。觅蜂科技副总裁殷哲将数据采集比作挖矿:“场景是唯一无法被技术或资本快速复制的源头 。”国内真实物理交互合规数据约 100 万小时, 而商业化落地需千万甚至数亿小时, 缺口超 99%。

📊 把采数据的铲子交到普通人手里

觅蜂科技推出觅蜂派 APP,任何人实名注册、申领 MEgo 设备, 在正常生活工作之余顺手采集, 从领任务到拿钱四步走完。背后是自研头戴设备多相机覆盖超 300°视角, 腕部相机捕捉手部细节; 云端引擎完成切片、标注、质检。

姚卯青明确不做非黑即白分化:“数据质量可以分很多层,贴上质量标签, 尽可能保留。”据其介绍, 目前 2 万套 MEgo 设备已进入家庭、办公、零售等真实场景, 累计采集有效数据达百万小时, 已服务腾讯 Robotics X 实验室、蚂蚁灵波等客户。

🚀 行业观察: 整合是必然

• 需求陡增: 去年上半年还停在一万小时量级, 今年已有公司用到 100 万小时, 客户提出千万小时级预算。
• 长尾技能待解锁: 叠衣服数据已泛滥, 修水管、修车、理发、美甲等长尾技能正等待被点亮。
• 分工分化: 未来会分化出设备方、运营方、后处理方, 不会人人都干整条链条。

真实世界浩瀚无垠,人类每一次平凡动手, 都可能成为智能进化的一次投喂。谁能持续把真实世界经验转化为可训练数据, 谁就握住了下一个十年的入场券。