近期一段印度工廠工人頭戴攝像頭、邊干活邊采集數(shù)據(jù)的視頻在社交平臺(tái)廣泛流傳。圖：視頻截圖

4月13日，一段印度工廠工人頭戴攝像頭、邊干活邊采集數(shù)據(jù)的視頻在境內(nèi)外社交平臺(tái)熱傳。一種占據(jù)主流的解讀是，這些拍攝人類勞作的第一視角畫面數(shù)據(jù)，將用于訓(xùn)練機(jī)器人的模型。

實(shí)際上，這背后是具身智能行業(yè)新近興起的一種數(shù)據(jù)采集方式。業(yè)內(nèi)把它叫做真實(shí)世界的人類視頻數(shù)據(jù)，試圖用相對(duì)簡(jiǎn)便的采集方式，實(shí)現(xiàn)工人干活與數(shù)據(jù)采集兩不誤。

此前，具身智能行業(yè)常見的真機(jī)遙操數(shù)據(jù)采集，一般由采集員戴上VR頭顯對(duì)齊機(jī)器人的視野，去遙控一臺(tái)機(jī)器人執(zhí)行任務(wù)。但人類視頻數(shù)據(jù)的采集無(wú)需再配置一臺(tái)機(jī)器人，直接由采集員在手部或頭部佩戴專用的可穿戴設(shè)備后進(jìn)行作業(yè)，進(jìn)而產(chǎn)生操作軌跡數(shù)據(jù)，亦因此被稱為“無(wú)本體數(shù)據(jù)”。

近期，一款基于無(wú)本體數(shù)據(jù)訓(xùn)練出來的具身智能基座模型點(diǎn)燃行業(yè)的討論度。4月2日，美國(guó)具身智能模型公司Generalist發(fā)布新一代GEN-1模型，用50萬(wàn)小時(shí)真實(shí)世界的人類視頻數(shù)據(jù)，實(shí)現(xiàn)模型在多個(gè)簡(jiǎn)單操作任務(wù)中超過99%的成功率。公司還聲稱該模型展現(xiàn)出廣泛的涌現(xiàn)能力，能夠在發(fā)生意外的情況下恢復(fù)任務(wù)執(zhí)行。

“震撼且神秘。”具身智能公司鹿明機(jī)器人聯(lián)席CTO丁琰如此形容這家美國(guó)同行。Generalist的數(shù)據(jù)基建能力，以及隨之而來的模型絲滑程度，讓丁琰感到震撼。神秘之處在于，由于GEN-1是閉源模型，外界難以知曉Generalist究竟如何將采集的原始數(shù)據(jù)進(jìn)行過濾，從而達(dá)到類似大語(yǔ)言模型的“大力出奇跡”效果。

但這不妨礙一些國(guó)內(nèi)具身智能公司與Generalist對(duì)標(biāo)。一種對(duì)標(biāo)做法落腳在數(shù)據(jù)采集方案：聲稱都使用低成本的可穿戴設(shè)備獲取大量數(shù)據(jù)，進(jìn)行模型預(yù)訓(xùn)練，并使用少量真機(jī)數(shù)據(jù)微調(diào)；另一類對(duì)標(biāo)則是所謂底層方法論吻合：從零開始訓(xùn)練一款原生的物理交互基礎(chǔ)模型，而不被現(xiàn)有的VLA或世界模型架構(gòu)束縛。

數(shù)據(jù)采集路線層面的對(duì)標(biāo)從Generalist發(fā)布上一代GEN-0模型后便已開始。2025年11月推出的GEN-0模型，基于27萬(wàn)小時(shí)無(wú)本體數(shù)據(jù)進(jìn)行訓(xùn)練，被Generalist自稱為首次在機(jī)器人領(lǐng)域驗(yàn)證了Scaling Law（縮放定律）的存在。

采集成本低、供給規(guī)模大，是無(wú)本體數(shù)據(jù)相較于傳統(tǒng)真機(jī)遙操數(shù)據(jù)的顯著優(yōu)勢(shì)，但也對(duì)公司的算法能力提出更高要求。一位從事具身智能數(shù)據(jù)采集工作的大廠員工介紹，無(wú)本體數(shù)據(jù)現(xiàn)在是各家都特別關(guān)注的方向。GEN-0模型出來后，許多企業(yè)都在往無(wú)本體數(shù)據(jù)方向發(fā)力，甚至?xí)匝胁杉O(shè)備。丁琰表示：“GEN-1給了整個(gè)行業(yè)做無(wú)本體數(shù)據(jù)的人信心，感覺像是看不見天花板了。”

南都記者注意到，2026年以來，銀河通用、星海圖等國(guó)內(nèi)頭部具身智能公司均調(diào)整了所謂的“數(shù)據(jù)金字塔”結(jié)構(gòu)，在原有真機(jī)遙操數(shù)據(jù)、仿真合成數(shù)據(jù)等的基礎(chǔ)上，新納入無(wú)本體數(shù)據(jù)。千尋智能則進(jìn)一步迭代自研的可穿戴式數(shù)采設(shè)備，并將數(shù)采團(tuán)隊(duì)擴(kuò)充至千人規(guī)模。

長(zhǎng)期以來，人形機(jī)器人被嘲諷“沒有腦子”，數(shù)據(jù)短缺是背后的“卡脖子”難題。如今，無(wú)本體數(shù)據(jù)采集方案的興起，讓一些從業(yè)者看到了破局的可能性，不少具身智能數(shù)據(jù)公司也借機(jī)浮出水面。

數(shù)據(jù)采集范式會(huì)加快收斂嗎？

在無(wú)本體數(shù)據(jù)崛起之前，具身智能行業(yè)曾圍繞真機(jī)遙操數(shù)據(jù)與仿真合成數(shù)據(jù)上演路線之爭(zhēng)。

支持真機(jī)遙操數(shù)據(jù)的一方強(qiáng)調(diào)，具身智能需要高質(zhì)量的數(shù)據(jù)，仿真合成數(shù)據(jù)存在sim2real（仿真到現(xiàn)實(shí)）的遷移鴻溝，且難以完美模擬物理摩擦力、物體表面粗糙度等真實(shí)世界特性。而以銀河通用為代表的仿真合成數(shù)據(jù)擁護(hù)方，則直指真機(jī)遙操數(shù)據(jù)存在采集速度慢、成本高且難以跨本體等短板。

前述大廠數(shù)采業(yè)務(wù)員工提到，如果用仿真合成數(shù)據(jù)訓(xùn)練，數(shù)據(jù)質(zhì)量達(dá)不到要求，模型效果就比較差。真機(jī)遙操數(shù)據(jù)雖然質(zhì)量高，但卡在規(guī)模提不上去，滿足不了具身基礎(chǔ)模型Scaling Law的需求。他認(rèn)為，現(xiàn)階段，“量”比“質(zhì)”更重要，“數(shù)據(jù)規(guī)模上不去的話，質(zhì)量再高也不行”。

據(jù)丁琰介紹，傳統(tǒng)遙操每小時(shí)僅能采集約35條數(shù)據(jù)，效率較低。在美國(guó)，一小時(shí)遙操采集的相應(yīng)成本約為100-200美元，相對(duì)高昂。而且，遙操采集的攝像頭記錄的是機(jī)械臂本身的運(yùn)動(dòng)軌跡和畫面，由于不同廠商的機(jī)器人長(zhǎng)得都不一樣，用一個(gè)廠商的機(jī)器人采集的數(shù)據(jù)，很難遷移至其他廠商的機(jī)器人身上，產(chǎn)生“數(shù)據(jù)孤島”的問題，不同公司之間也不得不“重復(fù)造輪子”。

在此背景下，無(wú)本體數(shù)據(jù)以數(shù)采新范式的姿態(tài)異軍突起。2025年11月，Generalist和另一家美國(guó)具身智能模型公司Sunday Robotics分別發(fā)布GEN-0和ACT-1兩款模型。無(wú)獨(dú)有偶的是，這兩款引發(fā)業(yè)內(nèi)廣泛關(guān)注的模型，均采取無(wú)本體數(shù)據(jù)范疇下的UMI（通用操作接口）采集方案——由人工手持二指或三指夾爪演示操作，夾爪旁安裝了攝像頭，記錄夾爪的外觀和操作過程。

采集員手持夾爪操作任務(wù)。圖：Generalist

根據(jù)鹿明機(jī)器人基于自研UMI數(shù)采設(shè)備的測(cè)算，相較傳統(tǒng)遙操采集，單條UMI數(shù)據(jù)的效率提升5倍，成本降至1/5。另外UMI數(shù)據(jù)還具備跨本體的泛化能力。在部署時(shí)，只要機(jī)器人手部夾爪的外觀、攝像頭參數(shù)與采集時(shí)用的手持設(shè)備保持一致，無(wú)論機(jī)器人搭配何種類型的機(jī)械臂，所采集的數(shù)據(jù)均可相互通用。

除了UMI數(shù)采，無(wú)本體數(shù)據(jù)方案中的另一火熱方向是Ego-centric數(shù)據(jù)（第一人稱人類視頻數(shù)據(jù)，以下簡(jiǎn)稱Ego數(shù)據(jù)）。取名“第一人稱”，與采集視角有關(guān)。在英偉達(dá)今年2月中旬推出的EgoScale方案中，采集員佩戴一臺(tái)頭戴式攝像頭和兩臺(tái)腕戴式攝像頭，分別記錄第一人稱視角和腕部視角；另外還有追蹤器和穿戴手套，分別捕捉人類手臂與手部運(yùn)動(dòng)。

英偉達(dá)EgoScale數(shù)采方案。圖：EgoScale論文

聚焦Ego數(shù)據(jù)采集業(yè)務(wù)的初創(chuàng)公司星憶科技創(chuàng)始人宋知珩預(yù)測(cè)，Generalist初期采用 UMI方案大規(guī)模采集數(shù)據(jù)以驗(yàn)證Scaling Law，后續(xù)或?qū)⑻嵘鼸go數(shù)據(jù)的比例，并從兩指夾爪向更高自由度的抓取方向探索。因?yàn)槲锢鞟GI的訴求是通用和泛化，這離不開高自由度和包括視覺、觸覺、姿態(tài)等在內(nèi)的多模態(tài)數(shù)據(jù)采集。他判斷，具身智能數(shù)據(jù)范式會(huì)向Ego數(shù)據(jù)收斂。

頭部具身智能數(shù)據(jù)服務(wù)商光輪智能聯(lián)合創(chuàng)始人、總裁楊海波在3月底向南都記者表示，過去，具身智能究竟需要怎樣的數(shù)據(jù)，業(yè)內(nèi)缺乏清晰認(rèn)知。如今，業(yè)界對(duì)無(wú)本體數(shù)據(jù)的共識(shí)度正在提升。一旦新方向確立，下一步需要做的就是不斷加大投入。

當(dāng)無(wú)本體數(shù)據(jù)方案蔚然成風(fēng)，真機(jī)遙操數(shù)據(jù)、仿真合成數(shù)據(jù)將何去何從？

“如果你擁有足夠高質(zhì)量且多樣化的真實(shí)世界數(shù)據(jù)，那么仿真數(shù)據(jù)和遙操作數(shù)據(jù)的價(jià)值就會(huì)降低。這本質(zhì)上是一個(gè)成本問題。”Generalist聯(lián)合創(chuàng)始人、首席科學(xué)家Andy Zeng在4月初接受南都記者采訪時(shí)舉例說，對(duì)于太空機(jī)器人，使用仿真數(shù)據(jù)可能更具經(jīng)濟(jì)性，因?yàn)閷⑷怂腿胩盏某杀痉浅８甙骸?/p>

根據(jù)多位業(yè)內(nèi)受訪者的觀點(diǎn)，真機(jī)遙操數(shù)據(jù)很難被無(wú)本體數(shù)據(jù)完全取代，將主要用于具身智能“大腦”訓(xùn)練完成后、機(jī)器人部署到具體場(chǎng)景時(shí)的對(duì)齊和調(diào)優(yōu)。例如，GEN-1模型在預(yù)訓(xùn)練的基礎(chǔ)上，執(zhí)行特定的新任務(wù)前再使用1小時(shí)的機(jī)器人真機(jī)數(shù)據(jù)進(jìn)行微調(diào)。仿真合成數(shù)據(jù)則適用于人類難以通過可穿戴設(shè)備去采集的場(chǎng)景，比如一些高危環(huán)境。

無(wú)本體數(shù)采供應(yīng)商浮出水面

具身智能風(fēng)口席卷的過去兩三年里，資本蜂擁流向了人形機(jī)器人本體和“大腦”企業(yè)，而作為數(shù)據(jù)供應(yīng)商的創(chuàng)業(yè)公司鮮少獲得同等關(guān)注。

宋知珩告訴南都記者，相較于模型研發(fā)和本體制造的企業(yè)，國(guó)內(nèi)具身智能數(shù)據(jù)基建公司的融資規(guī)模存在明顯差距。這是因?yàn)椋袌?chǎng)普遍將數(shù)據(jù)視為一門生意，投資人通常詢問“你的數(shù)據(jù)賣了多少”，并以此作為參考來討論公司估值。然而，對(duì)于從事具身智能模型研發(fā)的廠商，市場(chǎng)的評(píng)價(jià)體系則更偏向長(zhǎng)期潛力。即使這些公司零營(yíng)收或營(yíng)收很少，也能拿到很高的估值，融到很多的資金。

“大家對(duì)于數(shù)據(jù)公司的關(guān)注度不是那么充分。”宋知珩認(rèn)為，模型本質(zhì)上是從數(shù)據(jù)中提煉智能，模型的架構(gòu)歸根結(jié)底來源于數(shù)據(jù)。

隨著無(wú)本體數(shù)據(jù)成為風(fēng)口，提供具身智能數(shù)據(jù)基建服務(wù)的創(chuàng)業(yè)公司得到市場(chǎng)更多的青睞。

資本在往這一方向押注。比如，由Momenta前員工陳建興創(chuàng)辦的簡(jiǎn)智機(jī)器人，在2025年12月披露總額超2億元的三輪融資，投資方包括BV百度風(fēng)投、速騰聚創(chuàng)、順為資本、Momenta、星海圖等。這家公司開發(fā)了數(shù)據(jù)采集手套、第一視角多模態(tài)數(shù)據(jù)采集頭戴式設(shè)備等多款可穿戴數(shù)采設(shè)備。宋知珩所在的星憶科技，也在今年3月拿到千萬(wàn)級(jí)首輪融資，由“清華系”水木創(chuàng)投領(lǐng)投。該公司計(jì)劃推出一款面向Ego方案的多模態(tài)數(shù)據(jù)采集穿戴設(shè)備。與此同時(shí)，京東于今年3月宣布入局?jǐn)?shù)采業(yè)務(wù)，計(jì)劃在一年內(nèi)積累500萬(wàn)小時(shí)人類真實(shí)場(chǎng)景視頻數(shù)據(jù)，兩年內(nèi)突破1000萬(wàn)小時(shí)，建成全球最大具身數(shù)據(jù)采集中心。

市場(chǎng)需求也在向無(wú)本體數(shù)據(jù)靠攏。有提供相關(guān)數(shù)據(jù)產(chǎn)品的公司聲稱，2026年第一季度的營(yíng)收超過2025年全年，大廠是重要的采購(gòu)方。丁琰任職的鹿明機(jī)器人目前提供無(wú)本體數(shù)據(jù)采集軟硬件系統(tǒng)，據(jù)其透露，GEN-1模型推出之后，行業(yè)內(nèi)前來咨詢合作的客戶數(shù)量持續(xù)增長(zhǎng)。采購(gòu)方覆蓋機(jī)器人本體公司、模型公司、科研院所、大廠具身團(tuán)隊(duì)等諸多類型。

而在無(wú)本體數(shù)據(jù)采集設(shè)備的需求端，具身智能數(shù)采中心是重要的潛在客戶。根據(jù)市場(chǎng)調(diào)研機(jī)構(gòu)Interact Analysis的報(bào)告，截至 2025 年年底，中國(guó)已經(jīng)有50個(gè)以上的國(guó)家或省市區(qū)級(jí)人形機(jī)器人數(shù)據(jù)采集與訓(xùn)練中心。其中，至少有9個(gè)數(shù)采中心的機(jī)器人數(shù)量在100 臺(tái)左右，至少有5個(gè)數(shù)采中心的機(jī)器人數(shù)量在50臺(tái)左右。這意味著，大量政府背景的數(shù)采中心仍以真機(jī)遙操數(shù)據(jù)采集為主要模式。

但鹿明機(jī)器人聯(lián)合創(chuàng)始人趙廣智透露，很多數(shù)采廠表達(dá)了對(duì)無(wú)本體數(shù)據(jù)采集方案的濃厚興趣。核心原因在于，建設(shè)無(wú)本體數(shù)采工廠可省去購(gòu)置機(jī)器人本體的高額硬件成本；同時(shí)能實(shí)現(xiàn)數(shù)據(jù)和硬件本體的解耦，而不受限于某款特定的本體，通過標(biāo)準(zhǔn)化流程直接記錄人的操作動(dòng)作軌跡。宋知珩也告訴記者，數(shù)采中心在逐漸增大無(wú)本體數(shù)據(jù)的采集比例。

不同的數(shù)采設(shè)備及采集方式，都可能影響無(wú)本體數(shù)據(jù)的質(zhì)量。

丁琰提到，如果UMI數(shù)采設(shè)備在硬件性能和系統(tǒng)設(shè)計(jì)上存在不足，就會(huì)導(dǎo)致采集的數(shù)據(jù)難以穩(wěn)定復(fù)現(xiàn)，無(wú)法用于模型的訓(xùn)練。有了高質(zhì)量的硬件設(shè)備之后，還需要規(guī)范采集技巧來提升數(shù)據(jù)的質(zhì)量。低質(zhì)量的數(shù)據(jù)往往包含大量抖動(dòng)、漂移、時(shí)間錯(cuò)位等無(wú)效的冗余信息，很難幫助模型學(xué)會(huì)如何與世界準(zhǔn)確交互。

在丁琰看來，高質(zhì)量無(wú)本體數(shù)據(jù)通常需要在嚴(yán)密設(shè)計(jì)的物理空間內(nèi)，由經(jīng)過培訓(xùn)的采集員按照嚴(yán)格的標(biāo)準(zhǔn)流程去操作完成。但Generalist會(huì)以眾包的方式，將穿戴設(shè)備分派給世界各地的普通人承接采集任務(wù)。丁琰判斷，眾包方式獲取的數(shù)據(jù)質(zhì)量是較大挑戰(zhàn)。如此條件下，Generalist訓(xùn)練出的模型卻能做出精細(xì)化的動(dòng)作，或依靠強(qiáng)大的數(shù)據(jù)過濾系統(tǒng)。

Sunday Robotics同樣采用眾包數(shù)采的做法。該公司聯(lián)合創(chuàng)始人遲宬在3月于蘇黎世聯(lián)邦理工學(xué)院的一場(chǎng)講座上回應(yīng)數(shù)據(jù)質(zhì)量話題時(shí)表示，過濾數(shù)據(jù)固然重要，但更關(guān)鍵的是，非常清楚地傳達(dá)到底想要什么，并讓采集數(shù)據(jù)的人與這個(gè)目標(biāo)對(duì)齊。

宋知珩補(bǔ)充說，數(shù)采廠盡管可以確保數(shù)據(jù)收集的質(zhì)量，但問題在于，數(shù)采廠不能復(fù)刻所有的真實(shí)場(chǎng)景，例如不可能專門搭建一條汽車生產(chǎn)線用于數(shù)采。如此一來，在真實(shí)場(chǎng)景中自然采集人類視頻數(shù)據(jù)變得必要。這需要把采集設(shè)備做得很輕量，將對(duì)人類員工在真實(shí)場(chǎng)景工作流程的影響降到最低。

中國(guó)具身公司“補(bǔ)課”數(shù)據(jù)短板

Generalist以眾包方式大規(guī)模采集數(shù)據(jù)，追求“大力出奇跡”，在丁琰看來，這種模式需要對(duì)海量數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練，對(duì)算力資源的消耗會(huì)比較大。

盡管Generalist未披露具體使用了多大規(guī)模的算力進(jìn)行訓(xùn)練，但其對(duì)自身的算力資源并不諱言。公司在4月7日一篇博客中寫到：“如果你擁有足夠的數(shù)據(jù)和算力，從零開始的訓(xùn)練總是能帶來勝利。”

丁琰估算，GEN-1模型使用50萬(wàn)小時(shí)數(shù)據(jù)訓(xùn)練，可能需要大幾千張乃至上萬(wàn)張AI芯片支持，“這是挺奢侈的一件事情。”

面臨算力資源限制的情況下，一些中國(guó)的具身智能創(chuàng)業(yè)公司此前不敢輕易冒險(xiǎn)。而當(dāng)無(wú)本體數(shù)采方案被Generalist等公司“帶火”之后，中國(guó)創(chuàng)業(yè)公司的相繼追隨又被一些聲音質(zhì)疑為“抄作業(yè)”。

千尋智能創(chuàng)始人韓峰濤在2月下旬接受《晚點(diǎn)》采訪時(shí)澄清，公司實(shí)際上從2024年就開始做可穿戴設(shè)備采集方案，“看到（Generalist）他們的發(fā)布，我們也很開心，原來和我們做的是一樣的”。他還直言，如果公司一開始能融幾億美元，肯定直接 all in 數(shù)據(jù)。但在中國(guó)創(chuàng)業(yè)，如果沒有Demo（演示）和商業(yè)化苗頭，很難持續(xù)融資。所以需要花一些精力探索商業(yè)化，客觀上影響了解決數(shù)據(jù)問題的速度。

盡管業(yè)界公認(rèn)具身智能幾乎處于早期，但該領(lǐng)域的不少投資人已迫切希望看到創(chuàng)業(yè)公司能產(chǎn)生實(shí)質(zhì)的商業(yè)化進(jìn)展。不止一位投資人向南都記者表達(dá)過類似的言論：創(chuàng)業(yè)公司的落地能力、能否拿到商業(yè)化訂單，是做投資決策的重要依據(jù)。

資本層面對(duì)商業(yè)化的催熟背后，被認(rèn)為源于中美兩國(guó)的創(chuàng)投生態(tài)差異。有業(yè)內(nèi)人士觀察，美國(guó)的投資機(jī)構(gòu)，目前對(duì)于具身智能的商業(yè)化“好像不是那么在乎”，可以容忍創(chuàng)業(yè)公司去瘋狂地探索和試錯(cuò)。宋知珩亦有類似的體感——中國(guó)的投資人對(duì)創(chuàng)業(yè)公司的經(jīng)營(yíng)有很高要求，需要公司做一些“沿途下蛋”的事情。

投融資環(huán)境的差異，進(jìn)一步塑造了中美具身智能創(chuàng)業(yè)公司的不同行為模式。“國(guó)內(nèi)公司非常注重落地，要把story講得非常飽滿。”在今年1月下旬的一檔播客中，國(guó)地共建具身智能機(jī)器人創(chuàng)新中心首席研究員張強(qiáng)表示，像Physical Intelligence（Pi）、Sunday Robotics的風(fēng)格不同,“Pi除非哪天扔出來一個(gè)ChatGPT這樣的產(chǎn)品，否則在那之前都不會(huì)落地。”

但宋知珩分析認(rèn)為，中美具身路線差異，也與各自的制造業(yè)基礎(chǔ)息息相關(guān)。美國(guó)制造業(yè)空心化嚴(yán)重，創(chuàng)業(yè)公司往往不會(huì)優(yōu)先打造高性能機(jī)器人本體，而是直接投入到物理AGI模型的研發(fā)中。相反，中國(guó)擁有先天的制造業(yè)基礎(chǔ)，在產(chǎn)業(yè)策略上更容易先從本體能力切入。隨著機(jī)器人本體性能和運(yùn)動(dòng)控制算法逐漸成熟，行業(yè)已經(jīng)走到需要彌補(bǔ)相對(duì)落后的具身智能模型開發(fā)、解決數(shù)據(jù)問題的時(shí)間點(diǎn)了。“中國(guó)的（具身智能）故事，也開始轉(zhuǎn)向美國(guó)故事的模式。”

采寫：南都N視頻記者 楊柳