这是我的第420篇专栏文章。
上一篇，我把端侧智能比作一台冰箱，并留下了一个悬念：这台冰箱面临两个硬约束，一个是算力与能耗，对应冰箱的“电力”；另一个是数据，对应冰箱的“食材”。我们聊了液态AI如何让冰箱“省电”（按需耗能），今天，我们接着聊那个更棘手的问题：食材从哪里来？
在此前的文章中，我曾下过一个判断：台积电用三十多年在芯片端筑起了护城河，大模型公司用三年在模型端挖出了护城河，而下一道天堑，很可能建在数据端。这一篇，我们就借着“冰箱”的比喻，进一步来拆解一下这场数据暗战的底层逻辑。
最近国内有两幕场景，值得关注。
一边，京东宣布要依托零售、物流等海量真实业务场景，构建具身智能数据采集中心。他们甚至计划发动六十万人，戴上自研的穿戴设备JoyEgoCam，将做家务、劳作的第一人称画面“即戴即采”，目标是两年攒下一千万小时数据。
另一边，以优必选Walker S2为代表的工业人形机器人，已成批进入新能源车企、3C产线与物流仓库，把工种收敛到搬运、分拣、质检。从比亚迪、富士康到顺丰，这份“进厂打工”的名单正越来越长。
一家电商巨头发动几十万人去记录真实生活，一批机器人住进工厂流水线边干活边攒数据。当下最聪明的钱，正在用最笨的办法，去弄一种买不到的东西。
为什么买不到？因为互联网这座“超市”里摆满的文字、图片和视频，本质上只是人类对世界的“旁观记录”。而要在物理世界里行动的机器人，需要的是第一人称的“交互反馈”，推门时的阻力、关节的角度、物理世界的实时回应。这种数据超市不卖，只能自己下地去种、亲手去摘。
这篇文章将重点探讨三个核心议题：具身智能数据为何存在根本性的稀缺，存量物联网为何是解决这一痛点的最佳数据源，以及在这条重塑的价值链中，谁将掌握真正的主导权。
见底的是经验，而非数据
把行业瓶颈笼统地归结为“缺数据”，其实是个误读。互联网上的数据近乎无穷无尽，真正见底的是另一种东西：经验。
这可能正是当前产业界的误区之一，把具身数据等同于视频数据。
互联网视频是“观察者”视角的记述，而具身智能需要的是“第一人称”的多模态行动数据。
文本大模型汲取的是“知识”，具身大模型需要的是“经验”，而真正的经验，必须包含在物理世界中试错并被纠正的过程。比如，要让机器人学会擦桌子，就必须在真实的物理交互中，以极高的时间同步率，记录下视觉、力觉、关节位置与电机指令等多维传感轨迹。这些数据，互联网上根本没有现成可用的。
这一区分，把问题的性质从“数量不够”变成了“类型不对”，而类型的缺口，是靠钱填不平的。2025年，有超过60亿美元的狂热资本涌入人形机器人赛道，但根本性的瓶颈丝毫未变，更多的钱能买来顶级硬件、招来天才工程师，却变不出根本不存在的训练数据。
此前我算过一笔账，文本大模型的训练语料是以“百亿小时”计的，而当前全行业高质量的具身智能数据存量，大约只有50万小时。从50万到百亿，是一道两万倍的鸿沟。这里还有一个强烈反差：全球正在运行的工业机器人为466.4万台（截至2024年），但与庞大的硬件存量相比，公开可用于机器人学习的高质量真实交互数据，仍主要停留在百万级轨迹量级。以Open X-Embodiment为例，这一代表性开源机器人数据合集包含100万+真实机器人轨迹，已经聚合了多种机器人形态和任务数据；但相较于数百万台正在真实工厂、仓库和服务场景中运行的机器人，其可训练数据规模依然显得稀薄。
更要命的是，这道鸿沟不仅体现在“量”上，更体现在“维度”上。
机器人的数据感官至少是六维以上的，视觉、听觉、力觉、触觉、本体感知等。然而，目前产业界九成的精力，依然停留在RGB视觉这一两个维度上。巨头们费尽心思采集的所谓“机器人数据”，在感知维度上充其量只解决了十分之一的问题；剩下的力觉、触觉、本体感受，至今没有现成的规模化采集路径。症结从来不在于数据“多不多”，而在于数据“对不对”。
沿着这个判断继续往下看：既然“经验数据”只能由亲身作用于物理世界的实体来生产，那么此时此刻，究竟是什么东西已经大规模地镶嵌在物理世界中，并且正在不间断地感知与动作？
答案，指向了一个被长期低估的存在：物联网。
油田与炼厂：物联网的价值必将重估
工业现场的传感器、街头的摄像头、腕上的可穿戴设备、路上的智能汽车、产线上的机械臂……这些共同构成的庞大“存量物联网”，是当前唯一一张已经大规模铺进物理世界，并且在持续感知的网络。
此前我们谈论数据采集，目光多盯着那些专为采集而建的“数据工厂”与“训练场”；但实际上，还有一座更庞大、却一直未被当作数据资产看待的矿藏，那些早已为其他目的部署、此刻仍在日夜运转的存量设备。
它们，天生就是经验数据的采集管道。这意味着，物联网的价值坐标可能需要被重新标定：它必须从过去主打“连接与降本”的成本中心，重估为具身智能提供数据燃料的利润中心。
但在这里，我们必须先回应一个质疑：既然工厂里早就堆满了传感器数据，为什么机器人还是“吃不饱”？
答案很残酷：绝大多数存量数据根本不达标，它们彼此孤立、缺乏标注、模态间不同步，更没有与动作指令形成配对。粗略统计，当前行业数据的“良品率”只有约三成。成本的大头根本不在采集设备上，而在于标注、验证与技能的抽象化。谁能把良品率从三成推到七成，谁就握有两到三倍的成本优势。
所以，油田虽然遍地都是，但炼厂依然稀缺。真正核心的，是那座能把“传感器废气”提炼成“可训练燃料”的炼厂。开采只是第一步，原油如果不炼成燃料，就烧不进任何一台机器。
可能有些朋友会反驳：世界模型完全可以用仿真环境合成数据，物理采集不过是权宜之计。这条赛道的热度确实毋庸置疑，然而从仿真到现实的鸿沟，本质上是物理规律的鸿沟，而不是工程问题。
电网里一度电的微小电压波动、车间地面摩擦系数的细微差别、一块皮革表面的复杂纹理，都足以让仿真环境里跑得完美的算法，在现实中瞬间翻车。合成数据想要可信，前提是必须有真实数据替它做锚定与校准。因此，物联网采集的真实经验，永远不会被合成数据取代；相反，它会沉淀为整个合成数据范式赖以成立的“物理底座”。
同时，我们需要承认，今天大量的存量物联网设备，采集的依然是温度、电流、振动这类“低维遥测数据”，这并不是机器人最渴求的“高维接触数据”。真正能构成具身智能底座的，是正在快速铺开的高保真、多模态边缘网络，高清摄像头、高精度可穿戴设备、车载多维传感，以及被全面深度感知化的生产线。
而这，恰好与上一篇专栏的内容互为表里：边缘端在长出更省电的“大脑”的同时，也在长出更敏锐、更丰富的“感官”。冰箱在变节能，而孕育智能的物理土壤，也在变得愈发肥沃。
价值链正在反转：得场景者，得具身智能
看清了“燃料”的来路，价值的落脚点也就清晰了。拆解具身智能的资本金字塔：最上层是机器人本体厂商，已是一片红海；中间层是数据采集设备与平台，蓝海初现；最底层则是数据要素基础设施，由国家队主导，越往下根系越深。
而这个具身智能金字塔的驱动逻辑，是数据飞轮：在真实世界部署设备，采集交互数据，喂养并强化模型，进而推动更广泛、更深度的部署。
这个飞轮指向了一个反直觉的结论：它天然偏爱那些已经握有物理场景的“存量玩家”，而非纯做本体的创业公司。
谁手里握有源源不断产生数据的真实场景，谁就握住了胜券；至于机器人本体造得漂不漂亮，反倒退居其次。就连老牌工业机器人厂商也直言，自己的制造业客户群能直接接触到真实工件与真实生产环境，这种“充满物理质感”的数据，正是纯软件出身的具身智能开发者最匮乏的资产。
数据飞轮的瓶颈从来不在传感器，而在数据的确权、流通与标准化。而这，正被作为国家级的工程强力推进。今年初，全国首单具身智能数据集就已在江苏省数据交易所完成场内交易，实现了该品类数交所交易“零的突破”；国家数据局也明确，今年我国将推出三十余项数据领域国家标准，并在智能体、具身智能等前沿方向提前布局。
未来，具身智能时代的胜负手，未必落在造出多漂亮的机器人或多惊艳的模型上，而是落在能否率先建成那套制度与工程底座，把庞大的存量物理世界，真正转化为可交易的数据燃料。
写在最后
近期我的两篇文章形成一个系列，上一篇解决“按需耗能”，这一篇解决“持续供粮”。具身智能真正的护城河既非本体，也非大脑，而是那片能自我造血的“物理底座”。当这些设备连成大网，数据与价值该按何种规则交换？谁来定规矩？这是接下来的问题。
大象要真正走进物理世界，难题从来不止算力和能耗；数据、规则与价值分配，才是下一轮更硬的考题。
