幫機器人“搞數據”：錢很多、泡沫很大

具身智慧機器人的「大腦」正在鬧數據饑荒。業界經常引用一組對比：大型語言模型預訓練用了數十萬億個 token，自動駕駛有百億小時道路數據，但具身智慧目前公開可用的操作數據，只有幾十萬小時。機器人能在春晚舞台上翻跟頭、在實驗室裡疊衣服，但一進到真實家庭或工廠就頻頻出錯——問題的根源就卡在數據短缺上。 這道缺口正在催生一條獨立的賽道。過去半年，資本密集湧向數據公司：光輪智能在兩個月內連續完成兩輪融資，估值突破 20 億美元，成為全球第一家具身數據領域的獨角獸；2025 年成立的簡智機器人，獲得螞蟻、滴滴、德聯資本領投；從智元機器人孵化獨立的覓蜂科技，也迅速完成數億元融資。從訓練環節中的一個變量，到自成賽道，時間不到一年。 投資人天機辯分析，背後有兩個訊號：一是 VLA 大模型的泛化瓶頸已經浮現，數據品質才是機器人智慧的真正天花板；二是本體廠商的出貨速度比預期更快，數據需求從研發探索被推到量產必備。形芯智能副總裁朱軍每天與客戶打交道，他觀察到前兩年業界都在埋頭做硬體，等到機器人真的做出來，才發現換個物體、換個環境就不會操作，內部採集的數據根本跟不上模型迭代的節奏，第三方數據的需求自然暴漲。 數據從哪裡來？目前行業主要有四條生產路線，各有優劣。第一種是真機採集，操作員佩戴 VR/AR 頭顯，同步控制機器人每一個動作，產出的數據品質最高，可以直接訓練 VLA 模型。智元、優必選等頭部廠商都押注此路線。但缺點是成本極高，特斯拉的數據採集員時薪達 25–48 美元，長時間佩戴 VR 容易暈眩，廢片率普遍高達 30%–40%。 第二種是無本體採集，不需要機器人本體，透過可穿戴設備或動作捕捉記錄人類動作，再映射到機器人。代表公司包括覓蜂科技和簡智機器人。成本約為真機採集的一半甚至更低，但存在兩大限制：人戴著夾爪感受不到力度變化，導致擰瓶蓋、插 USB 等精細動作容易失誤；人類動作「翻譯」給機器人時會丟失大量資訊。 第三種是仿真合成，在虛擬物理世界中批量生成數據。光輪智能自研仿真系統，累計交付超過 100 萬小時人類行為數據，復購率超過 10 倍。不過模擬環境裡的物體屬性都是固定值，真實世界中杯子可能裝了水、手可能是濕的，這些細微變化難以完全模擬。 第四種是視頻蒸餾，從 YouTube、Ego4D 等網路影片中直接提取人類操作資訊，反推出動作結構。極佳視界三個月內累計融資約 35 億元，估值已達百億級別。這種方式邊際成本極低、數據量龐大，但影片只有視覺資訊，缺少關節角度與發力細節，無法直接用於端到端訓練，只能當作輔助數據。 值得注意的是，頭部公司現在幾乎都是多線並行。做仿真的光輪智能開始採集人類數據，曾是仿真派的銀河通用也發佈了全身遙操作系統，從自動駕駛標註起家的愷望數據則三條路線通吃。朱軍總結，資本市場偏愛合成仿真和全鏈路平台，但客戶剛需仍是真機數據，仿真只能輔助。路線融合已是明確趨勢。 數據造出來之後，能不能賣出去是另一個問題。據天機辯估算，國內真正具有持續採購能力的客戶可能只有幾十家，主要包括機器人本體廠商、模型團隊以及高校。而且客戶的付費意願並不穩定：不少本體廠商先買一批數據試用，跑通後就想自己建團隊復刻。朱軍坦言，他們的應對方式是綁定專屬工具與迭代方案，讓客戶自建的成本更高、週期更長，目前還難以完全替代外部供應。 變現方式目前主要有三種。一次性買斷數據集最常見，但也最容易被複製，市面上小團隊用幾萬塊就能搭一套採集工位，但廢片率偏高。第二是賣硬體，例如可穿戴採集設備或遙操工作站，賣給客戶後對方能自己採數據。第三是賣平台、訂閱與服務，壁壘最高但市場還沒成熟，僅部分公司在試探。 儘管商業模式還在探索，數據公司的估值已經水漲船高。天機辯透露，有些公司年收入只有幾百萬，估值卻到了好幾億。一位專注硬科技早期投資的投資人說，現在看具身數據不盯 PE 甚至不盯 PS，而是看「單客戶價值 × 潛在客戶數 × 數據壁壘係數」。光輪智能一個季度新增訂單 5.5 億元，等於給行業定了一個參考標準。 但行業至今對「什麼樣的數據最有價值」沒有共識。是仿真數據還是真實數據？是第三視角還是第一視角？一位從自動駕駛轉行的從業者比較，自動駕駛到了 2018 年至少公認激光雷達加攝像頭是主流，但具身智慧現在連採集路線的共識都沒有。數據格式各自為政，模型只能固定在單一本體上，換一款機器人就得重採重標重訓練。 頭部模型廠商正在試圖打破僵局。海外的 Skild AI 主攻跨本體通用底座模型，螞蟻靈波推出的 LingBot-VLA 2.0 號稱用六萬小時數據訓練，可適配二十多種機器人。但天機辯指出，實際落地仍需針對具體機型微調，技術門檻依然很高。一些數據公司也開始嘗試「定規則」，光輪智能推出評測平台 RoboFinals，覓蜂科技主推 MEgo 硬體與跨本體格式，簡智機器人則聚焦工業級數據格式。然而「定規則」涉及利益分配：本體廠商自己訂，競爭對手不接受；交給第三方，本體廠又怕被掐住脖子。 與自動駕駛的發展軌跡相比，天機辯認為兩者都經歷了「性能瓶頸倒逼數據價值顯現」的路徑。但區別在於，自動駕駛的數據空間相對有邊界，場景是道路、規則穩定；具身數據面對的場景從工廠到家庭到手術室，數據分佈差異極大，稀缺性更持久，也更難被單一平台壟斷。自動駕駛的數據飛輪靠車企出貨量跑出來，機器人本體廠出貨量遠遠不夠，因此獨立數據公司的窗口期更長，但商業化節奏也更慢。 朱軍則點出當前最大的泡沫信號：三重錯位——人人高喊數據是核心，客戶卻壓低預算、不願為高品質真機數據支付合理溢價；賽道玩家扎堆做同質化仿真數據，靠低價內卷；資本瘋狂追捧，可整體客戶復購率偏低，多數團隊僅靠融資維持。未來一年，行業將從「拼融資」切換到「拼客戶」。只有掌握數據生產能力、穩定客戶與行業話語權的玩家，才有機會成為物理 AI 時代的數據基礎設施。