远见网一、把第一个闭环跑通
“未来12~18个月，行业的一个checkpoint就是真实部署带来的数据闭环。
不管这个部署数字是多少，只要它是真实的。谁能真正在半开放场景里，把第一个闭环跑通，这将是决定性因素。
” 上海创智学院副教授、智元首席科学家罗剑岚说。
“我们会尽快面向所有场景——60%家庭、30%商用、10%工业，要齐头并进。” 千寻智能创始人兼CEO韩峰涛告诉数智前线。
今年以来，几乎所有海内外头部公司都不眠不休，在家庭、工厂和商业赛道争夺部署机会。
为了争取时间，他们做软硬件一体——机器人本体、大脑、数采设备、甚至灵巧手和关节，防止等待第三方而让节奏慢下来，他们要把数据闭环攥进自己手里。
这一进程，也将影响资本、客户在下一阶段对他们的重新估值和押注。
1、01：具身企业，为什么都在抢同一个闭环
？
去年底，智元机器人对业务赛道重新排兵布阵，智元侧重工业；
智元实控的上纬新材以“上纬启元”品牌锁定消费市场，还有灵巧手公司临界点等。
6月底，智元在全网开启机器人在工厂测试产线干活的直播，地点是消费电子OEM上市公司龙旗科技的江西南昌工厂；
“上纬启元”推出首款个人机器人“启元Q1”，可折叠装进书包，并将在深圳和上海开设线下体验店……
动作很猛的还有千寻智能。“我们构建了一个上千人的数采团队，到今年底会有四千人。
今年我们要采集百万小时数据，明年要达到上千万小时。” 创始人兼CEO韩峰涛告诉数智前线。
他语速很快，要尽快面向家庭、商用、工业齐头并进。他强调，这是公司的核心工作，战略上重视就体现在投入上。
他还特意提到与博世、宝马的合作。
银河通用已从去年起，在全国铺设无人零售、无人药店，目前已超过百个；工业重载机器人进入极氪、宁德、奔驰等工厂；
有趣的是，宁德时代是多家机器人企业的采购方，“它的野心很大”，一位具身企业人士说。
这股风潮不止中国具身智能企业。
即便是美国领头羊PI（Physical Intelligence），这家由前谷歌大脑负责人卡罗尔·豪斯曼创办、用真实世界数据做出第一个多任务具身模型的公司，也开始在海外包括中国大量建厂，采集交互数据。
业内人士对数智前线分析，PI“后劲不足”，受限于美国本土制造业，它不得不靠海外建厂来弥补数据采集短板。
为什么大家都这么急着来干这件事？
“我觉得全球企业CEO都知道要往具身领域投钱，但大家在等一个信号，一旦出现，大把美元就会从天而降。
” 罗剑岚说得很直白，“作为一个创业公司，优势就是快。
二、与智源研究院一起在酒店落地清洁机器人……
谷歌这么大，OpenAI就是在它护城河最深的地方，硬生生敲出一块地。
” 还有行业人士拿Anthropic打比方，其ARR年化营收已达200亿美元，“这个体量不管谷歌还是meta，都不会轻松把它碾死”。
1、今年下半年到明年上半年
同时，行业预估，今年下半年到明年上半年，是世界模型训练高峰期，大家都在努力追求模型泛化性，毕竟没有规模化的真实数据，模型就没有泛化，没有泛化就谈不上规模化部署。
“所谓基模泛化能力，就是把人类不需要专门学习的技能做到70%~80%成功率，再配上初中学历就能掌握、一键把模型从数采中心带到客户场景的低部署门槛。
” 银河通用CTO王鹤解释。
所有具身行业人士都认同一个路径——特斯拉数据飞轮。
过去十年，特斯拉耗费很大精力，部署车队构造了一个巨大飞轮，车队跑出真实数据，数据回流训练模型，更好的模型再下发车队、去解决更长尾问题，反复循环。
它给具身的提示有两条——真实数据很重要，而真实数据只能通过部署获得。
眼下具身数据还少得可怜——有人士说“连一颗黄豆都没到”。
而数据飞轮一旦转起来，就是护城河，别人要做这件事，也得花同样多精力、时间和资源，可你已经走到前沿去了。
千寻则把具身智能的过程分为两阶段，第一阶段把基模做出泛化性，让后训练代价降到分钟级、边际部署成本压到极低，“场景落地所需的后训练数据可降低60%。
” 千寻智能副总裁丛源良说。
这样，才能进入第二阶段——几千万台、上亿台机器人铺进真实世界干活，数据回流，零样本解决更多问题。
“你得先把数据和Infra做好。这俩没做，你压根不用探索模型结构。
” 一家具身智能独角兽的CTO对数智前线分析，而数据和Infra之间，则要先数据、后Infra。
理由是规模小的时候Infra还发挥不了作用，只有机器人在外部署的数量多了，Infra才会派上用场。
“刚起步，做数据收益一定是最大的，到一定规模再去做Infra。这俩都有了，你再做模型结构，我觉得是这样一个顺序。
”
02
机器人大脑，到底需要什么数据？
实际上，它需要一整套覆盖不同能力的数据体系，所以具身企业都在抢家庭、工业、商业场景，齐头并进，采集不同数据源。而每个场景对模型的训练方式也不同。
家庭不重节拍，但要足够泛化，成功率可以低一点。每个家庭环境都不一样，有人士认为，甚至不太需要后训练，因此部署更快。
商场也同理，有自己的特殊需求。
实际上，进工厂本身很难。
三、“我们想让真正掌握模型能力的公司落在无锡
无锡数据集团总经理陈青告诉数智前线，打开工厂的数采场景只能找一把手，老板们不在乎采集补贴，担心的是工艺外泄。
相对而言，家庭是一个可以快速部署的地方。一位资深人士说，家庭的宝贵之处，是可以让真机在开放环境中探索交互数据。
不过，如果既想快速部署，又想在商业上有快速回报，无人药店、无人零售店、酒店清洁等是很好的模式。
“限定场景后就可以采数据、做闭环、做销售，不需要泛化到所有场景，相信这是目前大多数具身企业的做法。
” 一位人士告诉数智前线。
陈青认为，当下采集重心正转向内容数据——EGO这一以人为中心的数据，能够提炼人的操作逻辑，以及UMI无本体数据，把人手臂关节动作和末端映射与机器绑定。
今年以来，EGO数据很火，它是指通过头戴摄像头等设备、采集的人类第一人称视角操作的视频。
京东、蚂蚁、美团正通过众包方式快速Scale up，有业内人士认为，可能未来一天就能到100万小时。
1、UMI数据将成为主流
但丛源良认为，UMI数据将成为主流。
UMI数据是一种手上拿着夹爪、戴着摄像头等轻量设备，采集人类真实操作的低成本方案，其优势是与机器人本体解耦，一套数据能被不同机器人复用。
相比EGO数据，UMI数量稍小、精度更高；
具身企业也在思考采集数据方式。
这样看来，建数采中心、用人控制机器人采数据，“可能是一种成本不一定合理的方式，光建环境就花掉很多代价。
再往后，人们戴上耳机、智能眼镜，生活和工作的第一视角被数字化，这跟自动驾驶逻辑差不多，汽车在路上跑的同时，数据就采集到了，只不过汽车上的传感器很多，人身上还比较少。
他进一步举例，乒乓球机器人若能达到陪练水平，进入工会、学校，采数据甚至可以零成本乃至有收益。
四、拉开差距的是数据积累，而国内在真机数据的积累
1、03：为什么非要自己攥着闭环
在跑闭环的这个过程中，一个值得关注的现象是，去年行业中还有产业链分工模式，有人做大脑、有人做本体，但今年更多企业明确走向软硬闭环，既有机器人本体，也训练模型，还做数采设备，甚至做灵巧手、关节。
“所有的recipe（独门秘籍）在无限长的时间里都会变成公共知识。
“快你就得闭环，硬件里头别人做不好的部分，就得控制在自己的环路里。否则你等别人，就慢下来了。
“这套东西一定要掌握，否则会很被动。
这关系到创新想法的实现。
为此，他们决定自己做软硬件，并研究关节、甚至灵巧手，把末端传感器配置、硬件形态、数采方式和部署推理效率放进同一个系统里去优化，“这些细节才是VLA、世界模型这些概念背后真正的冰山。
” 丁文超说。
而且，数据质检、过滤、标注全靠人工的话，成本谁也扛不住，需要靠模型闭环来提升效率、降低成本。
他的结论是，“软硬一体是国内优势，今天各家在模型层面的差距并不大，真正拉开差距的是数据积累，而国内在真机数据的积累上更快。
”
对于具身智能的终局，行业有初步的时间轴。
