徽声在线8月21日消息（记者郭松峤）在科技飞速发展的当下，机器人领域正经历着深刻变革。机器人本质上是由AI强力驱动的，而AI的成长与进步高度依赖数据的滋养。数据量的多少，特别是高质量数据的储备量，直接决定了AI能力的高低。在2026世界机器人大会（简称WRC）上，宇树科技创始人、董事长王兴兴就人形机器人产业的发展方向发表了独到见解。

当前，宇树科技正全力加大在机器人数据采集和模型训练方面的投入力度。一方面，充分利用海量真人数据以及互联网数据进行预训练，为机器人构建初步的认知框架；另一方面，借助真实机器人在实际运行过程中产生的数据，让机器人能够更好地适应复杂多变的物理世界，实现从理论到实践的跨越。

徽声在线记者在WRC现场采访时了解到，具身智能正从实验室中充满科技感的“炫技”阶段，逐步迈向工厂与家庭的“实干”领域。如今，机器人的“四肢”运动能力已经取得了显著进步，动作愈发灵活自如。然而，其“大脑”却面临着严峻挑战，严重缺乏理解物理世界所需的大规模训练数据，这成为制约具身智能进一步发展的关键因素。

在今年大会上，众多与会企业不约而同地将目光聚焦于同一个重要命题——为具身智能构建坚实的数据底座。这已然成为产业实现规模化落地、迈向新发展阶段的当务之急，关乎着整个行业的未来走向。

在本届WRC上，京东云具身智能数据生态能力展台盛大亮相，向外界展示了其在数据生态建设方面的成果与实力。优必选等公司也积极行动，纷纷落地规模化数据采集中心，为具身智能的发展提供数据支撑。光轮智能更是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，这一举措无疑为行业注入了新的活力。

数据需求呈爆发式增长

业界普遍认为，2026年将是具身智能从样机研发迈向量产应用的关键转折年份。这一时期，具身智能将迎来从实验室走向市场的重大机遇，同时也面临着诸多挑战。

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、比亚迪等产线开展常态化实训，人形机器人正加速跨越从“实验室样机”到“产线生产力”的巨大鸿沟。这意味着人形机器人将逐渐从理论研究走向实际应用，在工业生产中发挥重要作用。

但《报告》同时提醒，这一发展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，都可能对产业的整体发展路径产生重要影响。如果数据采集效率低下或者仿真到现实的迁移效果不佳，可能会导致产业发展受阻，错过最佳发展时机。

事实上，具身智能领域的数据缺口之大远远超出了人们的想象。数据短缺已成为制约行业发展的瓶颈问题，亟待解决。

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表示，2026年是具身智能数据规模化的元年。行业对数据的需求正呈现出爆发式增长，从去年的几百、几千小时，迅速跃升到今年的上百万小时，增幅高达百倍乃至千倍。这种快速增长的数据需求，对行业的数据采集和处理能力提出了极高要求。

他进一步解释道，具身智能与拥有互联网数十年文本积累的大语言模型有所不同。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。这些信息复杂多样，采集难度大，对数据采集设备和技术都提出了严峻挑战。

记者了解到，目前行业已经形成共识，要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，当前全球有效积累的数据量尚不足需求的5%，数据缺口巨大。这不仅影响了具身智能的发展速度，也限制了其在各个领域的应用范围。

如果说数据“量”的匮乏是具身智能发展面临的显性危机，那么数据“质”的获取则更具挑战性。高质量的数据是训练出优秀具身智能模型的关键，但目前获取高质量数据并非易事。

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。若要实现极高的定位精度和精准的动作捕捉，设备往往体积庞大、笨重不便携，这在实际应用中会受到诸多限制；若追求设备的便携性，捕捉精度又难以保证，无法满足具身智能对高质量数据的需求。

行业积极探索突围之路

徽声在线记者在WRC现场采访了解到，面对海量的数据缺口，行业正从多个方向积极寻求突围之道。其中，通过人类示范提供“教科书”式的数据，以及利用仿真打造“练兵场”进行数据训练，是两种较为常见且有效的方法。

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，为行业发展带来了新的希望。该数据集覆盖了128类场景与超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，能够为具身智能模型提供丰富多样的训练数据。

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，不同设备产生的数据难以组合复用，这给数据的有效利用带来了很大困难。EgoSuite—Open100K的开放，旨在打破这种数据壁垒，让更多开发者能够以统一、可复用的数据基础开展模型研究，构建开放繁荣的机器人持续学习生态，推动具身智能行业的快速发展。

在开放生态建设方面，光轮智能推出了5年100亿具身智能数据共建计划。杨海波详细介绍了该计划的三项重要工作。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，使数据具备跨设备、跨任务和跨模型复用的基础，提高数据的利用效率。二是建立评测驱动的数据闭环，从模型失败中精准定位数据需求，定向生成和补采数据，再通过基准评测持续检验模型提升效果，形成数据采集、模型训练、评测优化的良性循环。三是进行数据与模型协同设计，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，提高数据的质量和模型的性能。

优必选则展示了另一条独特的技术路线——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。该模型重点突破了两大核心能力，一是机器人第一视角下的场景认知与任务规划能力，使机器人能够像人类一样理解周围环境并规划任务；二是支撑物理交互的精准感知与空间理解能力，让机器人能够准确感知物理世界的交互信息并理解空间关系。

聚焦高端科研工业赛道的源络科技同样值得关注。在WRC现场，Monte02机器人完整展示了一系列标准化实验操作，包括长序列移液、微孔板自主转运、移液枪吸头装退等。这些操作展示了源络科技在具身智能应用于科研领域的技术实力。

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。通过创新形成“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，让机器人能够深度扎根于工业与科研实景场景，为科研工作提供有力支持。

源络科技工作人员对记者介绍，其研发的物理原生模型具有强大功能。该模型能够让机器人自主识别实验的上一步操作、预判下一步操作，准确识别周边物体摆放位置，梳理整套实验流程，真正像人一样自主完成实验，为科研实验的自动化和智能化提供了可能。

具身智能数据采集技术未来有哪些发展趋势呢？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”向“混合增强”转变。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，充分发挥各种数据采集方式的优势，提高数据的质量和采集效率。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，使机器人能够更加自主地学习和适应环境。

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。这些真实数据为普渡机器人的模型训练和性能提升提供了有力支持。

“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，数据回流就越快，PuduFM的进化也就越快，形成了一个良性循环的飞轮效应。”吴翔表示。

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，均可能对产业路径产生扰动。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，在未来的市场竞争中占据有利地位。

（徽声在线记者 郭松峤）