在机器人训练场里，时间有一种不同于互联网公司的流速。

操作员戴上VR设备，控制机械臂拿起零件、拉开抽屉，再把物品一件件归位。动作完成，场景被恢复；抓取失败，物体要摆回原处；设备中断，工程师走进场地排查。后台留下画面、关节状态、控制指令与任务结果，人的熟练动作被拆成机器可以读取的记录。

一个被期待替代重复劳动的机器人，眼下仍需要人陪着它，把同一件事耐心地做上几十遍、几百遍。

这种反差概括了具身智能此刻的“尴尬”处境。

数字世界的智能涌现，是建立在一份已经存在的遗产之上：人类在互联网中写作、交流、拍摄和编程，顺手留下了数量惊人的数字痕迹。

语言模型出生时，网页、书籍、图片和代码已经在那里，但机器人走进现实世界却发现，人类端起水杯、重新抓住变形纸箱、在脚下打滑时恢复平衡的经验，从未被大规模保存。

它没有可以直接取用的互联网，只能重新学习这个世界。

一、大模型继承了互联网，机器人却没有一部“行动史”

互联网当然能教机器人认识世界。

一个模型看过足够多的图像和视频之后，可以分辨杯子、纸箱和洗衣机，也能理解“把衣服放进洗衣机”意味着什么。近年来“视觉—语言—动作”模型（VLA）的进展，正是试图把这种理解继续连接到行动。

但知道事应该怎样完成，和让机械身体真正完成它之间，隔着漫长的物理过程。

一段“人拿起杯子”的视频，通常不会留下每一时刻的空间坐标、手指施加的力量，以及杯子在受力后如何移动；换成机器人，还要记录关节角度、末端姿态、夹爪开合和传感器反馈。

视频保存了动作的表面，机器人需要的却是动作内部的因果关系。

机器人研究中所说的“轨迹数据”，并不只是机械臂走过的一条路线，而是一段被完整保存的经历：它看见了什么，身体处于什么状态，做出了怎样的动作，世界随后发生了什么。对于插拔、装配和柔性物体操作，视觉甚至只是其中一部分，力觉、触觉和声音都可能决定最后几毫米的成败。

图 1｜人形机器人进行零件拣选相关训练，来源：新华社

互联网擅长记录结果，人们上传做好的菜、组装完成的家具，却很少保存每一次停顿、试探和修正。大模型首先面对的是如何利用已经存在的数据，机器人还必须先把人类习以为常的行动重新生产成数据。

斯坦福等机构曾组织50名采集者，在全球564个场景里工作12个月，最终得到约7.6万条轨迹和350小时真实交互数据。350小时并不庞大，却对应一整年的设备、场地和人的投入。

文本可以被机器高速处理，物理世界却拒绝这种加速：一台机器人运行一小时，最多只经历一小时现实时间。每增加一批数据，背后都有人在复位场景、维护设备和处理失败。

这些数据被采下来之后，还要面对身体差异。不同机器人有不同的臂长、自由度、相机位置、执行器和控制频率，同样是拿起一个杯子，落到底层控制上可能完全不是一回事。

文字换一个语言模型仍然是文字，一组针对某台机械臂的关节指令换一个身体却可能失去含义。机器人行业至今没有找到完全对应语言Token的统一动作表达，某种程度上正因为智能在这里无法离开身体单独存在。

更难复制的，是人在意外中形成的经验。

实验室最容易生产标准条件下的成功示范，真实工厂、商场和家庭却很少按照脚本运行：物料偏移、包装变形、夹爪抓空，孩子突然闯入工作区域。人会下意识地停顿或重来，机器人没见过相似状态，往往只能停机。

图 2｜大语言模型与具身智能的数据范式差异

二、为了让机器人获得经验，新的数据产业正在形成

当经验无法从互联网上下载，它就必须在现实世界中被制造。

传统机器人项目往往围绕一个工位临时采集：抓取需要一批数据，换一条产线，再由工程师重新布置。通用机器人模型希望覆盖更多任务、环境和身体之后，这种项目制供给开始显得缓慢。原本藏在研发流程里的数据采集，逐渐外溢成训练场、采集平台、治理工具和评测服务构成的新上游。

人们常把训练场类比成机器人时代的数据中心，但这个比喻只说对了一半：数据中心储存已经存在的信息，训练场则要把尚不存在的经验一遍遍做出来。

2026年6月，工业和信息化部与国资委启动实景实训专项行动，要求机器人在制造、物流、康养和应急救援等环境中常态化部署，并以成功率、效率、安全可靠性和经济性验证产品。同月，工信部公开征求训练场构建技术规范等行业标准意见。

图 3｜两部门下发实景实训专项行动的通知

政策传递出的信号比“支持产业”更具体：评价机器人，正从它能否在聚光灯下完成一次动作，转向它能否在无人喝彩的工位上，把同一件事稳定地做一千次。

北京亦庄的探索也体现了这种转向。真实场景数据训练基地不只复刻家居、商超和工业环境，还计划通过“考试系统”和机器人“错题本”收集失败数据；相关行动计划则把实景采集、虚拟仿真、加工标注和模型应用放在同一平台上。

“错题本”承认机器人不会只靠观看正确答案成长，也需要知道自己在哪里犯错、怎样把动作挽救回来。训练场的价值，正在从陈列能力转向积累可复用的经验。

推动训练场建设，还有现实的产业基础。

密集的制造工位、完整的供应链和大量工程人员，使机器人能够更快接触真实任务；地方政府则可以协调工厂、仓库和公共服务单位开放场景。

但政策提出形成百个以上高价值应用场景与万台级规模落地能力，关键并不在机器人进入多少展厅，而是真实流程是否愿意向机器开放，失败、人工接管和维护结果能否持续回流。如果训练场只追求轨迹条数，很容易成为另一种数据产能；只有当机器的每次停顿都能追溯到具体原因，每次修正都能反馈给模型，才更接近基础设施。

图 4｜具身智能数据基础设施产业链

沿着这条链路，企业大致站在三个不同位置。

宇树、智元等尝试同时掌握本体或模型的公司，希望让数据采集与产品迭代形成闭环。宇树过往的成功证明了中国企业在电机、控制、整机工程和成本下探上的能力，但硬件销量并不天然等于数据优势：四足机器人的运动控制数据与通用操作轨迹不是同一种资产，客户设备能否回传、数据权属是否清晰、任务过程能否被标注，都决定装机量能否变成可训练经验。

对于任何一家强调规模化的具身智能公司，真正值得追问的都不只是卖出了多少台机器，而是这些机器离开工厂以后，带回了什么。

另一批公司承担更朴素也更繁重的工作：购买机器人、搭建场景、招聘操作员，通过真机遥操作或人类示范生产轨迹，再完成清洗和标注。早期所有机器人企业都缺数据，这使第三方服务很容易获得订单；但它也可能陷入与传统外包相似的约束。客户需求翻倍，机器人、操作员和空间往往都要同步增加；换一款本体或进入新的场景，旧数据能否继续使用并不确定。

图 5｜训练员在教人形机器人使用扳手拧螺丝，来源：新华网

行业对“一条数据”甚至没有统一定义，一次完整任务可以算一条，也可以被拆成许多片段，于是“百万条”“千万条”更像产能叙事，很难单独回答数据究竟有多好。

再往上一层，竞争才开始脱离单纯的人力规模：统一不同传感器的时钟和格式，自动判断一条轨迹是否有效，管理版本与权属，完成跨本体映射，并把真实数据和仿真连接起来。这些工作的共同目标不是采集更多，而是让已经发生过的经验不要轻易浪费。

具身数据能否成为一门高毛利生意，分水岭也在这里：如果收入只能随设备和操作员线性增加，它更像数据稀缺时期的高级外包；如果一份经验可以被更多机器人、模型和任务重新理解，数据工程才真正开始产生复利。

机器人越成熟，数据并不会整体失去价值，而会出现更清晰的分层。

标准化、重复性强、只记录成功动作的数据，会随着自动采集和仿真变得便宜；长期运行中的异常、恢复、人工接管、安全边界和经济性反馈，则会沉淀在少数真实部署者手中。通用技能、跨本体预训练和公共评测仍适合由第三方与开放平台提供，具体工厂的节拍、家庭里的偶发干扰以及售后维护留下的记录，却更接近企业不愿外流的经营资产。

数据最昂贵的部分，最终可能不是机器学会了什么，而是它曾经在哪些地方无能为力。

图 6｜机器人规模化之后，数据价值将出现结构性分化

三、机器人的“互联网”，最终要在工作中长出来

如果具身数据最昂贵的部分来自现实，一条自然路线就是让机器人少承担一些重复的教学过程。

UMI（Universal Manipulation Interface）使用带相机的便携式夹爪，让人直接在真实环境中操作，记录视觉、手部轨迹与夹爪状态，再把示范迁移给机器人。

采集阶段不必始终占用最终执行任务的本体，人也不用隔着控制器等待机械臂缓慢移动和频繁复位，因此“无本体采集”可以更快地把日常行动转化成训练材料。它无法提供关节负载、硬件误差、真实触觉和复杂碰撞，却可以把昂贵的真机时间留给最后那段无法绕开的身体磨合。

2026年7月，小米披露Xiaomi-Robotics-1：预训练使用超过10万小时UMI轨迹，覆盖1700多个家庭、商业、工业与户外场景，随后再用真实机器人和其他跨本体数据完成后训练。这些数据展示了另一种经验生产方式：先让人类操作覆盖尽可能多的任务和环境，再让机器人用更少的真机数据学习如何以自己的身体完成动作。

图 7｜Xiaomi-Robotics-1的训练数据

AgiBot World 2026同步公开真实数据与1∶1数字孪生数据，也指向相同趋势。真机、人的示范和仿真不会互相取代，它们只是承担不同成本、不同稀缺程度的经验。

而判断这条路线是否有效，不能只数数据仓库里有多少小时，而要看旧经验是否真的减轻了下一次学习。

如果一家企业换一台机器人、进入一座新工厂后仍要从头采集，再大的数据仓库也只是过去项目的档案；如果原有数据能让新任务从一百小时示教降到十小时，让一台机器人踩过的坑不必由另一台重新经历，它才开始具有互联网式的复用价值。

未来更值得追踪的指标，或许不是轨迹总量，而是新任务需要补多少数据、新身体需要对齐多久、一次失败能够帮助多少台机器避免下一次失败。

这也是“本体+模型+场景”数据飞轮真正成立的条件。机器人进入业务现场，工作过程产生数据；数据推动模型和策略优化，成功率与稳定性提高，又带来更多订单和更复杂的任务。

图 8｜机器人企业的数据飞轮及其成立条件

Tesla的自动驾驶实践证明，产品进入真实环境后，使用本身可以成为持续的数据生产过程，但这套逻辑不会自动复制到人形机器人：车辆面对的任务相对统一，机器人的工作则散落在千差万别的工位和家庭里。没有数据回传权、统一日志、任务标签、失败归因和可执行的更新链路，销量只是硬件规模，不是学习规模。

所以第三方数据供应商不会突然消失，只是会逐渐离开最容易被替代的位置。产业早期，它们填补企业尚无部署规模时的训练缺口；进入中期，价值转向数据治理、跨本体转换、评测和仿真；当机器人真正进入商业现场，最有价值的部分则越来越靠近业务，由机器人企业和场景方共同掌握。

届时竞争的重点不再是谁把现实世界复制进最大的仓库，而是谁能理解机器为何在某个下午、某条产线、某个看似普通的动作上失败，并把这个答案交给下一台机器人。

语言模型得到的互联网，是人类在表达和交流中无意留下的数字遗产；机器人需要的互联网，却要在行动中慢慢长出来。

它不只由服务器和模型组成，还包括训练场里复位物品的人、记录停机原因的工程师、愿意开放流程的场景方，以及每一台在失败后重新尝试的机器。

这套网络成熟的标志，不是数据无止境膨胀，而是一次经验终于不必只属于当时、当地和那一副身体。

下一台机器人来到这里时，可以少走一点弯路。

---

---