数据将是人形机器人领域决定性的前沿。核心挑战在于将AI模型提升到使机器人能够在复杂真实环境中可靠运行的水平。关键瓶颈是获取足够庞大且多样的训练数据集。因此，企业需要同时沿多条路径推进，以生成运营数据。运营商合作将在这一过程中发挥核心作用：制造商与物流企业可提供真实生产环境，以换取优惠定价或对技术的优先使用权。与此同时，主机厂应开展约十到五十台规模的试点部署，优先考虑数据多样性而非生产率，目标是尽快积累大量运营经验。合成数据也将变得日益重要——基于物理的仿真环境有助于为真实部署中难以捕捉的边缘案例与罕见场景生成训练数据。最后，在市场早期阶段，开发者之间的协作可能变得必要，数据共享联盟有助于弥补初始部
署周期中规模有限的不足。

虽然AI最终将决定长期竞争力，但硬件不应被视为大宗商品。工业化要求完成产品架构定型、面向成本的设计、面向可制造性的设计，以及在供应基础上的深度合作。汽车供应商凭借其在扩大复杂机电系统规模方面的经验，尤其适合支撑这一转型。与电子和半导体企业的合作，对于确保大规模部署所需的计算能力、传感器与电源管理系统同样至关重要。
“自动化是降低劳动力依赖的关键杠杆。先进自动化系统使制造商能够进行选择性的黑灯班次，在缓解劳动力稀缺、顺应工人偏好的同时，维持生产产能。”