从“醉汉”到“老师”：具身智能的数据饥渴与生态重构

【科技纵览】当人形机器人在真实的半程马拉松赛道上与人类选手并肩奔跑，并且最终以超越人类世界纪录的50分26秒完赛，这已经不是科幻电影中的场景了。而在一年前的同样比赛中，我们还在嘲笑机器人跑步像“醉汉”，短短一年时间机器人进步速度之快，令人咋舌。其背后所展现的技术突破，远比比赛本身更具深远意义。尤其值得关注的是，2026北京人形机器人半程马拉松比赛，参赛队伍总数超过100支，近四成队伍搭载自主导航技术，智能化水平显著提升，这更是5G-A（5G-Advanced）网络技术在高速移动、高并发、高可靠场景下，对具身智能产业提供支撑的一次关键性验证。

然而，光鲜的演示视频背后，是行业对“生活经验”数据的极度渴求。近期，Figure AI正式公开了其数据平台Index，这一举动揭示了具身智能训练的新范式。过去四个月里，来自全球108个国家的4.4万名用户，向该平台上传了超过1600万条真人任务视频。这些视频记录了家庭、餐厅、办公室及工厂中的真实活动，平台每秒接收30分钟的新内容，相当于每天记录4.9年的人类工作时长。为了激励这些“数字老师”，Figure已支付1500万美元，并计划在未来12个月内投入超10亿美元用于数据和算力建设。毕竟，语言模型可以轻易“阅读”互联网文本，但机器人所需的物理交互经验，却无法通过简单的网页爬取获得。

这种数据焦虑并非孤例。在刚刚结束的2026世界机器人大会上，宇树科技创始人王兴兴坦言，机器人行业的“ChatGPT时刻”虽已临近，但真正的规模化突破仍需两三年，若进展不顺甚至需等待五至十年。与此同时，《2026年人形机器人产业发展报告》显示，今年上半年中国人形机器人出货量超4万台，占全球97%，但整个行业积累的具身数据总量仅约10万小时，远不足以训练基础模型。ACE Robotics董事长王晓刚指出，硬件虽已相对成熟且成本低廉，但软件与数据的规模化仍是短板。

针对这一困境，Physical Intelligence联合创始人Sergey Levine在接受The Peterman Pod采访时提出了深刻见解。他认为，机器人行业正经历从“控制身体”到“教会决策”的问题转移。Boston Dynamics等早期先驱展示了卓越的硬件控制能力，如Atlas的后空翻，但这主要依赖精心设计的传统控制系统，而非高层决策AI。Levine强调，现在的核心挑战在于建立有效的决策循环，让机器人能理解外部环境，而不仅仅是协调自身肢体。例如，拿起咖啡杯看似简单，却要求机器人具备对外部世界的认知，这与单纯的身体控制有着本质区别。

Levine还反思了早期机器人学习研究的误区。他曾参与Google的“机械臂农场”项目，试图让机器人从零开始通过数百万次抓取学会通用策略。虽然机器人学会了抓取，但这种“白板式”学习难以转化为更复杂的技能。他建议，应更加重视先验知识的引入，如同人类通过观察他人行为来学习一样，机器人也需要利用多源知识为学习搭建脚手架。如果缺乏先验知识，就像让一个从未见过家具的人组装宜家产品，难度极大。

关于数据来源，Levine反对盲目追求数据量。他指出，数据并非标准化的商品，而是具有异质性的教育课程。简单的重复操作（如生产线焊接）产生的数据飞轮，只能带来边际提升，无法实现真正的泛化。正确的路径是先通过真实的具身数据建立对物理世界的基础理解，再吸收模拟数据或视频数据等其他来源的知识。目前，机器人行业尚未进入类似大语言模型那样稳定的Scaling阶段，仍处于寻找可扩展技术和正确数据组合的基础研发期。

展望未来，Levine认为机器人的终极目标并非替代人类劳动，而是实现“普适执行能力”。正如个人计算机并未取代人脑，而是以各种形态融入生活，未来机器人也将以分散的形式存在于日常琐事中，增强人类的能力而非引发恐慌。要实现这一愿景，关键在于提升泛化能力和可靠性，使机器人能在未见过环境中自主收集经验并持续改进。这需要建立一个健康的生态系统，涵盖供应链、制造业、开源社区及软硬件研发，任何单一环节的缺失都将阻碍整体进步。当前，中国实验室在硬件集成和快速迭代上的优势值得借鉴，而美国则需在保持算法领先的同时，重振硬件制造生态，共同推动具身智能从演示走向现实。