2026年被業(yè)內(nèi)公認(rèn)為具身智能的“數(shù)據(jù)元年”，這一共識并非憑空而來，而是物理世界應(yīng)用中“算法難落地、場景不通用”的現(xiàn)實倒逼出的必然選擇。

值得關(guān)注的是，若說2025年的“量產(chǎn)元年”更像是本體廠商的宣傳口號與階段性成果展示，2026年的“數(shù)據(jù)元年”則是本體、模型廠商必須直面的產(chǎn)業(yè)結(jié)構(gòu)性矛盾。更深層的差異在于，2025年本體企業(yè)即便未實現(xiàn)量產(chǎn)，仍有技術(shù)迭代與產(chǎn)能爬坡的容錯空間；但2026年若廠商無法打磨出差異化數(shù)據(jù)解決方案，始終停留在Scaling Law的門檻外，外界對其的耐心或?qū)⒅饾u耗盡。

由此，一場數(shù)據(jù)采集設(shè)備的競賽已悄然展開。從規(guī)?；瘧?yīng)用VR+手柄遙操作采集本體真機數(shù)據(jù)，到無本體數(shù)據(jù)采集設(shè)備UMI、Ego的出現(xiàn)，再到基于外骨骼遙操作的真機數(shù)據(jù)采集方案，在真機與仿真的二元對立間開辟了新路徑。這從側(cè)面反映出，業(yè)界對于“什么樣的數(shù)據(jù)能獲認(rèn)可、真正需要何種數(shù)據(jù)”的問題，尚未形成清晰答案。

從產(chǎn)業(yè)發(fā)展視角看，數(shù)據(jù)采集設(shè)備競賽導(dǎo)致本體廠商忙著自建數(shù)據(jù)采集團隊，模型公司扎堆布局混合數(shù)據(jù)生成引擎，各方都試圖以差異化打法破解“數(shù)據(jù)饑渴”困境，夯實自身數(shù)據(jù)壁壘。

但這場狂歡真能解決問題嗎？ALL IN數(shù)據(jù)的廠商們，究竟是被行業(yè)焦慮裹挾的跟風(fēng)者，還是真正找準(zhǔn)底層痛點的破局者？

暫且拋開老生常談的數(shù)據(jù)問題，單看近期動態(tài)：2025年末Generalist的27萬小時數(shù)據(jù)在具身智能領(lǐng)域引發(fā)轟動，看似Scaling law時刻已至，卻有業(yè)內(nèi)聲音認(rèn)為其本質(zhì)是一場“暴力美學(xué)”。

畢竟，規(guī)模與豐富度只是數(shù)據(jù)饑渴的原因之一，精細(xì)化與高質(zhì)量才是解決問題的關(guān)鍵。數(shù)據(jù)饑渴的核心從來不是“缺數(shù)據(jù)”，而是“缺有用的數(shù)據(jù)”。這正是具身數(shù)據(jù)元年的關(guān)鍵——不是“堆規(guī)模”，而是“找對路徑”。

當(dāng)我們剝離焦慮情緒，具身智能數(shù)據(jù)的核心拷問才真正浮現(xiàn)。

都在說缺數(shù)據(jù)，到底缺哪種類型的數(shù)據(jù)？

坦白講，不少人尚未意識到“數(shù)據(jù)是為場景服務(wù)的”。

很多人對數(shù)據(jù)金字塔存在誤解，總認(rèn)為最難得且最好用的是真機數(shù)據(jù)。但實際上，數(shù)據(jù)金字塔是動態(tài)變化的，并非一成不變，取決于在什么場景下解決什么問題。

正如即將完成IPO的王興興在西門子首屆科技峰會上所言：“我們公司和業(yè)內(nèi)，能用仿真環(huán)境、仿真訓(xùn)練解決的，盡可能用仿真解決，因為速度快、成本低，還能調(diào)整參數(shù)”，這在人形機器人走、跑、打拳等動作中較為常見。而他也坦言：“機器人做‘操作’相關(guān)動作時，靠仿真做得還不夠好，全球范圍內(nèi)仍需靠真人采集數(shù)據(jù)訓(xùn)練”，當(dāng)然真人采集也面臨環(huán)境搭建有限、成本高等痛點。

從王興興的話中能看出他對數(shù)據(jù)的取舍邏輯：始終從數(shù)據(jù)本身的“可供性”出發(fā)，并通過場景驗證獲取實踐反饋。企業(yè)要知道缺什么類型的數(shù)據(jù)，不是在實驗室里猜測，而是在真實場景中發(fā)掘。

從場景角度看，無論是互聯(lián)網(wǎng)數(shù)據(jù)，還是少量真機+仿真形成的海量數(shù)據(jù)，都能讓具身智能機器人完成“大開大合式”動作。這些數(shù)據(jù)支撐機器人從實驗室走進(jìn)物理世界，但距離實現(xiàn)生產(chǎn)力目標(biāo)仍有差距。

互聯(lián)網(wǎng)視頻數(shù)據(jù)缺少力覺、觸覺反饋，仿真數(shù)據(jù)難以還原不同材質(zhì)的物理特性（如布料的柔軟度、金屬的光滑度），即便少量真機數(shù)據(jù)，也多聚焦于本體運動，而非末端操作細(xì)節(jié)。但在家庭服務(wù)、物流分揀、工業(yè)制造等多數(shù)生產(chǎn)力場景中，都需要“本體運動+大量末端操作”。換句話說，當(dāng)前數(shù)據(jù)的核心訴求可聚焦于末端執(zhí)行器，尤其是具備復(fù)雜“指間功夫”的靈巧手。

目前國外關(guān)注度較高的特斯拉、Figure機器人已證實，其在實際落地時，靈巧手的參與度并不高，很多時候雖有“手”，卻干著“夾爪”的活。

遺憾的是，這類數(shù)據(jù)無法通過“暴力采集”獲得。與通用場景數(shù)據(jù)不同，靈巧手?jǐn)?shù)據(jù)具有極強的場景特異性：同樣是“抓取”動作，抓取玻璃制品與橡膠零件的力控曲線完全不同；同樣是“擰動”動作，手動螺絲刀與電動螺絲刀的操作邏輯存在本質(zhì)差異。這意味著廠商必須深入具體場景，通過數(shù)采設(shè)備采集“針對性數(shù)據(jù)”，這也是其稀缺性的核心原因。

這場數(shù)據(jù)補位戰(zhàn)，本質(zhì)是從“泛化數(shù)據(jù)堆砌”向“場景化精細(xì)數(shù)據(jù)深耕”的轉(zhuǎn)型，而靈巧手?jǐn)?shù)據(jù)的儲備厚度，將直接決定機器人的生產(chǎn)力邊界。

數(shù)據(jù)采集競賽會產(chǎn)生唯一解嗎？

當(dāng)下業(yè)內(nèi)已意識到靈巧手?jǐn)?shù)據(jù)采集的重要性，下一步關(guān)鍵在于如何采集更準(zhǔn)確的數(shù)據(jù)。

目前數(shù)據(jù)采集設(shè)備競賽已進(jìn)入白熱化階段。除了持續(xù)擴張的真機數(shù)采廠，UMI、Ego、外骨骼等設(shè)備也異軍突起，都在以低成本、高效率的方式尋求突破。

當(dāng)前UMI主要聚焦機械臂末端的操作數(shù)據(jù)采集，因此難以覆蓋機器人全身協(xié)調(diào)動作，且多以兩指夾爪為末端專注于夾爪類任務(wù)，這使其在需要全身交互的場景中應(yīng)用受限。

但對于聚焦單一操作任務(wù)的中小企業(yè)而言，UMI仍是當(dāng)前階段“成本與精度平衡”的最優(yōu)解之一；由此衍生出解決機器人全身協(xié)調(diào)動作的Ego方案，但Ego存在依賴強大算法后端完成多維重建和數(shù)據(jù)對齊的難題，且二者在數(shù)據(jù)采集中更偏向提供海量數(shù)據(jù)用于預(yù)訓(xùn)練，數(shù)據(jù)質(zhì)量問題會堆積到后期，處理成本極高。

目前UMI和Ego這兩類數(shù)采設(shè)備逐漸開始強綁定，比如鹿明機器人、簡智機器人都在推出UMI后相繼發(fā)布Ego數(shù)采設(shè)備，并支持相互配合使用。業(yè)內(nèi)將二者采集的數(shù)據(jù)視為互補的信息來源。

但僅靠這兩者仍難以解決靈巧操作難題。一方面UMI局限于夾爪形態(tài)，另一方面Ego這類以自我為中心的人類數(shù)據(jù)雖擴展性強，但亞毫米級的手指位姿和觸覺數(shù)據(jù)仍存在缺失，這使得UMI、Ego及其組合都難以讓機器掌握精細(xì)操作技能。

因此，我們看到了更多針對“靈巧末端”的新型數(shù)據(jù)采集硬件。例如近期智在無界（BeingBeyond）推出的全球首款Real DexUMI——U1，受UMI范式影響，將靈巧手硬件、本體交互接口、動態(tài)追蹤與觸覺感知整合在同一系統(tǒng)中，可通過自然操控實現(xiàn)動作復(fù)刻；還有靈巧智能的DexCap外骨骼數(shù)據(jù)采集系統(tǒng)，實現(xiàn)了人體上肢及腰部的全維度動態(tài)捕捉，在常規(guī)視覺遙操基礎(chǔ)上增加了手部震動力覺反饋，為靈巧手產(chǎn)品開發(fā)提供了可靠的數(shù)據(jù)來源。

值得注意的是，靈巧智能并非概念先行。早在2025年上半年，業(yè)內(nèi)尚未意識到末端操作數(shù)據(jù)重要性時，其已通過外骨骼路徑進(jìn)行規(guī)?；杉?。經(jīng)過近一年技術(shù)迭代，在UMI、Ego引發(fā)廣泛熱議之際，該設(shè)備仍以必要性存在于前沿數(shù)據(jù)采集中，切實推動產(chǎn)業(yè)發(fā)展。

此外，當(dāng)前末端操作的數(shù)據(jù)采集技術(shù)路線多樣，除UMI、Ego、外骨骼外，光學(xué)動捕、慣性動捕、IMU/量子傳感/光纖/彈性傳感的數(shù)據(jù)手套等也可采集末端數(shù)據(jù)，但經(jīng)市場驗證，這些手套更適用于中低精度和弱磁場環(huán)境，且后期數(shù)據(jù)處理成本極高，在現(xiàn)有技術(shù)條件下規(guī)?；瘽摿τ邢?。

總之，這場設(shè)備競賽的終局并非“誰取代誰”，而是“誰能更好地融入?yún)f(xié)同生態(tài)”。外骨骼設(shè)備憑借力覺觸覺復(fù)刻、長期穩(wěn)定輸出、數(shù)據(jù)標(biāo)準(zhǔn)化三大核心優(yōu)勢，成為靈巧手精細(xì)化數(shù)據(jù)采集的“剛需配置”；UMI與Ego則以高效、低成本的特點承擔(dān)規(guī)?；瘮?shù)據(jù)積累的角色；各類數(shù)據(jù)手套也在技術(shù)蟄伏期等待突破。

必須強調(diào)的是，設(shè)備和數(shù)據(jù)更多時候并非“排他性”的，反而應(yīng)嘗試有效結(jié)合。

數(shù)據(jù)采集的話語權(quán)該歸誰？

一個有趣的現(xiàn)象是，具身智能產(chǎn)業(yè)鏈正逐步完善：從前大致分為本體、大腦兩個陣營，如今已涌現(xiàn)出深耕數(shù)據(jù)的獨角獸企業(yè)。一時間，市面上“人人都有數(shù)據(jù)，人人都想占山為王”。

但數(shù)據(jù)話語權(quán)究竟該歸誰？

答案是擁有硬件的主體——無論是本體、模型還是數(shù)據(jù)廠商，誰更懂?dāng)?shù)據(jù)采集硬件，誰就擁有話語權(quán)。

數(shù)據(jù)采集絕非簡單的“記錄動作”，而是要將物理世界的操作精準(zhǔn)轉(zhuǎn)化為數(shù)字世界的可用資產(chǎn)，這背后離不開硬件的三大核心支撐：數(shù)據(jù)維度、數(shù)據(jù)質(zhì)量、數(shù)據(jù)處理成本。

數(shù)據(jù)維度要求采集的信息足夠豐富，若維度不足，模型訓(xùn)練時會大量“猜測”，最終難以收斂；數(shù)據(jù)質(zhì)量在某種程度上決定了模型“吃的是粗糧還是細(xì)糠”，“粗糧”會導(dǎo)致模型“粗糙”，無法完成精細(xì)任務(wù)；最后是數(shù)據(jù)處理成本，即“全鏈路處理成本”，包括數(shù)據(jù)采前、采后的管線建設(shè)、人員培訓(xùn)、數(shù)據(jù)清洗、算法映射等一整套“工業(yè)產(chǎn)線”式的成本。這三者共同決定了數(shù)據(jù)采集的成敗。

目前不少數(shù)采企業(yè)在這些環(huán)節(jié)普遍未掌握全要素，但也有部分廠商和設(shè)備的理念考慮到了數(shù)據(jù)的“維度、質(zhì)量與處理成本”。

以靈巧智能的DexCap系統(tǒng)為例，其具備這三大核心支撐：“全維度動態(tài)捕捉”涵蓋手、雙臂及腰部多維度數(shù)據(jù)，相比僅聚焦末端數(shù)據(jù)，信息豐富度大幅提升；“千赫茲響應(yīng)和觸覺感知增強”確保虛擬操控與真實動作1:1映射，流暢且真實；外骨骼設(shè)備硬件還具備高耐用性，長期采集過程中精度無衰減，數(shù)據(jù)質(zhì)量持續(xù)穩(wěn)定。此外，設(shè)備輸出數(shù)據(jù)格式統(tǒng)一、維度完整，為后續(xù)標(biāo)注、清洗與復(fù)用提供便利，助力構(gòu)建可持續(xù)迭代的高質(zhì)量數(shù)據(jù)集。

更重要的是，靈巧智能是知名靈巧手本體廠商，尤其在高自由度靈巧手領(lǐng)域成果顯著。它離“手”最近，最懂靈巧操作的數(shù)據(jù)該是什么樣。

由此可見，數(shù)據(jù)話語權(quán)的爭奪核心是對“物理世界數(shù)字化入口”的掌控。本體廠商通過硬件的輕量、高效與協(xié)同創(chuàng)新，構(gòu)建了數(shù)據(jù)采集的底層基礎(chǔ)設(shè)施，讓高質(zhì)量數(shù)據(jù)的規(guī)?；a(chǎn)成為可能；而靈巧智能則依托這一基礎(chǔ)設(shè)施，將數(shù)據(jù)價值轉(zhuǎn)化為真實可用的操作能力，形成“硬件賦能數(shù)據(jù)，數(shù)據(jù)驅(qū)動智能”的正向循環(huán)。

這也正是具身智能產(chǎn)業(yè)的核心邏輯：誰掌握了硬件這一數(shù)據(jù)采集的“第一觸點”，誰就掌握了整個產(chǎn)業(yè)的發(fā)展主動權(quán)。

結(jié)語：數(shù)據(jù)元年的真正含義

回到數(shù)據(jù)元年的背景來看，“數(shù)據(jù)元年”并非指數(shù)據(jù)突然激增，而是意味著行業(yè)開始意識到：數(shù)據(jù)生產(chǎn)本身就是核心能力。

互聯(lián)網(wǎng)時代的數(shù)據(jù)往往被動產(chǎn)生，而具身智能時代的數(shù)據(jù)必須主動制造。這使得數(shù)據(jù)不再唾手可得，我們必須面對的現(xiàn)實是：它更像一種與硬件深度綁定的工業(yè)產(chǎn)出。誰擁有設(shè)備、控制部署、理解場景，誰才能穩(wěn)定生產(chǎn)高價值數(shù)據(jù)。

在具身智能的世界里，真正稀缺的從來不是數(shù)據(jù)本身，而是穩(wěn)定產(chǎn)出高價值數(shù)據(jù)的能力。從靈巧智能的案例來看，誰離真實數(shù)據(jù)更近，建立起穩(wěn)定、高質(zhì)量、可擴展的數(shù)據(jù)生產(chǎn)體系，誰就更有可能在未來競爭中占據(jù)優(yōu)勢。

本文來自微信公眾號“具身研習(xí)社”，作者：彭堃方、呂鑫燚，36氪經(jīng)授權(quán)發(fā)布。

本文僅代表作者觀點，版權(quán)歸原創(chuàng)者所有，如需轉(zhuǎn)載請在文中注明來源及作者名字。

免責(zé)聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權(quán)或非授權(quán)發(fā)布，請及時與我們聯(lián)系進(jìn)行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com