文 | 張冰冰

編輯 | 阿至

后空翻、跳舞、拳擊、一腳踢碎西瓜……過去一年，這些充滿視覺沖擊力的機器人動作片段不斷刷屏。行業(yè)為之振奮，資本加速涌入，公眾的期待值也升至高點：成熟的機器人產(chǎn)品，似乎已從實驗室快步走向現(xiàn)實。

而在被稱為機器人“學?！钡臄?shù)據(jù)訓練中心里，場面卻安靜得多：數(shù)據(jù)采集員手持操作設備，引導身邊的機器人完成一些看似簡單的任務，比如抓起桌上的零件，放入工具箱，再合上蓋子，動作緩慢，偶爾停頓。

北京人形機器人數(shù)據(jù)訓練中心

這只是“學習”的第一步。機器人每完成一組動作，就會生成一條結構化的數(shù)據(jù)。將這些數(shù)據(jù)投喂給大模型進行訓練，且數(shù)據(jù)量要足夠大，才有可能讓機器人擁有“大腦”，從而脫離被動的編程控制，邁向主動的理解與決策。用業(yè)內人士的話來說，這將是“猴子和人的區(qū)別”。

這套“數(shù)據(jù)+算力+算法”的邏輯我們并不陌生，以ChatGPT、deepseek為代表，席卷全球的大語言模型已經(jīng)驗證了其可行性，并建設了相對成熟的算力資源和算法體系。但機器人面對的挑戰(zhàn)在于，這次的智能從數(shù)字世界來到了物理世界，數(shù)據(jù)成為了最高的壁壘。

大語言模型所使用的語言、圖像等數(shù)據(jù)，本質上存在于二維數(shù)字世界，易獲取、可復制；而機器人面對的三維物理世界，是一個高維、連續(xù)、多模態(tài)的時空流，包括視覺、聲音、力、扭矩、本體姿態(tài)等多種傳感器信號，處理難度指數(shù)級增長。

如果說，互聯(lián)網(wǎng)多年積累的數(shù)據(jù)為大語言模型發(fā)展提供了充足的彈藥，那物理世界的數(shù)據(jù)采集和積累，幾乎需要從零開始。

其中，“真機數(shù)據(jù)”完整采集了機器人在真實物理環(huán)境中的原始運行數(shù)據(jù)，其稀缺和可貴成為行業(yè)共識。過去一年，機器人數(shù)據(jù)采集中心以“基礎設施”的定位遍地開花，文章開頭那樣枯燥卻關鍵的數(shù)據(jù)采集場景正在全國上演。

然而，真機訓練意味著巨量的時間與資本投入，數(shù)據(jù)中心建設“開弓沒有回頭箭”，在熱潮之下更需要冷思考：什么樣的數(shù)據(jù)才算“高質量”？訓練得到的數(shù)據(jù)如何高效流轉與復用？在填平數(shù)據(jù)鴻溝之前，行業(yè)如何務實推進？

在機器人時代的“新基建”全面啟動之前，對這些問題的探索與解答，將決定“具身智能”是一場扎實的產(chǎn)業(yè)升級，還是又一個被過度透支的概念。

一、數(shù)據(jù)采集，精工出細活

在北京人形機器人數(shù)據(jù)訓練中心的集中訓練區(qū)，隔著透明玻璃，參觀者可以直觀地看到機器人是如何“學習”的。數(shù)據(jù)采集員將手套在采集設備上，手部的動作會傳導給一旁的機器人，讓機器人拿起桌上的鉗子、放進工具箱，再把鉗子拿出來、放進去，循環(huán)往復。

抓、拿、取、放等簡單任務，都會在這樣的桌面環(huán)境下進行小場景訓練。再往遠處看，視線則會被白色屏風遮擋。為了防止數(shù)據(jù)污染，每個操作區(qū)都做了單獨隔間，從物理上隔絕干擾，保證數(shù)據(jù)干凈程度。

另一邊的場景訓練區(qū)，畫面就變得復雜起來。無人超市里擺滿商品、客廳里散落著圖書、臥室和衛(wèi)生間里堆放著衣服毛巾，高度還原的場景里人可以自由走動，機器人則需要在這樣復雜但更接近真實的環(huán)境中，完成物品擺放、衣物折疊等操作。

北京人形機器人數(shù)據(jù)訓練中心場景訓練區(qū)

從單調的初級動作訓練，到復雜的真實場景還原，目標只有一個——批量采集高質量的機器人真機數(shù)據(jù)。

這也是所有數(shù)據(jù)中心的核心目標。

但當前，機器人行業(yè)尚未形成統(tǒng)一的數(shù)據(jù)標準，不同數(shù)據(jù)采集中心往往有自己的數(shù)據(jù)表述方式和格式要求，達成目標的路徑，甚至從數(shù)據(jù)中心建設之初就開始分化。

北京人形機器人數(shù)據(jù)訓練中心的運營方是睿爾曼智能科技（北京）有限公司，作為一家聚焦機械臂研發(fā)的機器人企業(yè)，睿爾曼對數(shù)據(jù)評估的各個維度中，對硬件的要求尤為突出。

睿爾曼相關負責人介紹，硬件本體上，數(shù)據(jù)中心要求每個硬件本體做高精度標定，包括絕對運動精度，以及相機相關的參數(shù)等。所有機器人都裝備了高精度傳感器，可以采集多達57個維度的狀態(tài)數(shù)據(jù)。

另一大硬件挑戰(zhàn)來自時空對齊。具體來說，數(shù)據(jù)采集使用的攝像頭其采樣頻率是通常是30Hz，即每秒拍攝30張圖像，拍攝每幀圖像之間的時間間隔約33毫秒，如果時間不對齊，這33毫秒的差異就會導致關節(jié)編碼器、相機、力傳感器捕捉到“不同時刻”的世界碎片。

而模型訓練依賴嚴格的因果關聯(lián)，毫秒級的不同步就可能產(chǎn)生嚴重的錯位，失之毫厘謬以千里。據(jù)介紹，睿爾曼在數(shù)據(jù)采集過程中，采用硬件同步對齊策略，在硬件層面保證傳感器數(shù)據(jù)、攝像頭數(shù)據(jù)采集過程中全部按照真正的物理時刻采集，做到1毫秒以內的誤差。

在硬件高精度標定和超時空對齊基礎上，再通過多樣性矩陣系統(tǒng)，實現(xiàn)場景物品的多樣性和機器人位置姿態(tài)的泛化性，保證不會出現(xiàn)數(shù)據(jù)擬合而導致模型變差的情況。再經(jīng)過嚴格的數(shù)據(jù)可信度驗證，一條高質量的真機數(shù)據(jù)才算采集完成。

睿爾曼相關負責人表示，真正能走入家庭的機器人，其真實的物理關節(jié)要足夠穩(wěn)定可靠，同時要易用，并能以最小的體積發(fā)揮出最大的負載能力。在AI層面，數(shù)據(jù)維度至關重要?！拔覀冋J為真機數(shù)據(jù)是機器人走進家庭的最后一個門檻，所以我們堅定地從終局出發(fā)，提供這樣的數(shù)據(jù)資產(chǎn)?！?/p>

目前，北京人形機器人數(shù)據(jù)訓練中心已實現(xiàn)規(guī)?；a(chǎn)出，每天可生成約6萬條數(shù)據(jù)，覆蓋工業(yè)智造、智慧家庭、康養(yǎng)服務及5G融合四大領域的16個細分場景。

二、數(shù)據(jù)缺口與數(shù)據(jù)異構的鴻溝

技術市場研究機構Interact Analysis數(shù)據(jù)顯示，截至 2025 年年底，中國已經(jīng)有50個以上國家或省市區(qū)級人形機器人數(shù)據(jù)采集與訓練中心處于使用或規(guī)劃建設狀態(tài)，其中，50% 以上的數(shù)采中心已經(jīng)在2025 年正式投入使用。

以北京人形機器人數(shù)據(jù)訓練中心為參照，其真機數(shù)據(jù)的年產(chǎn)能已達千萬條級別。以此粗略計算，假設目前所有數(shù)據(jù)中心全部投入運行，機器人數(shù)據(jù)年采集量可以達到數(shù)十億條。

這看似龐大的數(shù)據(jù)供給，在機器人所需要的“智能”面前，仍顯得杯水車薪。

據(jù)機器人數(shù)據(jù)服務商冪特科技保守測算，在具身智能大模型足夠好且數(shù)據(jù)質量足夠高的前提下，訓練機器人學會一個動作，大概需要1000-5000條數(shù)據(jù)；訓練機器人學會一個由多個動作組成的任務，大概需要1萬-2萬條數(shù)據(jù)；訓練機器人完成某個垂直行業(yè)80%的人類工作，至少需要1億條數(shù)據(jù)；如果要把具身智能要放大到通用，也就是千行百業(yè)，那所需的數(shù)據(jù)量至少是千億條的量級，數(shù)據(jù)缺口是4-5個數(shù)量級。

更大的鴻溝在于數(shù)據(jù)異構。因為不同廠商、不同形態(tài)的機器人在硬件設計、傳感器配置和軟件協(xié)議上各不相同，采集到的動作、力覺與視覺數(shù)據(jù)也就“語言不通”，基于一種機器人的數(shù)據(jù)成果，換到另一臺機器人上就可能失靈。

這意味著，各個數(shù)據(jù)中心訓練的數(shù)據(jù)成果，甚至很難實現(xiàn)1+1=2的疊加效果。

在行業(yè)通用的統(tǒng)一標準出現(xiàn)之前，數(shù)據(jù)中心也在探索各種不同的解決思路。

一種是“屏蔽差異”，采用市占率較高的機械臂或機器人型號進行數(shù)據(jù)訓練，從硬件根源上規(guī)避了兼容性問題，以追求數(shù)據(jù)的更廣泛應用，比如上文提到的北京人形機器人數(shù)據(jù)訓練中心。

另一種思路是“擁抱差異”，主動進行異構訓練。在上海張江，國家地方共建人形機器人創(chuàng)新中心（以下簡稱“國地中心”）具身智能訓練場，首創(chuàng)異構人形機器人具身智能數(shù)據(jù)集構建方法，其目標是要打造最大規(guī)模的異構人形機器人具身智能數(shù)據(jù)集。

在這里，來自不同廠家的機器人被置于同一物理空間內協(xié)同運行。國地中心首席科學家江磊在接受媒體采訪時曾表示，“把不同廠家的異構機器人放在同一空間運行，就能讓AI意識到，它活在一個多元多樣的物理世界中，從而建立起客觀認知，發(fā)育出明辨是非的能力?！?/p>

第三條技術路徑，是直接“繞過差異”，尋找更廣泛和通用的數(shù)據(jù)。與關節(jié)傳感器等硬件采集的數(shù)據(jù)不同，人類視頻數(shù)據(jù)對機器人來說是相對通用的，可以提取視頻數(shù)據(jù)中人體的位姿并映射為機器人的運動軌跡，繞開本體壁壘訓練大模型。

北京人形機器人數(shù)據(jù)訓練中心視覺動作捕捉項目

更激進的方案是直接拋開本體，進入仿真世界。在虛擬的數(shù)字化環(huán)境中，通過物理引擎和程序模擬，可以低成本地生成海量數(shù)據(jù)，再應用到真機上，實現(xiàn)Sim2Real。然而，物理世界的極端復雜性，從根本上決定了，仿真數(shù)據(jù)在精準性與泛化性上，難以達到理想水平。

“我們希望能在真實與仿真之間找到一種平衡，兼具兩者的好處?！眱缣乜萍糃EO介紹了其Real2Sim2Real的數(shù)據(jù)采集模式：在虛擬環(huán)境前面增加“Human Doing Video”作為機器人學習的標本和范式，“我們將來自真實世界的人類操作的2D視頻數(shù)據(jù)做3D重建，通過仿真還原人體的3D位姿，并將3D位姿retargeting到機器人，所以我們叫Real2Sim2Real?！?/p>

據(jù)介紹，使用這一方式，冪特科技的目標是把單條數(shù)據(jù)的成本從現(xiàn)在真機數(shù)據(jù)的幾十元降到幾分錢，并快速將廉價的采集設備分發(fā)到千行百業(yè)，獲得海量數(shù)據(jù)。

三、邊“干活”邊優(yōu)化

盡管虛實結合等多種技術路徑仍在探索，但一個確定的事實是：真機數(shù)據(jù)無論占比多少，都是機器人與物理世界對齊的“最后一公里”。因此，數(shù)據(jù)訓練中心面臨的核心命題不只是追求數(shù)據(jù)規(guī)模，更在于精準生產(chǎn)出匹配當下產(chǎn)業(yè)應用剛需的高質量數(shù)據(jù)。

在無錫，這一邏輯正在被具象化。

由天奇自動化工程股份有限公司牽頭建設的“江蘇省具身智能機器人工業(yè)數(shù)據(jù)采集與實訓中心”，一改“樣板間”模式，高度還原了汽車整車工業(yè)場景、新能源產(chǎn)線應用場景及工業(yè)物流搬運場景等7大實訓場景。

“汽車整裝是我們天奇股份的傳統(tǒng)的業(yè)務，我們有龐大的客戶群體以及對汽車產(chǎn)線場景的深刻行業(yè)理解?！碧炱婀煞荨紫惴茖W家童隨兵介紹，其中汽車噴涂環(huán)節(jié)，就存在大量的機器人替代人工的需求。

江蘇省具身智能機器人工業(yè)數(shù)據(jù)采集與實訓中心

在汽車制造中，整車涂裝是核心工藝之一。車體在完成電泳底漆后，需進行面漆噴涂，而漆面的均勻度與完整性直接影響整車品質。傳統(tǒng)上，這道工序的質檢高度依賴人眼，但噴涂車間充滿揮發(fā)性化學物質，長期作業(yè)對工人健康構成一定風險。讓機器人替代人工，在此類環(huán)境中進行自動化巡檢與瑕疵識別，不僅能將工人從有害暴露中解放出來，也為實現(xiàn)更穩(wěn)定、可追溯的質量檢測提供了可能。

童隨兵認為，對于具身智能的機器人而言，更合理的落地方式，不是設計一個通用機器人供所有行業(yè)、所有工種使用，而是針對個性化需求設計機器人。

基于此，江蘇省具身智能機器人工業(yè)數(shù)據(jù)采集與實訓中心構建了一個“場景－數(shù)據(jù)－模型－應用” 的閉環(huán)系統(tǒng)，概括說來，就是聚焦既有的業(yè)務場景，精準采集該場景機器人數(shù)據(jù)，再利用所采集的數(shù)據(jù)訓練自研的具身智能大模型，并將訓練好的模型部署回對應的實際生產(chǎn)環(huán)境中。最終，在真實場景中驗證并迭代。

真實場景不僅是數(shù)據(jù)和大模型效果的“試金石”，也有望成為高質量數(shù)據(jù)的來源。

2026 CES上，睿爾曼完成了從“北京—拉斯維加斯”的跨洋實時作業(yè)演示。通過構建遠程勞動力網(wǎng)絡，北京的具身訓練師可遠程控制遠在CES展臺的RealBOT輪式折疊機器人，執(zhí)行“遞送物品”“傳遞水果”等真實場景作業(yè)。

這不僅是解決特定場景用工需求的方案，更關鍵的是，讓機器人在真實的作業(yè)流中直接積累數(shù)據(jù)。每一次遠程操作，都在同步生成包含環(huán)境交互、人力決策和任務結果數(shù)據(jù)，實現(xiàn)了“工作即采集”。這意味著，未來的數(shù)據(jù)工廠可能無需完全復刻場景，而是可以直接接入全球的生產(chǎn)線和服務終端，讓數(shù)據(jù)在真實的運轉中自然沉淀。

四、一場更復雜的耐力賽

同樣是“基礎設施”的定位，人形機器人數(shù)據(jù)訓練中心，遠比單純的智算中心復雜。不能靠簡單的“堆砌”，而是一個以數(shù)據(jù)驅動、軟硬一體、場景閉環(huán)的新型基礎設施。

在業(yè)內專家張曉宇博士看來，評價一個數(shù)據(jù)中心的未來潛力，核心在于其“異構數(shù)據(jù)閉環(huán)能力” 。這可以拆解為三個關鍵問題：

第一，能否將工廠、倉庫、實驗室等真實物理場景，通過標準化接口便捷地接入數(shù)據(jù)中心，形成持續(xù)的“數(shù)據(jù)脈動”？

第二，能否建立一套從多模態(tài)數(shù)據(jù)采集、云端標注訓練、到模型部署回機器人的完整技術管線，并讓數(shù)據(jù)在不同機器人本體間像軟件一樣復用？

第三，是否擁有一個強大的仿真平臺，能基于有限的真實數(shù)據(jù)，生成海量合成數(shù)據(jù)進行安全、低成本的“百萬次測試”，加速迭代？

以上都是未來各地方區(qū)域在數(shù)據(jù)中心建設中可以探討的技術方向。

技術之外，張曉宇認為，數(shù)據(jù)中心還依賴于它所根植的產(chǎn)業(yè)土壤，需要明確的主導產(chǎn)業(yè)作為需求引擎，催生有價值的數(shù)據(jù)，“高質量數(shù)據(jù)集對于模型訓練的重要性不言而喻，但從數(shù)采場本身的經(jīng)濟性出發(fā)，為每一個機器人品牌都單獨建一個數(shù)采場是不合理的，最合理的方式應該是在一個工業(yè)類或高校比較集中的城市只建一個數(shù)采場，采集標注并清洗后的高質量數(shù)據(jù)集可以提供給多個機器人廠家使用，從而實現(xiàn)’一次投入，反復使用’的杠桿效應?！?/p>

機器人數(shù)據(jù)中心的落地堪比大規(guī)模的生態(tài)建設，政策支持、法規(guī)環(huán)境、人才培養(yǎng)缺一不可，數(shù)據(jù)訓練之外，還希望實現(xiàn)吸引企業(yè)聚集，促進行業(yè)模型迭代，加速機器人企業(yè)共同發(fā)展。

最終，這一切基礎設施的意義在于，讓高質量的機器人數(shù)據(jù)，能像電流一樣順暢地輸送到每一個需要它的算法與機器人公司手中。

為此，行業(yè)已經(jīng)開始探索多元化數(shù)據(jù)交易和應用模式：2025年8月，帕西尼具身智能超級數(shù)據(jù)工廠產(chǎn)品“OmniSharing DB 帕西尼全模態(tài)具身智能數(shù)據(jù)集”，在北京國際大數(shù)據(jù)交易所正式上架；10月，帕西尼攜手騰訊云達成戰(zhàn)略合作，將共同打造具身智能 “數(shù)據(jù)云商城” ；天奇股份也將基于“江蘇省具身智能機器人工業(yè)數(shù)據(jù)采集與實訓中心”構建數(shù)據(jù)平臺，讓機器人數(shù)據(jù)如同今天的云資源一樣，成為服務于整體行業(yè)的基礎資源。

江蘇省具身智能機器人工業(yè)數(shù)據(jù)采集與實訓中心

在理解機器人數(shù)據(jù)采集與產(chǎn)業(yè)落地的溝通中，一個案例被反復提及，作為參照的坐標，那就是智能駕駛。行業(yè)內部形成了一種清醒的共識：智能駕駛的賽道相對清晰——遵循既定的公路網(wǎng)絡，依賴已高度成熟的汽車和傳感器硬件，其核心任務簡化為在結構化環(huán)境中進行可靠的感知與決策，核心是“避免碰撞”。

即便如此，這項技術歷經(jīng)十余年攀登，商業(yè)化落地也僅是近期才觸及L3級輔助駕駛的門檻，開始進行有限測試。

相比之下，具身智能機器人的落地難度指數(shù)級增加。

數(shù)據(jù)中心的快速建設，解決的更多是“訓練資料”的規(guī)模化生產(chǎn)問題，但這本“教材”的完備程度、以及機器人的“大腦”與“身體”能否高效學習并應用，仍是懸而未決的命題。智能駕駛的故事已經(jīng)表明，一項復雜技術從實驗室演示到穩(wěn)定、可靠、經(jīng)濟的商業(yè)產(chǎn)品，其間需要穿越的“死亡谷”遠比想象中漫長。

對于機器人而言，這場穿越周期的耐力賽，考驗才剛剛開始。

36氪未來產(chǎn)業(yè)

「36氪未來產(chǎn)業(yè)」持續(xù)關注城市發(fā)展、產(chǎn)業(yè)轉型和創(chuàng)新創(chuàng)業(yè)項目落地。尋求報道可郵箱聯(lián)系wangfengzhi@36kr.com或掃碼聯(lián)系。

此外，今年36氪正式推出《36氪企業(yè)投資指南內參》，依托在經(jīng)濟圈產(chǎn)業(yè)群、區(qū)域重點推進規(guī)劃與招商領域的深厚積累，36氪通過提供深入詳細、更為及時、獨家專有的全面信息服務，為政府部門提供高效、精準的產(chǎn)業(yè)項目內參；助力項目方匹配產(chǎn)業(yè)資金、鏈接關鍵人脈、快速融入新的產(chǎn)業(yè)生態(tài)。

本文來自微信公眾號“36氪未來產(chǎn)業(yè)”，作者：張冰冰，阿至，36氪經(jīng)授權發(fā)布。