三問“具身數據元年”

作者：彭堃方、呂鑫燚

編輯：呂鑫燚

出品：具身研習社

2026 年數據元年已經成為具身智能為數不多的共識。這份共識并非空喊，而是在具身智能物理世界真實應用里 “算法跑不通、場景不通用” 的現實倒逼而成的必然。

有趣的是，如果說 2025 年“量產元年”更像是本體廠商的口號，以及給市場階段性回饋的成績；那 2026 年“數據元年”則是本體、模型廠商必須解決的產業結構性矛盾。更深層次的差異在于，2025 年本體企業即便暫未量產，仍有技術迭代、產能爬坡的容錯空間。但 2026 年如果廠商沒有打磨出差異化的數據解決方案，始終徘徊在 Scaling Law 的門口，那或許會逐步消耗外界對廠商的耐心。

于是我們可以看到，一場關于數據采集設備的競賽已悄然拉開帷幕。從規模化的應用 VR+手柄遙操作采集本體真機數據，到現在無本體數據采集設備 UMI、Ego，再到基于外骨骼遙操作的真機數據采集解決方案，在真機和仿真的二元對立間劈開了一條新路。其實已經側面說明了一件事，對于數據究竟誰能得到業界認可，業界又真正需要什么樣的數據，一直沒有回答清楚。

從產業發展來看，數據采集的設備競賽，導致本體廠商忙著自建數據采集團隊，模型公司扎堆布局混合數據生成引擎，所有人都試圖用差異化打法改寫 “數據饑渴” 的困境，夯實自身的數據壁壘。

但這場狂歡真的能解渴嗎？ALL IN 數據的廠商們，究竟是被行業焦慮裹挾的跟風者，還是真正抽絲剝繭找到了底層痛點的破局者？

我們暫且不提那些老生常談的數據問題，單從最近的大動態來看，2025 年末 Generalist 27 萬小時數據炸場具身智能，看起來好像是 Scaling law 時刻已至，但不乏有業內聲音認為其底色是一場“暴力美學”。

畢竟，規模和豐富只是數據饑渴的原因之一，精細化和高質量也是解決問題的充分必要條件。數據饑渴的本質，從來不是 “缺數據”，而是 “缺有用的數據”。這才是具身數據元年的關鍵，不是 “堆規模”，而是 “找對路徑”。

那么，當我們拋開焦慮情緒，具身智能數據真正的核心拷問才剛剛浮現。

坦白說，不少人尚未意識到“數據是為場景服務的”。

很多人看待數據金字塔存在謬誤，始終覺得數據最難得但最好用的是真機數據，但事實上，數據金字塔其實是動態的，并非一成不變，取決在什么場景解決什么問題。

就像即將完成IPO“大考”的王興興在西門子首屆科技峰會上所說，“我們公司和業內，能用仿真環境、仿真訓練解決的，盡可能用仿真解決，因為速度快、成本低，可以調整一些參數”，這在人形機器人走、跑、打拳常見。而他坦言，“機器人做‘操作’相關的動作，靠仿真做得還不夠好，全球范圍內還是靠真人采集數據去訓練”，當然真人采集也面臨搭建環境有限、成本高等痛點。

從王興興的話中，其實可以看出他對數據的取舍，即始終要從數據本身的“可供性”出發，并從場景的驗證中得到實踐反饋。企業想要知道缺什么類型的數據，不是廠商在實驗室里猜出來的，而是在真實場景中找到的。

所以，通過場景來看，無論是互聯網數據還是少量真機+仿真形成的海量數據，都能讓具身智能機器人完成“大開大合式”動作。這些數據支撐了機器人從實驗室走進物理世界，但距離我們想要的生產力仍有一段距離。

互聯網視頻數據缺失力覺、觸覺反饋，仿真數據難以還原不同材質的物理特性（如布料的柔軟度、金屬的光滑度），即便是少量真機數據，也多聚焦于本體運動，而非末端操作的細節。但在家庭服務、物流分揀、工業制造的大部分生產力場景中，都需要“本體運動+大量的末端操作”。換句話說，今天數據的核心訴求，可以聚焦到末端執行器上，尤其是有著復雜的“指間功夫”的靈巧手。

現在從國外呼聲最高的特斯拉、Figure 都已經證實，二者的機器人在真正落地時，靈巧手干活參與度并不高，很多還是徒有“手”，卻干著“夾爪”的活。

但遺憾的是，這類數據無法通過 “暴力采集” 獲得。與通用場景數據不同，靈巧手數據具有極強的場景特異性：同樣是 “抓取” 動作，抓取玻璃制品與抓取橡膠零件的力控曲線完全不同；同樣是 “擰動” 動作，手動螺絲刀與電動螺絲刀的操作邏輯存在本質差異。這意味著，廠商必須深入具體場景，通過一系列數采設備采集 “針對性數據”。這也正是其稀缺性的核心原因。

這場數據補位戰，本質是從 “泛化數據堆砌” 向 “場景化精細數據深耕” 的轉型，而靈巧手數據的儲備厚度，將直接決定機器人的生產力邊界。

當下業內已經意識到靈巧手數據采集的重要性，下一步就落在了如何采集更準確的數據。

目前看到的數據采集設備競賽已至。除了仍在擴張的真機數采廠之外，現在 UMI、Ego、外骨骼也異軍突起，都在用低成本、高效率的方式破局。

當前 UMI 主要聚焦于機械臂末端的操作數據采集，也因此 goub 器 goub 以覆蓋機器人全身協調動作，以及大多是兩指夾爪作為末端專注于夾爪類任務，這使其在需要全身交互的場景中應用受限。

但對于聚焦單一操作任務的中小企業而言，UMI 仍是當前階段 “成本與精度平衡” 的最優解之一；由此衍生出解決機器人全身協調動作的解決方案 Ego，但是 Ego 也出現依賴強大的算法后端做完成多維重建和數據對齊的難題，并且兩者在數據采集中更偏向提供海量數據用于預訓練，數據質量問題堆砌到后期，而這個階段會付出很高的成本。

而且，目前看 UMI 和 Ego 這兩類數采設備逐漸開始強綁定，比如鹿明機器人、簡智機器人都相繼在UMI之后推出Ego數采設備，并相互支持、配合使用。業內將這二者采集的數據視為互補的信息來源。

但如果只到這一步，仍不見得能夠解決靈巧操作的難題。一方面 UMI 局限于夾爪形態，另一方面 Ego 這類以自我為中心的人類數據雖然有很強的擴展性，但亞毫米的手指位姿和觸覺數據仍存在缺失。這使得 UMI、Ego 甚至其組合都難以讓機器掌握精細操作技能。

所以，我們會看到更多關乎“靈巧末端”的數據采集新硬件，例如近期智在無界（BeingBeyond）正式推出的 U1，全球首款 Real DexUMI，深受 UMI 范式影響，將靈巧手硬件、本體交互接口、動態追蹤與觸覺感知整合在同一系統中，用自己的手自然地操控另一只手；還包括靈巧智能 DexCap 外骨骼數據采集系統，它實現了人體上肢及腰部的全維度動態捕捉，在常規視覺遙操的基礎上，增加了手部端有震動力覺反饋，為靈巧手產品開發提供了好用、可靠的數據來源。

當然，靈巧智能不是概念先行，早在 25 年上半年，業內還未意識到末端操作數據重要性時，其已在用外骨骼路徑做規模化采集。如今接近一年技術迭代后，在 UMI、Ego 引起廣泛熱議之際，再談起這一設備并非“技術考古”，而是見證其穿越技術周期，仍以必要性存在于前沿數據采集中，落在產業發展的實處。

此外，當前末端操作的數據采集技術路線五花八門，除了UMI、Ego、外骨骼，還包括光學動捕、慣性動捕、IMU/量子傳感/光纖/彈性傳感的數據手套等都可以采集末端數據，但是經過市場驗證，這些手套更適用于中低精度和弱磁場環境，且數據在后期處理成本極高，目前的技術發展條件下，規模化潛力有限。

總之，這場設備競賽的終局，從來不是 “誰取代誰”，而是 “誰能更好地融入協同生態”。外骨骼設備憑借力覺觸覺復刻、長期穩定輸出、數據標準化的三重核心優勢，成為靈巧手精細化數據采集的 “剛需配置”；UMI 與 Ego 則以高效、低成本的特點，承擔規模化數據積累的角色；各類數據手套也在技術蟄伏。

必須強調，設備和數據更多時間不是“排他性”的，相反更應該嘗試有效結合。

一個比較有意思的現象是，一方面具身智能產業鏈在逐步完善，以前大體分為本體、大腦兩個陣營，現在已經跑出深耕數據的獨角獸。一時間，市面上人人都有數據，人人都想占山為王。

但數據話語權應該給誰？

答案是擁有硬件的人，無論是本體還是模型還是數據廠商，誰更懂數據采集的硬件，誰才有話語權。

數據采集從不是簡單的 “記錄動作”，而是要讓物理世界的操作精準轉化為數字世界的可用資產，這背后離不開硬件的三大核心支撐：數據維度，數據質量，數據處理成本。

數據維度要求數據采集到的信息是足夠豐富的，如果數據維度不夠豐富，會讓模型在訓練中大量去“猜”，最終是無法收斂。數據質量，則某種程度上決定了模型吃的是粗糧還是細糠，“吃的粗”模型就長得“糙”，干不來精細活。

最后是數據處理成本，也指“全鏈路處理成本”，即數據采前、采后的管線建設、人員培訓、數據清洗、算法映射等一整套“工業產線”式的成本。這幾者，共同決定了數據采集的成功與否。

目前看，不少數采企業在這些環節上普遍未掌握全要素。但也涌現出一些廠商和設備的理念考慮到了數據的“維度、質量與處理成本”。

圖片來源：靈巧智能 DexCap 演示視頻 （2X Speed）

以靈巧智能的 DexCap 系統為例，其具備了這是三大核心支撐。“全維度動態捕捉”，涵蓋手和雙臂及腰部多維度數據，這相比只聚焦末端數據來說信息豐富度暴增。再者像“千赫茲響應和觸覺感知增強”確保虛擬操控與真實動作 1:1 映射，絲滑且真實。當然外骨骼設備硬件還具備高耐用性，長期采集過程中精度無衰減，數據質量持續穩定。此外，設備輸出數據格式統一、維度完整，為后續標注、清洗與復用提供便利，助力構建可持續迭代的高質量數據集。

并且必須要強調的是，靈巧智能是知名靈巧手本體廠商，尤其是在高自由度靈巧手方面，成果顯著。它離“手”最近，其最懂靈巧操作的數據該長什么樣。

所以回過頭看，數據話語權的爭奪，核心是對 “物理世界數字化入口” 的掌控。本體廠商通過硬件的輕量、高效、協同創新，構建了數據采集的底層基礎設施，讓高質量數據的規模化生產成為可能；而靈巧智能則依托這一基礎設施，將數據價值轉化為真實可用的操作能力，形成 “硬件賦能數據，數據驅動智能” 的正向循環。

這也正是具身智能產業的核心邏輯：誰掌握了硬件這一數據采集的 “第一觸點”，誰就掌握了整個產業的發展主動權。

結語：數據元年真正的含義

其實回到數據元年這個背景中來看，“數據元年”并不單指數據突然陡增，而是意味著行業開始意識到：數據生產本身就是核心能力。

在互聯網時代，數據往往被動產生；而在具身智能時代，數據必須主動制造。這使得數據不再那樣唾手可得，進而我們必須面對的現實是，它更像一種與硬件深度綁定的工業產出。誰擁有設備，誰控制部署，誰理解場景，誰才能穩定地生產高價值數據。

在具身智能的世界里，真正稀缺的從來不是數據本身，而是穩定產出高價值數據的能力。通過靈巧智能的案例來看，誰離真實數據更近，并建立穩定、高質量、可擴展的數據生產體系，誰就更有可能在未來競爭中占據優勢。