当业界集体呼唤具身智能的“ChatGPT时刻”，数据正成为整个行业最大的“渴点”。

洗碗做饭、负重搬运、精密制造……在2026世界机器人大会上，机器人集体打工“班味儿”越来越浓。然而，热闹背后，一道现实考题亟待解答——具身智能如何摆脱“数据饥渴”，真正走向规模化“上岗”？

数据缺口，到底有多大？

真实世界的物理交互数据，是具身智能真正从“看懂世界”迈向“改变世界”的关键要素。

数据显示，当前国内真实物理交互场景合规数据仅50万小时，而机器人商业化落地需要数千万小时数据，缺口超过99%。

这是一个从“十万”到“千万”量级的差距。

“这种缺口，直接导致模型泛化能力不足。”京东云总裁曹鹏表示，当前机器人产业仍处于爆发前夜，迟迟未能真正爆发，原因是机器人“大脑”的泛化性不足，而根源正是真实场景数据的匮乏。

数据供给，究竟卡在哪？

世界机器人大会期间，多家参展企业对记者表示——场景、成本是数据供给的核心卡点。

在RoboScience机器科学展台，同一套模型能够支持不同的灵巧手换装、作业。公司创始人田野介绍：“这些抓取看似基础动作，却同时考验视觉理解、空间定位、接触判断与运动控制。”

“物理世界的性质，通常很难通过其他模态获得。”在自变量机器人创始人王潜看来，真实世界的物理交互数据具有“不可替代性”，与互联网语言、视觉数据存在本质差异。

对初创企业而言，具身智能数据采集面临效率低、成本高两大核心挑战。比如，传统的真机数据采集依赖真实场景，不同场景难以复用；在成本方面，传统遥操作数据采集单条有效数据成本约10至50元，而训练一个机器人通常需要数万到数十万条数据。

数据困局，突破口在哪？

“我们要建立统一的数据底座。”

开放原子开源基金会理事长谢少锋指出，当前数据格式的异构性导致了严重的数据孤岛，需要建立一套涵盖数据采集、标注、格式、质量的通用标准，构建大规模、多模态标准的数据集，源源不断地共享高质量的数据集。

墨奇智能联合创始人兼CTO黄青虬表示，当前行业接触到的具身数据质量是不够高的，并且缺乏统一的标准，“真实场景的数据质量，远比数据数量更重要。”

“仿真是一个关键技术。”在曹鹏看来，仿真技术可以进一步放大数据体量，同时能够高效地做效果评测，让模型使用过程中部署成本和模型训练成本都可以极大降低。

原力灵机联合创始人范浩强表示，核心突破口是“真机数据闭环+具身原生架构+仿真与合成数据联动”：以高质真机数据建立物理直觉；利用物理引擎生成海量极端场景，补充长尾数据；在真实场景中先“跑起来”，持续吸纳反馈自我迭代。

“饥渴”背后，蕴藏机遇。

具身智能的“数据饥渴”，也在催生新的机遇。本届大会期间，众多参展商宣布了关于数据采集的行动计划。

依托超级供应链，京东将在两年内采集超过1000万小时人类真实场景数据，同时采集超过100万小时机器人本体数据。

港股上市公司仙工智能正式成立具身智能数据子公司，依托超50万小时真机数据，专注打造真实世界数据基础设施。

在奥比中光展台，无本体EGO第一视角、UMI手持操作、WristCam腕部近场、Hub同步中枢等数据采集硬件矩阵集中亮相。

……

当数据从“瓶颈”变为“引擎”，具身智能的规模化落地或将迎来真正的拐点。谁能率先填平这道数据鸿沟，谁就有可能在这场智能革命中抢占先机。