本文來(lái)自微信公眾號(hào)： 定焦One ，作者：定焦One團(tuán)隊(duì)，編輯：魏佳
具身智能的數(shù)據(jù)基建，正在成為“上游戰(zhàn)場(chǎng)”。
最近的AI論壇上，總繞不開這樣一組對(duì)比數(shù)據(jù)：LLM預(yù)訓(xùn)練有數(shù)十萬(wàn)億token，自動(dòng)駕駛有百億小時(shí)數(shù)據(jù)，而具身智能目前公開可用的操作數(shù)據(jù)，只有幾十萬(wàn)小時(shí)級(jí)別。多家具身智能本體廠商也公開表態(tài)，數(shù)據(jù)是當(dāng)前最大的瓶頸。
一邊是機(jī)器人在春晚舞臺(tái)上跳舞、翻跟頭，在實(shí)驗(yàn)室疊衣服、當(dāng)24小時(shí)售貨員；另一邊是一走進(jìn)真實(shí)家庭或工廠，就頻頻翻車。反差背后，問題指向了數(shù)據(jù)短缺，并催生出一條獨(dú)立的賽道。
過去半年，資本開始密集流向數(shù)據(jù)公司：光輪智能短短兩個(gè)月內(nèi)連續(xù)完成兩輪融資，估值超20億美元，成為全球首個(gè)具身數(shù)據(jù)領(lǐng)域獨(dú)角獸；2025年成立的簡(jiǎn)智機(jī)器人，獲螞蟻、滴滴、德聯(lián)領(lǐng)投；覓蜂科技從智元孵化獨(dú)立后，迅速完成數(shù)億元融資。
數(shù)據(jù)從訓(xùn)練環(huán)節(jié)里的一個(gè)變量，成為獨(dú)立賽道，只用了不到一年。這背后是兩個(gè)信號(hào)。
具身智能投資人天機(jī)辯解釋，一是VLA大模型的泛化瓶頸開始顯現(xiàn)，數(shù)據(jù)質(zhì)量才是機(jī)器人大腦的天花板；二是本體廠出貨節(jié)奏比預(yù)期快，數(shù)據(jù)需求從研發(fā)探索被推到了量產(chǎn)必備。
這個(gè)判斷在一線得到了印證。形芯智能是一家專門做具身智能數(shù)據(jù)的第三方公司，副總裁朱軍每天跟客戶打交道，對(duì)數(shù)據(jù)短缺的體感最直接。他告訴「定焦One」，前兩年行業(yè)都在埋頭搞整機(jī)、靈巧手等硬件，等硬件真做出來(lái)才發(fā)現(xiàn)，機(jī)器人換個(gè)物體、換個(gè)環(huán)境就不會(huì)操作，短板全卡在數(shù)據(jù)上。廠商光靠?jī)?nèi)部采集根本供不上模型迭代節(jié)奏，缺口一暴露，第三方數(shù)據(jù)的需求自然就起來(lái)了。
但數(shù)據(jù)這塊拼圖并不好補(bǔ)。真機(jī)采集太貴、場(chǎng)景覆蓋分散、廢片率高，加上各家采各家的、格式互不通用，行業(yè)總數(shù)據(jù)量遲遲上不來(lái)。
缺口足夠大，涌入的玩家足夠多，這條賽道還在變擠。
01.誰(shuí)在提供數(shù)據(jù)？四條生產(chǎn)路線
2023年，具身智能行業(yè)剛剛起步時(shí)，缺數(shù)據(jù)的問題便被關(guān)注。機(jī)器人的數(shù)據(jù)到底難在哪兒，為什么不能像大模型那樣直接從互聯(lián)網(wǎng)上獲取？
具身智能訓(xùn)練的核心是“動(dòng)作”。機(jī)器人要學(xué)會(huì)擰瓶蓋、疊衣服、開抽屜，需要的是“看到什么-做什么-力度多大-關(guān)節(jié)怎么動(dòng)”的完整閉環(huán)，這類數(shù)據(jù)在互聯(lián)網(wǎng)上幾乎不存在，必須“造”出來(lái)，而怎么造，直接決定了成本、質(zhì)量和規(guī)?；臻g。
目前，具身智能主要分四大類數(shù)據(jù)采集路線，成本、保真度各有優(yōu)劣，頭部公司往往不押注單一路線，會(huì)選擇多線并行。
首先是真機(jī)采集。由操作員佩戴VR、AR頭顯，將畫面同步到機(jī)器人的攝像頭視角，然后控制機(jī)器人的每一個(gè)動(dòng)作。
這一方式產(chǎn)出的數(shù)據(jù)質(zhì)量最高，可以直接用于訓(xùn)練VLA模型。智元、優(yōu)必選等頭部人形機(jī)器人廠商，以及去年才成立的靈御智能，都押注了這一路線。
但該路線的采集成本很高，既要購(gòu)買真機(jī)，對(duì)操作員也有要求。特斯拉Optimus數(shù)據(jù)采集員時(shí)薪在25-48美元。
一位具身智能從業(yè)者表示，長(zhǎng)時(shí)間佩戴VR頭顯不僅很容易暈，操作員還需通過VR畫面判斷空間距離和物體位置，稍不留神就容易出錯(cuò)，高廢片率是常態(tài)。有從業(yè)者統(tǒng)計(jì)，數(shù)據(jù)的普遍利用率為60%-70%。
國(guó)內(nèi)的部分公司試圖通過“人臂同構(gòu)”設(shè)計(jì)降低門檻，但這一設(shè)計(jì)犧牲了機(jī)器人“超人性能”，其采集的數(shù)據(jù)集無(wú)法讓機(jī)器人完成鉆狹縫這類特殊場(chǎng)景的任務(wù)。
第二類是無(wú)本體采集。
此路線不需要機(jī)器人本體，采集完的動(dòng)作數(shù)據(jù)在后期通過重定向映射到目標(biāo)機(jī)器人本體，成本約為真機(jī)遙操的一半甚至更低，主要分為可穿戴設(shè)備、動(dòng)作捕捉。代表公司有覓蜂科技、簡(jiǎn)智機(jī)器人。
可穿戴設(shè)備采集的代表是UMI（通用操縱接口），人手持特制夾爪直接操作物體，同步記錄軌跡和視覺數(shù)據(jù)。動(dòng)捕采集則是人穿戴動(dòng)作捕捉設(shè)備記錄全身或手部運(yùn)動(dòng)，可用于驅(qū)動(dòng)人形機(jī)器人或生成仿真數(shù)據(jù)。
但這類采集方式有兩大局限。
一是人手戴夾爪操作時(shí)，只能知道“抓住了”或“沒抓住”，感受不到用了多大的力、力是如何變化的，因此像擰瓶蓋、插USB這類需要“邊感受邊調(diào)整力道”的精細(xì)活，其訓(xùn)練出來(lái)的模型雖然看起來(lái)動(dòng)作是對(duì)的，但一上手就容易使錯(cuò)勁。二是人的動(dòng)作“翻譯”給機(jī)器人時(shí)，會(huì)產(chǎn)生大量的信息丟失。
第三類是仿真合成，主要通過模擬虛擬物理世界，批量生成機(jī)器人操作數(shù)據(jù)。
這條路線對(duì)技術(shù)能力要求很高，尤其是在縮小虛擬與現(xiàn)實(shí)差距方面，需要自研仿真引擎、物理參數(shù)校準(zhǔn)等能力。以光輪智能為例，它自研了一套“能模擬、能測(cè)量、能生成”的仿真系統(tǒng)，累計(jì)交付超100萬(wàn)小時(shí)人類行為數(shù)據(jù)，復(fù)售率超10倍，是目前仿真路線里規(guī)模最大的一家。
不過這類路線短板也很明顯，在仿真環(huán)境里，物體的各項(xiàng)屬性都是設(shè)定好的，比如杯子重量、表面的光滑程度，為固定數(shù)值。但真實(shí)場(chǎng)景中，杯子可能裝了水、手可能是濕的，這些細(xì)微變化難以完全模擬到位，導(dǎo)致操作失敗。
第四類方式是視頻蒸餾，近期被越來(lái)越多公司采用。
它是直接提取互聯(lián)網(wǎng)上已有的第一人稱或第三人稱操作視頻（比如Ego4D、YouTube烹飪視頻等），利用模型反推“人做了什么動(dòng)作”，產(chǎn)出結(jié)構(gòu)化數(shù)據(jù)（比如手pose、物體軌跡、關(guān)節(jié)級(jí)動(dòng)作），再遷移到機(jī)器人上。
舉個(gè)例子，一段人擰瓶蓋的視頻，不僅僅記錄某一次的關(guān)節(jié)角度，還能提煉出“手到這個(gè)位置、施加這個(gè)方向的力，瓶蓋就會(huì)轉(zhuǎn)”的通用規(guī)律。這種方式?jīng)]有涉及動(dòng)作采集，只有篩選和清洗，邊際成本極低，數(shù)據(jù)量極為龐大。近一年來(lái)，這項(xiàng)技術(shù)受到行業(yè)重視，主要得益于世界模型的成熟，讓提煉精度達(dá)到了商用水平。代表公司是極佳視界，其三個(gè)月內(nèi)累計(jì)融資約35億元，估值已達(dá)百億級(jí)別。
Ego4D網(wǎng)站截圖
但缺點(diǎn)在于，視頻里只有視覺信息，沒有關(guān)節(jié)角度、發(fā)力大小等動(dòng)作細(xì)節(jié)，且人手與機(jī)械臂明顯不同，無(wú)法直接用于端到端訓(xùn)練，通常只作為輔助數(shù)據(jù)。
朱軍總結(jié)，現(xiàn)在資本市場(chǎng)比較偏愛合成仿真和全鏈路平臺(tái)，其次是可穿戴，真機(jī)路線少有人看，但線下客戶剛需還是真機(jī)數(shù)據(jù)，仿真只能做輔助。路線融合趨同已是明確趨勢(shì)，仿真廠商搭建數(shù)據(jù)管理平臺(tái)，搭配真機(jī)數(shù)據(jù)校準(zhǔn)；可穿戴企業(yè)疊加合成數(shù)據(jù)擴(kuò)充樣本；真機(jī)采集團(tuán)隊(duì)自研仿真、視頻蒸餾工具降本。
02.收入幾百萬(wàn)，估值飆到幾個(gè)億
數(shù)據(jù)造出來(lái)只是起點(diǎn)，能不能賣出去、賣給誰(shuí)、能不能持續(xù)賣，才是這條賽道能不能立住的關(guān)鍵。
據(jù)天機(jī)辯調(diào)研估算，國(guó)內(nèi)具有持續(xù)采購(gòu)能力的數(shù)據(jù)客戶非常有限。目前主要分三類：機(jī)器人本體廠商、具身模型（VLA和世界模型等）團(tuán)隊(duì)，以及高校和科研機(jī)構(gòu)?？紤]到不少客戶仍停留在驗(yàn)證階段，真正具備規(guī)?；少?gòu)能力的客戶，可能只有幾十家。
而且，這幾十家客戶的付費(fèi)意愿也不穩(wěn)定。一位具身智能數(shù)據(jù)廠商表示，目前本體廠商采購(gòu)?fù)獠繑?shù)據(jù)，主要是因?yàn)椤白约翰刹粔蛴谩保坏┍倔w廠的數(shù)據(jù)采集體系跑通，外部采購(gòu)可能就會(huì)大幅收縮。
至于變現(xiàn)方式，也主要有三種，進(jìn)入門檻和護(hù)城河各不相同。
其中，一次性買斷數(shù)據(jù)集占主流，這也是最卷的商業(yè)模式。
以EGO可穿戴采集路線為例，目前市面上很多小團(tuán)隊(duì)買改裝頭顯+腕帶相機(jī)+開源標(biāo)定代碼，幾萬(wàn)塊就能搭一套采集工位，但標(biāo)定漂移、遮擋、同步丟幀導(dǎo)致廢片率往往在30%上下，數(shù)據(jù)質(zhì)量參差不齊。一次性買斷數(shù)據(jù)集之所以占主流，主要在于它最簡(jiǎn)單，但也最容易被復(fù)制。
第二類是賣硬件，比如可穿戴采集設(shè)備、遙操工作站，甚至整臺(tái)采集專用機(jī)器人。壁壘在于硬件設(shè)計(jì)、供應(yīng)鏈和產(chǎn)能。風(fēng)險(xiǎn)在于賣出去之后，客戶完全可以自己組織人力采數(shù)據(jù)。
第三類是賣平臺(tái)、訂閱和服務(wù)，壁壘最高但起步最難，需要客戶已經(jīng)形成規(guī)模化數(shù)據(jù)消耗習(xí)慣，而目前的市場(chǎng)還沒到這一步，僅部分公司在試探。
朱軍透露，他們現(xiàn)在的收入主要是靠標(biāo)準(zhǔn)化數(shù)據(jù)集售賣和定制項(xiàng)目采集，綜合毛利率不高，人力是最大成本，標(biāo)注、采集、算法研發(fā)人員開銷占比最高，其次是采集硬件折舊，算力成本反而占比最低。他們的長(zhǎng)期目標(biāo)是綁定客戶長(zhǎng)期迭代需求，降低一次性數(shù)據(jù)集銷售。
在天機(jī)辯看來(lái)，具身智能數(shù)據(jù)行業(yè)的商業(yè)模式還處在探索階段?！半m然幾個(gè)頭部數(shù)據(jù)玩家已經(jīng)獲得了穩(wěn)定的國(guó)內(nèi)外客戶框架訂單和收入合同，但能做到規(guī)?；瘡?fù)制的幾乎沒有?！?/p>
盡管如此，具身智能數(shù)據(jù)公司的估值已經(jīng)水漲船高，有些公司年收入只有幾百萬(wàn)，估值已經(jīng)到了幾億。天機(jī)辯告訴「定焦One」，市場(chǎng)對(duì)具身智能數(shù)據(jù)的龐大需求，是數(shù)據(jù)公司估值短期暴漲的主要原因之一。
一位專注硬科技早期投資的投資人表示，“現(xiàn)在投具身數(shù)據(jù)，看的不是PE，甚至不是PS，而是單客戶價(jià)值×潛在客戶數(shù)×數(shù)據(jù)壁壘系數(shù)。光輪智能一個(gè)季度新增訂單5.5億元，等于給行業(yè)定了一個(gè)標(biāo)準(zhǔn)，如果能達(dá)到10%的光輪訂單份額，估值就可以參考這個(gè)比例去套。”
03.誰(shuí)能定義具身智能的數(shù)據(jù)規(guī)則？
目前，行業(yè)對(duì)“什么樣的數(shù)據(jù)最有價(jià)值”還沒有達(dá)成共識(shí)。
“是仿真數(shù)據(jù)還是真實(shí)數(shù)據(jù)？是第三視角還是第一視角？”一位從自動(dòng)駕駛轉(zhuǎn)行到具身智能的從業(yè)者認(rèn)為，“自動(dòng)駕駛到了2018年，至少大家公認(rèn)激光雷達(dá)+攝像頭融合是主流方向，但具身智能現(xiàn)在連采集路線共識(shí)都沒有，客戶很難持續(xù)下單。”
這導(dǎo)致了行業(yè)總數(shù)據(jù)量級(jí)被嚴(yán)重稀釋，模型被固定在單一本體上，數(shù)據(jù)格式的對(duì)齊成了最讓人頭疼的環(huán)節(jié)。目前主流的VLA模型，訓(xùn)練時(shí)用的是某一款機(jī)器人的數(shù)據(jù)，學(xué)到的操作方式僅適配這款機(jī)器人。一旦換一個(gè)品牌或型號(hào)，數(shù)據(jù)格式不同、關(guān)節(jié)配置不同、傳感器布局也不同，之前訓(xùn)練好的模型就無(wú)法直接遷移，只能重新采集、重新標(biāo)注、重新訓(xùn)練。
不過，頭部模型廠商也在試圖打破這一困局。比如，海外的具身大腦公司Skild AI主攻跨本體通用底座模型；螞蟻靈波近期也推出LingBot-VLA 2.0，號(hào)稱用60000小時(shí)數(shù)據(jù)訓(xùn)練而成，可適配20多種機(jī)器人。但天機(jī)辯指出，目前市面上的跨本體通用模型，在實(shí)際落地時(shí)雖然“能實(shí)現(xiàn)跨本體遷移”，但仍需針對(duì)具體機(jī)型進(jìn)行適配微調(diào)，這一行的技術(shù)門檻依然很高。
很多具身智能數(shù)據(jù)公司也開始嘗試著“定規(guī)則”，其中有三家表現(xiàn)得較為活躍：光輪智能、覓蜂科技、簡(jiǎn)智機(jī)器人，各自側(cè)重的方向不同。光輪智能推出了工業(yè)級(jí)評(píng)測(cè)平臺(tái)RoboFinals，主要涉及評(píng)測(cè)標(biāo)準(zhǔn)；覓蜂科技主推MEgo硬件加全范式平臺(tái)，正在探索推動(dòng)跨本體數(shù)據(jù)格式標(biāo)準(zhǔn)的建立；簡(jiǎn)智機(jī)器人則將重點(diǎn)放在工業(yè)級(jí)數(shù)據(jù)格式上。
但無(wú)論哪個(gè)維度，“定規(guī)則”的本質(zhì)都涉及利益分配。
如果本體廠商自己來(lái)定，其他競(jìng)爭(zhēng)對(duì)手難以接受；如果交給第三方，本體廠商也很難放心，比如一旦覓蜂的跨本體格式被市場(chǎng)接受，或者光輪的數(shù)據(jù)格式成了行業(yè)標(biāo)準(zhǔn)，就意味著它們掌握了生態(tài)的“收費(fèi)站”，宇樹、智元等本體公司需要為此持續(xù)付費(fèi)。
同時(shí)，數(shù)據(jù)采集行業(yè)還處于早期。目前具身智能本體廠商還處在跑通閉環(huán)的階段，比如，智元忙著把遠(yuǎn)征和OmniH2搬上產(chǎn)線，宇樹在沖刺G1的穩(wěn)定量產(chǎn)交付，銀河通用在全力訓(xùn)練GraspVLA。各家的重點(diǎn)是先把自身最重視的指標(biāo)跑通，而非關(guān)注行業(yè)通用標(biāo)準(zhǔn)。
這一發(fā)展軌跡和自動(dòng)駕駛有相似之處，天機(jī)辯認(rèn)為，兩者都是模型性能瓶頸倒逼數(shù)據(jù)價(jià)值顯現(xiàn)，都經(jīng)歷“先有標(biāo)注公司、后有數(shù)據(jù)平臺(tái)、最后內(nèi)化”的路徑壓力，早期也都有大量同質(zhì)化公司涌入。
但不同點(diǎn)在于，自動(dòng)駕駛的數(shù)據(jù)空間相對(duì)有邊界，場(chǎng)景是路，規(guī)則相對(duì)穩(wěn)定，具身數(shù)據(jù)面對(duì)的場(chǎng)景更多，工廠、家庭、手術(shù)室，每個(gè)場(chǎng)景的數(shù)據(jù)分布差異極大，這意味著數(shù)據(jù)稀缺性更持久，也更難被單一平臺(tái)壟斷。
而且，自動(dòng)駕駛的數(shù)據(jù)飛輪是車企用出貨量跑出來(lái)的，但機(jī)器人本體廠出貨量目前遠(yuǎn)遠(yuǎn)不夠，所以獨(dú)立數(shù)據(jù)公司的窗口期比當(dāng)年更長(zhǎng)，代價(jià)是商業(yè)化節(jié)奏也更慢。
朱軍則認(rèn)為，現(xiàn)在具身數(shù)據(jù)領(lǐng)域最大的泡沫信號(hào)是三重錯(cuò)位：行業(yè)人人高喊數(shù)據(jù)是核心，但客戶普遍壓低預(yù)算、不愿為高質(zhì)量真機(jī)數(shù)據(jù)支付合理溢價(jià)；賽道玩家扎堆做同質(zhì)化仿真數(shù)據(jù)，靠低價(jià)內(nèi)卷；資本瘋狂追捧，可行業(yè)整體客戶復(fù)購(gòu)率偏低，多數(shù)團(tuán)隊(duì)僅靠融資維持，穩(wěn)定商業(yè)化訂單很少。
這也意味著，雖然標(biāo)準(zhǔn)制定的臨界點(diǎn)尚未到來(lái)，但洗牌信號(hào)已相對(duì)清晰，未來(lái)一年，行業(yè)將完成從“拼融資”到“拼客戶”的切換。那些只有概念沒有訂單的數(shù)據(jù)公司會(huì)先出局，掌握數(shù)據(jù)生產(chǎn)、客戶和行業(yè)話語(yǔ)權(quán)的玩家，才有望成為物理AI時(shí)代的“數(shù)據(jù)基礎(chǔ)設(shè)施”。