對話艾歐智能聯創丁哲章：“人類數據”成具身預訓練核心燃料

近年來具身智能發展迅速，但數據供給始終是產業最頭痛的問題。艾歐智能聯合創始人丁哲章近日與媒體交流時指出，2023年公司剛踏入這個領域時，幾乎所有類型的具身智能數據都處於全面緊缺狀態。雖然過去幾年基礎能力數據有了一定填補，但針對特定任務的訓練數據依然非常稀缺，這也是人形機器人在執行許多看似簡單的動作時仍顯笨拙的主因。 為了解決這一瓶頸，業界正在摸索新的數據範式。丁哲章觀察到，2025年全年「真機數據」的濃度非常高，國內的數據採集場建設、關鍵論文成果以及各家企業的推進重點，幾乎都圍繞著真實機器人操作數據展開。然而到了2025年底，另一條更容易規模化、採集效率更高的路線逐漸浮出水面——「以人為本」的人類數據採集。 進入2026年，人類數據在產業內的濃度與認可度明顯提升，與此同時仿真合成數據的聲音則相對減弱。丁哲章表示，2025年之前，有些公司用來訓練具身大模型的數據，大部分是真機數據，或是「10%至20%真機數據搭配80%至90%仿真合成數據」；如今，人類數據已成為預訓練階段的關鍵「燃料」。這一轉變表面上是數據來源的結構調整，實則牽動著整個具身智能訓練體系、數據產業鏈乃至商業化路徑的深層變革。 目前行業用於訓練具身智能模型的數據主要有三類：真機數據、人類數據以及仿真合成數據。真機數據來自機器人在真實環境中的操作，能完整記錄關節運動、傳感器反饋及物理交互過程，被視為價值最高、最貼近真實部署場景的資料。人類數據則透過攝像頭、智能眼鏡等設備採集人類第一視角的操作過程，幫助機器人學習人類完成任務的方式。仿真合成數據則依賴模擬環境或生成模型快速產生大量訓練樣本，用來補足真機數據採集困難、數量不足的問題。 丁哲章分析，2025年真機數據之所以成為主流，是因為當時業界認為它容易規模化——本體廠商只要批量輸出機器人，就能同步迭代數據。但真機數據價格昂貴、採集效率低，且受限於機器人數量。對於需要數十萬小時甚至百萬小時訓練資料的具身基礎模型來說，單靠機器人採集幾乎無法滿足需求。因此過去半年，越來越多的模型廠商轉向以人類數據作為預訓練核心，因為這種方式採集更容易、規模可以更大，也更適合高算力、高雲端儲存的訓練模式。 至於仿真合成數據的聲量為何減弱，丁哲章解釋，人類數據在場景豐富性、物理屬性與任務泛化度上更容易取得。仿真合成最大的挑戰是在虛擬環境中重建物理規律並盡可能拓寬任務範圍，而人類數據只需要人類穿戴簡單設備，就能在任何真實場景中直接採集。原先用來填補數量的仿真數據，有一部分因此被替換為無本體的人類數據。 當然，不同公司對數據類型的選擇仍有差異。丁哲章指出，目前有些企業仍主要使用仿真合成數據，也有些採取混合方式——預訓練階段用「仿真合成數據加人類數據」，後訓練階段則以真機數據為主，再混入少量仿真合成的邊緣案例。他強調，仿真合成數據最大的優點是在模擬環境中訓練、迭代和測試不會損傷機器人本體，因此在涉及小腦運控、危險環境交互等場景時，仿真仍能加速訓練過程。但整體趨勢非常明確：人類數據的濃度與認可度正在快速提升，而真機數據始終不可或缺——無論走哪條路線，最終部署到真實世界都需要真機數據來確保落地效果。 值得注意的是，人類數據雖然在採集端更容易、速度更快，但後端「到本體的轉化」過程同樣重要。丁哲章表示，從採集到訓練轉化的總成本其實與真機數據相差不遠。也就是說，只看採集量，人類數據顯然更占優勢，但深入後處理與轉化環節，代價就會補回來。 在具體數據需求方面，丁哲章透露，目前最受關注的兩類數據是：包含靈巧手長程精細操作的數據，以及機器人全身運動的數據。靈巧手硬件近期有了迭代，初步能滿足高質量任務數據的採集需求，因此相關數據需求大增。而全身運動數據的需求，則源於大約半年多前業界開始湧現全身遙操作與全身操作基礎模型，使機器人初步具備「接受全身輸入、做全身跟隨」的能力，若要進一步提升，就需要更多全身操控的數據。 儘管數據採集範式不斷調整，但整個具身智能產業仍處於極早期階段，數據飛輪尚未啟動，高質量數據的稀缺性將長期存在。丁哲章坦言，市場對機器人能力的期望與其實際能力之間仍有明顯落差。今年找他討論機器人落地的人明顯增加，但真正大規模落地的案例是否顯著增加？他打上問號。他認為，當前機器人能力提升的最大瓶頸，就是缺少真實場景下的持續數據迭代。 為此，艾歐智能更看好漸進式商業化路徑：機器人以部分自主方式進場，人類透過遙操作完成剩餘任務，隨著機器人不斷積累真實運行數據，再逐步提升自主能力。這個思路與自動駕駛的發展路徑十分相似——自動駕駛真正實現快速迭代，並非因為一次性擁有足夠數據，而是量產車輛不斷回傳真實道路數據，形成「採集—訓練—部署—再採集」的數據飛輪。丁哲章預估，未來兩到三年內，隨著越來越多機器人進入真實場景，透過「部分自主加部分人工遙操作」的模式完成任務，真實世界的數據將持續迴流，行業有望逐步建立起自己的數據飛輪。 隨著人類數據需求持續且大量增加，許多原本從事傳統數據服務或大語言模型數據服務的公司，已開始大力拓展具身方向的數據業務。騰訊雲異構計算產品副總監黃陽也透露，2026年騰訊雲具身智能相關的算力消耗規模比2025年成長約4至5倍，其中數據清洗佔最大比例。他解釋，模型訓練本身的算力需求變化並不大，近期增長主要發生在數據採集階段。騰訊雲為艾歐智能提供的方案，透過不同規格晶片與軟體優化，幫助整體成本下降超過30%。 艾歐智能與騰訊雲的合作已深入到數據平台底座層面——騰訊雲提供底層儲存與算力，艾歐智能負責前端入口與管理，雙方共同支撐從採集、清洗、標註到訓練調度的全鏈路。在跨境遠程遙操作場景中，騰訊雲透過TRRO方案為控制流與圖像流提供穩定、安全的傳輸，即使在弱網條件下也能保障運作，實現「人在深圳、機器人在美國」的跨國遙操作。有雲廠商人士指出，數據越往「以人為本」的方向發展，對底層基礎設施的依賴就越強。當人類數據成為預訓練燃料時，雲端的儲存、算力與傳輸技術棧，正是讓這批數據真正發揮作用的底層條件。 具身智能的競賽早已不限於機器人整機廠商，數據服務商、雲計算平台與算力提供商都已加入戰局。圍繞數據展開的新一輪競爭，將成為決定具身智能商業化速度與產業格局的重要變數。