文 | 公爵互联社，作者 | 牛金鹏
这个夏天，人形机器人行业的新闻是一条比一条炸。
天骄队在机器人运动会上百米跑了 8 秒 64，比博尔特的世界纪录还快将近一秒；天卓队 1500 米 2 分 21 秒 64，人类 3 分 26 秒的纪录被直接甩在身后。智元机器人第 1.5 万台通用具身机器人 6 月正式下线，距离第 1 万台下线还不到三个月。小鹏机器人首轮融资超 9 亿美元，投后估值 63 亿美元。软银更狠，被曝出拟 60 亿美元收购 1X Technologies 多数股权。
身体越来越强，价格越来越低，产量却越拉越大。但你要是跟做机器人算法的工程师聊一聊，他们多半会叹口气：硬件现在真不缺了，缺的是数据。
这话听着反直觉——都万台量产了，还缺数据？缺。而且缺得厉害。
大语言模型能从 GPT 1 迭代到 GPT 5.6，靠的是互联网上免费的文本数据，网页、书籍、论文、代码，爬下来就能用。但机器人要的不是文字，是物理世界的真实交互——伸手抓一个杯子该用多大力，踩到一滩水的重心怎么调，一个没见过的工具怎么上手。这些数据，互联网上一条都没有。
每一条都得让机器人在真实世界里亲手做一遍。贵，慢，还容易坏。
行业现在集体撞上一堵墙：身体已经进量产时代了，大脑还在等米下锅。
大模型喝自来水，机器人喝瓶装水
机器人的数据饥荒，不是 " 数据不够多 " 那么简单，是它从根上就和大模型不是一回事。
训练大语言模型，数据从哪来？全网爬。Common Crawl 一个公开数据集就有超过 2500 亿个 token 的网页文本，维基百科、GitHub、百万册图书，全部免费下载。大厂之间拼的不是数据有没有，是谁清洗得更干净、优质数据比例更高。数据是自来水，拧开龙头就有。
机器人完全是另一套逻辑。
你想让它学会抓杯子，给它看一万张杯子的照片没用。照片只告诉它杯子长什么样，不告诉它抓的时候手指怎么弯、用多大劲、杯子滑了怎么补。这些信息，只有让机械手真的伸出去、碰到杯子、感受到阻力、完成抓取，才能产生一条有效数据。
一条数据，等于一次真实的物理操作。
操作一次多久？简单抓取从感知到执行大概几秒钟。但要覆盖不同形状、不同材质、不同位置、不同光照下的抓取，学术界的估计是百万级到千万级的真实交互。
一千万次抓取是什么概念？一台机器人 24 小时不停，一次 10 秒，一天 8640 次，抓满一千万次要将近 1200 天，三年多。这还只是抓杯子一个动作。
而且机器人不是手机，它会坏。关节电机有寿命，减速器会磨损，机械臂高频操作容易出故障。一台机器高强度跑数据，几个月可能就得修一次，修的时候就是零产出。
大模型的数据是数字拷贝，边际成本几乎为零；机器人的数据是物理消耗，每一条都要花钱花时间。一个自来水，一个瓶装水还得自己灌装——这就是为什么大模型两年迭代三代，机器人的通用操作能力十年了还在实验室打转。
有个对比很说明问题。2023 年 10 月，谷歌 DeepMind 联合全球 21 家机构、34 个学术实验室，攒出了目前全球最大的开源真实机器人数据集 Open X Embodiment，总共 100 多万条轨迹，覆盖 22 种机器人、500 多种技能。听着很多对吧？但分散到 500 多种技能上，平均每种技能不到 2000 条轨迹。而大模型那边，光是一个 Common Crawl 就是 2500 亿级别的 token。两个量级差了不止一百万倍。
WRC 2026 同期举办的具身智能专题论坛上，好几位技术负责人在公开讨论里说了类似的话：现在算力不缺，算法框架也不缺，缺的是足够多、足够好、足够多样的真实物理交互数据。
仿真救不了场
真机采集又贵又慢，那用模拟器行不行？在电脑里建个虚拟世界，机器人在里面练，练好了搬到真实世界——行业管这个叫 sim2real。
想法挺好，现实却很骨感。
模拟器里的世界是程序员写出来的。一个杯子多重、摩擦力多少、表面粗糙度，全靠人工设。你设 200 克，真实杯子可能 180 克也可能 250 克；你设摩擦系数 0.4，杯子沾了油可能就变成 0.2。差一点，结果就差了很多。
最难的是接触。机械手碰到物体那一瞬间，形变、摩擦、滑动、反作用力，这些在模拟器里很难算准。学术界有个词叫 " 接触丰富操作 "，意思就是只要涉及接触，仿真就容易翻车。
结果就是：模拟器里练一千万次，成功率 99%，搬到真机上一上手，成功率可能直接掉到 30%。模拟器里的杯子和真实的杯子，根本不是同一个东西。
其实行业里不是没有努力。英伟达的 Isaac Sim、微软的 Mujoco、谷歌的 DeepMind Control Suite，都是顶级仿真的平台。各家也在做 " 域随机化 " ——模拟器里把物体颜色、形状、重量、摩擦系数随机变，让机器人见过各种杯子，指望到真实世界能泛化。
但域随机化解决的是 " 见过很多种 "，解决不了 " 真实世界有一种你没见过的 "。真实世界的多样性是无限的，模拟器再怎么随机也是有限的。这个鸿沟，目前没有哪家公司能填上。
WRC 上有个细节很说明问题。不少展台的机器人演示分拣、叠衣服、操作工具，看着行云流水。但你凑近了看，物品位置是固定的，光照是调好的，连物品本身都是挑过的标准件。你把东西挪个位置、换个牌子，或者让观众随便放一个上去，成功率就有可能立刻断崖式的掉。
不是工程师不想做随机测试，是随机测试一上就翻车。翻来翻去，原因还是数据不够——没在足够多变化的真实场景里练过，遇到没见过的就懵。
仿真能用来预训练、能验证算法，但替代不了真实数据。就像你在驾校模拟器里开了一万小时，真上路该紧张还是紧张，模拟器里没有真实的马路杀手。
一个死循环
数据饥荒最让人头疼的地方，不是难，是它绕成了一个圈。
想让机器人变聪明，需要大量真实场景的数据。想拿到真实场景的数据，得让机器人先进到真实场景里跑。想让它进真实场景，它得先足够聪明、能稳定干活、不闯祸。但它不够聪明，是因为还没有足够的数据。
要数据，要场景，要智能，要数据。转一圈回来了。
大模型从来没有遇到过这个问题。它爬数据的时候不需要先证明自己能写文章，互联网数据是开放的、免费的、谁都能拿。
机器人却不行。工厂不会让一台还不稳定的机器人上产线的，万一撞坏设备、伤了人、耽误生产，谁担这个责任？家庭更不会买一台经常犯错的机器人，打碎个陶瓷有可能比机器本身还贵重。
真实场景是有门槛的。你不够好就进不去，进不去就拿不到数据，拿不到数据就永远不够好。
所以现在大部分公司的数据还停留在实验室采集中，自己实验室搭几个标准场景，机器人反复操作攒数据。但实验室场景是有限的、标准化的，跟真实世界的多样性比就是九牛一毛。
也有人试过遥控操作：人戴 VR 设备远程操控机器人，人怎么做机器跟着做，同时记录数据。这样采集速度比机器人自主学习快，质量也高，毕竟是人类专家在操作。
但遥控操作也有一个问题。贵，熟练操作员时薪不低还得培训；慢，一个人一次只能操控一台；数据多样性还是受限，操作员的动作就那么多，真实场景的变化是无限的。更关键的是，遥控操作采的是 " 人怎么操作 "，不是 " 机器人怎么自主操作 "。机器人最终得学会自己决策自己执行，不能永远跟着人类学。遥控操作能做冷启动，解决不了规模化。
至少在公开信息里，还没有哪一家公司宣布跑通了 " 低成本、规模化、高质量获取真实物理数据 " 的闭环。大家都在圈里打转，谁先跳出来，谁就拿到下一个时代的入场券。
几条路，都还没跑通
死循环摆在这，行业不可能干等着。目前能看到几条思路，但每一条都还早。
最直接的是重资产堆量——要么把机器人铺到真实场景里边干活边攒，要么自己建个 " 数据工厂 "，几百台机器 24 小时专门采集数据。前者受限于场景门槛，客户不让不稳定的机器进场，通常只能先从仓储分拣这种半标准化场景切入；后者成本极高，而且 " 人造的真实 " 和 " 真实的真实 " 永远有差距，你在工厂里练了一万种抓杯子，客户厂里那个杯子可能还是第一万零一种。一万台机器人听起来很多，分散到无数场景和任务里，每个场景分到的还是不够。
另一条路是跨机构共享数据，谷歌的 Open X Embodiment 就是这个思路——三十多个学术实验室把各自的数据凑在一起，100 多万条轨迹开源给全行业用。但问题也很明显：贡献者主要是高校和研究所，商业公司很少愿意把核心数据拿出来共享；而且 22 种机器人硬件不同、传感器不同、接口不同，数据格式不统一，用起来要做大量的适配。开源数据集能降低入门门槛，但解决不了商业公司的核心数据需求。
还有人想用大模型生成合成数据，真实数据不够，让大模型根据文字描述生成一段机器人操作的视频轨迹拿来训练。听着有想象力，但目前还很早期。大模型生成的虚拟操作和真实物理操作之间同样有鸿沟，而且大模型本身就没怎么见过真实物理交互，它脑补出来的东西可能从根上就不对。
几条路，没有一条被验证跑通。所有人都知道数据是瓶颈，但没有人找到低成本规模化解决的办法。
身体在军备竞赛，大脑在闹饥荒
回到开头那个热闹的今天。
百米 8 秒 64、1.5 万台下线、9 亿美元融资、60 亿美元收购，这些新闻读着让人觉得人形机器人马上就要爆发了。但你把视线从身体移到大脑，会发现另一个更安静也更严峻的现实：运动能力一年一个台阶，通用智能的进步速度远没有看起来那么快。
原因不在算法，在数据。
VLA 模型、世界模型、强化学习，这些框架这两年进步确实大。但算法是菜谱，数据是食材，菜谱再精美没有食材也做不出菜。现在菜谱更新到第三版了，食材还在等米下锅。
这就造成一个很拧巴的局面：行业都在卷身体——关节数量、运动速度、负载能力、量产规模，因为这些看得见摸得着、好量化好宣传。数据这种看不见摸不着、短期出不了成绩的，反而投入不足。
但决定机器人能不能真正上班的，不是它跑多快，是它能不能在一个没见过的场景里自己想办法把活干了。这个能力，主要靠数据喂出来。
所以评估一家机器人公司，别只看本体参数和量产计划，该问的是：你们现在有多少小时真实交互的数据？采集成本和速度是多少？数据闭环跑通了吗？这三个问题的答案，比自由度和百米速度更能决定这家公司三年后值不值钱。
不是头部玩家就别卷身体了，供应链已经非常成熟，卷不过宇树，也卷不过那些有大厂背书、能砸钱铺量的玩家。找个垂直场景扎进去，把这个场景的数据吃干榨净，可能更聪明。通用数据大家都缺，但垂直场景的数据是可以靠深耕攒出来的。一个只做电力巡检的机器人，在电力场景的数据量可能比所有通用机器人公司加起来都多，这就是壁垒。
往大了说，数据饥荒不是某一家的事，是基础设施的问题。大模型时代有开源数据集、有数据标注的产业，机器人时代也需要一套物理数据基础设施——标准化的格式、共享平台、低成本采集方案。谁能把这套建起来，谁就不只是一家机器人公司，而是整个行业的水电煤供应商。
结束语
2026 年，人形机器人的身体已经足够强壮了。
能跑赢博尔特，能跳过高台，能后空翻，能拧螺丝能端茶倒水。但你把它放到一个没见过的房间里，给它一个没见过的工具，让它做一件没练过的事——它大概率还是会愣住，或者犯错。
因为它的大脑，还没见过足够多的世界。
造身体的问题，供应链解决了。造大脑的问题，算法框架也基本清晰了。现在卡脖子的是最朴素也最难的一件事：让机器人在真实世界里，亲手做足够多的事，见足够多的场面。
这是成本问题、规模问题、商业逻辑问题，也是接下来三到五年行业最需要啃的硬骨头。
身体的军备竞赛大家都看得见，大脑的粮食危机才刚刚开始。
谁先解决数据问题，谁才真正拥有了机器人的大脑。在那之前，所有号称 " 通用 " 的人形机器人，都还只是身体强壮、但没怎么见过世面的孩子。
