三问“具身数据元年”：堆规模是拐点还是“暴力美学”？

2026年被业内公认为具身智能的“数据元年”，这一共识并非凭空而来，而是物理世界应用中“算法难落地、场景不通用”的现实倒逼出的必然选择。

值得关注的是，若说2025年的“量产元年”更像是本体厂商的宣传口号与阶段性成果展示，2026年的“数据元年”则是本体、模型厂商必须直面的产业结构性矛盾。更深层的差异在于，2025年本体企业即便未实现量产，仍有技术迭代与产能爬坡的容错空间；但2026年若厂商无法打磨出差异化数据解决方案，始终停留在Scaling Law的门槛外，外界对其的耐心或将逐渐耗尽。

由此，一场数据采集设备的竞赛已悄然展开。从规模化应用VR+手柄遥操作采集本体真机数据，到无本体数据采集设备UMI、Ego的出现，再到基于外骨骼遥操作的真机数据采集方案，在真机与仿真的二元对立间开辟了新路径。这从侧面反映出，业界对于“什么样的数据能获认可、真正需要何种数据”的问题，尚未形成清晰答案。

从产业发展视角看，数据采集设备竞赛导致本体厂商忙着自建数据采集团队，模型公司扎堆布局混合数据生成引擎，各方都试图以差异化打法破解“数据饥渴”困境，夯实自身数据壁垒。

但这场狂欢真能解决问题吗？ALL IN数据的厂商们，究竟是被行业焦虑裹挟的跟风者，还是真正找准底层痛点的破局者？

暂且抛开老生常谈的数据问题，单看近期动态：2025年末Generalist的27万小时数据在具身智能领域引发轰动，看似Scaling law时刻已至，却有业内声音认为其本质是一场“暴力美学”。

毕竟，规模与丰富度只是数据饥渴的原因之一，精细化与高质量才是解决问题的关键。数据饥渴的核心从来不是“缺数据”，而是“缺有用的数据”。这正是具身数据元年的关键——不是“堆规模”，而是“找对路径”。

当我们剥离焦虑情绪，具身智能数据的核心拷问才真正浮现。

都在说缺数据，到底缺哪种类型的数据？

坦白讲，不少人尚未意识到“数据是为场景服务的”。

很多人对数据金字塔存在误解，总认为最难得且最好用的是真机数据。但实际上，数据金字塔是动态变化的，并非一成不变，取决于在什么场景下解决什么问题。

正如即将完成IPO的王兴兴在西门子首届科技峰会上所言：“我们公司和业内，能用仿真环境、仿真训练解决的，尽可能用仿真解决，因为速度快、成本低，还能调整参数”，这在人形机器人走、跑、打拳等动作中较为常见。而他也坦言：“机器人做‘操作’相关动作时，靠仿真做得还不够好，全球范围内仍需靠真人采集数据训练”，当然真人采集也面临环境搭建有限、成本高等痛点。

从王兴兴的话中能看出他对数据的取舍逻辑：始终从数据本身的“可供性”出发，并通过场景验证获取实践反馈。企业要知道缺什么类型的数据，不是在实验室里猜测，而是在真实场景中发掘。

从场景角度看，无论是互联网数据，还是少量真机+仿真形成的海量数据，都能让具身智能机器人完成“大开大合式”动作。这些数据支撑机器人从实验室走进物理世界，但距离实现生产力目标仍有差距。

互联网视频数据缺少力觉、触觉反馈，仿真数据难以还原不同材质的物理特性（如布料的柔软度、金属的光滑度），即便少量真机数据，也多聚焦于本体运动，而非末端操作细节。但在家庭服务、物流分拣、工业制造等多数生产力场景中，都需要“本体运动+大量末端操作”。换句话说，当前数据的核心诉求可聚焦于末端执行器，尤其是具备复杂“指间功夫”的灵巧手。

目前国外关注度较高的特斯拉、Figure机器人已证实，其在实际落地时，灵巧手的参与度并不高，很多时候虽有“手”，却干着“夹爪”的活。

遗憾的是，这类数据无法通过“暴力采集”获得。与通用场景数据不同，灵巧手数据具有极强的场景特异性：同样是“抓取”动作，抓取玻璃制品与橡胶零件的力控曲线完全不同；同样是“拧动”动作，手动螺丝刀与电动螺丝刀的操作逻辑存在本质差异。这意味着厂商必须深入具体场景，通过数采设备采集“针对性数据”，这也是其稀缺性的核心原因。

这场数据补位战，本质是从“泛化数据堆砌”向“场景化精细数据深耕”的转型，而灵巧手数据的储备厚度，将直接决定机器人的生产力边界。

数据采集竞赛会产生唯一解吗？

当下业内已意识到灵巧手数据采集的重要性，下一步关键在于如何采集更准确的数据。

目前数据采集设备竞赛已进入白热化阶段。除了持续扩张的真机数采厂，UMI、Ego、外骨骼等设备也异军突起，都在以低成本、高效率的方式寻求突破。

当前UMI主要聚焦机械臂末端的操作数据采集，因此难以覆盖机器人全身协调动作，且多以两指夹爪为末端专注于夹爪类任务，这使其在需要全身交互的场景中应用受限。

但对于聚焦单一操作任务的中小企业而言，UMI仍是当前阶段“成本与精度平衡”的最优解之一；由此衍生出解决机器人全身协调动作的Ego方案，但Ego存在依赖强大算法后端完成多维重建和数据对齐的难题，且二者在数据采集中更偏向提供海量数据用于预训练，数据质量问题会堆积到后期，处理成本极高。

目前UMI和Ego这两类数采设备逐渐开始强绑定，比如鹿明机器人、简智机器人都在推出UMI后相继发布Ego数采设备，并支持相互配合使用。业内将二者采集的数据视为互补的信息来源。

但仅靠这两者仍难以解决灵巧操作难题。一方面UMI局限于夹爪形态，另一方面Ego这类以自我为中心的人类数据虽扩展性强，但亚毫米级的手指位姿和触觉数据仍存在缺失，这使得UMI、Ego及其组合都难以让机器掌握精细操作技能。

因此，我们看到了更多针对“灵巧末端”的新型数据采集硬件。例如近期智在无界（BeingBeyond）推出的全球首款Real DexUMI——U1，受UMI范式影响，将灵巧手硬件、本体交互接口、动态追踪与触觉感知整合在同一系统中，可通过自然操控实现动作复刻；还有灵巧智能的DexCap外骨骼数据采集系统，实现了人体上肢及腰部的全维度动态捕捉，在常规视觉遥操基础上增加了手部震动力觉反馈，为灵巧手产品开发提供了可靠的数据来源。

值得注意的是，灵巧智能并非概念先行。早在2025年上半年，业内尚未意识到末端操作数据重要性时，其已通过外骨骼路径进行规模化采集。经过近一年技术迭代，在UMI、Ego引发广泛热议之际，该设备仍以必要性存在于前沿数据采集中，切实推动产业发展。

此外，当前末端操作的数据采集技术路线多样，除UMI、Ego、外骨骼外，光学动捕、惯性动捕、IMU/量子传感/光纤/弹性传感的数据手套等也可采集末端数据，但经市场验证，这些手套更适用于中低精度和弱磁场环境，且后期数据处理成本极高，在现有技术条件下规模化潜力有限。

总之，这场设备竞赛的终局并非“谁取代谁”，而是“谁能更好地融入协同生态”。外骨骼设备凭借力觉触觉复刻、长期稳定输出、数据标准化三大核心优势，成为灵巧手精细化数据采集的“刚需配置”；UMI与Ego则以高效、低成本的特点承担规模化数据积累的角色；各类数据手套也在技术蛰伏期等待突破。

必须强调的是，设备和数据更多时候并非“排他性”的，反而应尝试有效结合。

数据采集的话语权该归谁？

一个有趣的现象是，具身智能产业链正逐步完善：从前大致分为本体、大脑两个阵营，如今已涌现出深耕数据的独角兽企业。一时间，市面上“人人都有数据，人人都想占山为王”。

但数据话语权究竟该归谁？

答案是拥有硬件的主体——无论是本体、模型还是数据厂商，谁更懂数据采集硬件，谁就拥有话语权。

数据采集绝非简单的“记录动作”，而是要将物理世界的操作精准转化为数字世界的可用资产，这背后离不开硬件的三大核心支撑：数据维度、数据质量、数据处理成本。

数据维度要求采集的信息足够丰富，若维度不足，模型训练时会大量“猜测”，最终难以收敛；数据质量在某种程度上决定了模型“吃的是粗粮还是细糠”，“粗粮”会导致模型“粗糙”，无法完成精细任务；最后是数据处理成本，即“全链路处理成本”，包括数据采前、采后的管线建设、人员培训、数据清洗、算法映射等一整套“工业产线”式的成本。这三者共同决定了数据采集的成败。

目前不少数采企业在这些环节普遍未掌握全要素，但也有部分厂商和设备的理念考虑到了数据的“维度、质量与处理成本”。

以灵巧智能的DexCap系统为例，其具备这三大核心支撑：“全维度动态捕捉”涵盖手、双臂及腰部多维度数据，相比仅聚焦末端数据，信息丰富度大幅提升；“千赫兹响应和触觉感知增强”确保虚拟操控与真实动作1:1映射，流畅且真实；外骨骼设备硬件还具备高耐用性，长期采集过程中精度无衰减，数据质量持续稳定。此外，设备输出数据格式统一、维度完整，为后续标注、清洗与复用提供便利，助力构建可持续迭代的高质量数据集。

更重要的是，灵巧智能是知名灵巧手本体厂商，尤其在高自由度灵巧手领域成果显著。它离“手”最近，最懂灵巧操作的数据该是什么样。

由此可见，数据话语权的争夺核心是对“物理世界数字化入口”的掌控。本体厂商通过硬件的轻量、高效与协同创新，构建了数据采集的底层基础设施，让高质量数据的规模化生产成为可能；而灵巧智能则依托这一基础设施，将数据价值转化为真实可用的操作能力，形成“硬件赋能数据，数据驱动智能”的正向循环。

这也正是具身智能产业的核心逻辑：谁掌握了硬件这一数据采集的“第一触点”，谁就掌握了整个产业的发展主动权。

结语：数据元年的真正含义

回到数据元年的背景来看，“数据元年”并非指数据突然激增，而是意味着行业开始意识到：数据生产本身就是核心能力。

互联网时代的数据往往被动产生，而具身智能时代的数据必须主动制造。这使得数据不再唾手可得，我们必须面对的现实是：它更像一种与硬件深度绑定的工业产出。谁拥有设备、控制部署、理解场景，谁才能稳定生产高价值数据。

在具身智能的世界里，真正稀缺的从来不是数据本身，而是稳定产出高价值数据的能力。从灵巧智能的案例来看，谁离真实数据更近，建立起稳定、高质量、可扩展的数据生产体系，谁就更有可能在未来竞争中占据优势。

本文来自微信公众号“具身研习社”，作者：彭堃方、吕鑫燚，36氪经授权发布。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com