170亿砸下去，100万小时采回来，具身智能最有价值的数据长什么样？

四位一线操盘手揭示：最不缺钱的具身智能，到底缺什么样的数据？

2026年的夏天，具身智能热得发烫：

钱多。 前7个月融资超750亿，超过2025年全年的4倍，约为2024年全年的22倍。（据IT桔子数据统计）

热度高。WAIC刚收官，世界机器人大会又将开幕：300家企业、2000件展品。

甚至部分卖铲子的人，比淘金者更快拿到钱。25家数据公司半年融资170亿。

一切都在增长。       

但恰恰在这烈火烹油的当口，一个最基础、最关键的缺口浮出水面——有效关键数据。

“100万小时”正在成为具身智能的新尺度。

但采集时长算的是“花了多少时间”，训练产量算的是“有多少真能用”。大多数数据在两者之间被丢掉了。

行业真正缺少的，不只是更多数据，而是一套能够回答“什么算有效经验”的共同口径：

能否提升能力、能否跨任务/场景/本体复用、是否值得长期投入和持有。

所以这一次，我们把模型公司、真实部署方与数据基础设施方拉进同一张桌子，只讨论一件事：

什么样的数据，是具身智能界最有价值的资产？

四位一线操盘手，一场数据的价值对账

他们分别站在世界模型与真实部署、预训练、数据评测、真实数据生产与基础设施四条链路上，四种视角放在一起，才能把“采什么、怎么练、如何验证、能否复用”连成完整闭环。

彭湃 | 酷哇科技 联合创始人、世界模型算法负责人

他代表世界模型与真实部署回流视角。

曾任职于腾讯计算机视觉研发中心，主导多模态视觉技术研究，在CVPR、ICCV、NeurIPS等顶级会议发表多篇论文并担任领域主席，持有国内外技术发明专利近百项。

如今他主导酷哇科技世界动作模型、VLA与端到端自动驾驶的研发，直面真实场景中的失败、接管和纠偏——他知道，一条被认真标注过失败原因的轨迹，是否比一百条顺畅的重复动作更有价值。

他将回答：真实部署中的“翻车”数据，如何变成下一轮模型训练的高价值经验？

郭俊良 | 千寻智能 预训练负责人

他代表预训练与数据配方视角。

博士毕业于中国科学技术大学，曾任微软亚洲研究院高级研究员，主导多个生成模型、世界模型和具身智能项目研发，入选人工智能华人新星百强榜单。

他主导研发的Spirit v1.5、1.6系列具身基础模型，每天都在回答一个核心问题：人类视频、真机示教、仿真生成和部署回流，各自教会了模型什么？当数据预算有限，规模和质量的取舍天平该往哪边倾斜？

他将揭示：预训练阶段，不同数据源的能力贡献如何量化，以及“数据配方”怎样决定模型的上限。

廉和｜光轮智能 战略与生态副总裁

他代表数据、仿真、评测与产业生态视角。

北京大学物理系学士、巴黎矿大工程硕士，兼具AI视频生成创业经历与腾讯技术工程事业群、广告技术团队的产品和战略管理经验。

作为具身仿真评测产品负责人和新一代仿真引擎Newton技术指导委员会委员，他长期参与构建连接真实人类行为数据、物理测量、仿真生成、工业级评测与真实场景部署的物理AI基础设施。

他将带来：人类数据、物理测量与仿真数据如何形成闭环；评测如何连接模型训练与真实能力；以及数据、模型、机器人企业与产业场景如何通过生态协作，共同推动物理AI基础设施化与规模化落地。

郑宇靖｜刻行时空 联合创始人、CTO

他代表真实数据生产与数据基础设施视角。

四川大学软件工程学士、普渡大学计算机科学硕士，曾在美国从事自动驾驶与机器人研发，长期深耕AI与数据基础设施的工程落地。

他主导搭建了面向跨本体、跨传感器的数据回流与管理系统，让真实训练需求变成可生产、可评价、可理解、可筛选、可交付的多模态时空数据——他知道，数据不是采回来就够，能稳定进入训练流程的才叫“有效”。

他将揭示：跨本体数据的治理与评价，如何让第三方生产的数据获得模型公司的信任？

真实数据如何跨越工程、质量与合规三道门槛，稳定进入海内外模型训练流程？

我们不问“数据够不够多”，只追问三组真问题

01 |数据从哪里来：四种燃料分别解决什么问题？

如果只有1亿元数据预算，四条路线与数据处理应如何分配？ 

人类第一视角视频、真机遥操作、仿真生成和真实部署回流，分别适合学习语义、意图、动作先验、接触、受力、失败恢复还是安全边界？

02 | 100万小时，有用的有多少？

一小时采集数据中，多少能真正进入训练集？被丢弃的数据为什么被丢弃？

数据成本应该按采集小时、有效轨迹、难例密度，还是模型能力增量计算？

03 | 数据会成为壁垒，还是公共基础设施？

本体变化后，过去的数据还剩多少价值？

甲方、机器人公司、模型公司和数据服务商共同产生的数据归谁？可复售的数据还能构成护城河吗？

参与直播，你将获得：

• 1.一线判断共识：、预训练、真实部署与数据基础设施多视角交叉研判，直面“什么数据真正带来能力增量”的核心分水岭

• 2.有效数据的成本账：围绕预算比例、有效率、废弃率、接管率和数据处理周期，把“多少采集时长”换算成“多少有效产量”

• 3.数据资产的边界：数据归谁、能否复用、能否交易？跨本体、跨场景迁移后，数据还剩多少价值

• 4.关键行业链接：对接模型公司、本体企业、数据服务商与投资机构，建立具身智能数据核心产业圈层与合作通道

如果你是：

• 具身模型、本体、数据采集、仿真、训练场与场景部署方向的创业者和技术人
• 机器人、AI硬件、智能制造及相关产业上下游从业者
• 科技投资人、研究者、媒体人与行业观察者

欢迎扫码报名，加入这场数据的价值对账。

时间：8月17日（下周一）19:00-21:00

形式：腾讯会议 | 闭门直播，深度互动

新用户扫码即可报名，往期直播用户请扫码告知：我要报名