2026年5月1日，國(guó)際勞動(dòng)節(jié)。特斯拉宣布Optimus Gen-3在加州弗里蒙特工廠啟動(dòng)量產(chǎn)，為了給這條新產(chǎn)線騰地方，砍掉了Model S和Model X的生產(chǎn)線——兩款奠基旗艦，就此退場(chǎng)。

四個(gè)月前，黃仁勛在CES上宣告“物理AI的ChatGPT時(shí)刻即將到來(lái)”。他將AI演進(jìn)劃分為四個(gè)階段：感知AI、生成式AI、代理AI、物理AI。再聰明的ChatGPT也無(wú)法直接進(jìn)入物理世界，物理AI需要理解重力、摩擦、慣性和因果關(guān)系，問(wèn)答之外，需要他們能在真實(shí)世界中搬動(dòng)物體。

如果說(shuō)AI 1.0的關(guān)鍵詞是“對(duì)話”，那么2.0的關(guān)鍵詞是“動(dòng)手”。

但“動(dòng)手”的前提是“學(xué)會(huì)”。而數(shù)據(jù)端上，某種程度來(lái)說(shuō)機(jī)器人正在挨餓。

會(huì)跑會(huì)跳，不會(huì)疊衣服

2025年除夕，16臺(tái)宇樹(shù)H1機(jī)器人穿大花棉襖登上央視春晚扭秧歌，130多個(gè)舞蹈動(dòng)作全由AI強(qiáng)化學(xué)習(xí)訓(xùn)練完成。14億人第一次在最大眾的場(chǎng)景里看到人形機(jī)器人“表演”。一年之后，我們?cè)诖和砦枧_(tái)上看到了機(jī)器人做出更高難度的舞蹈動(dòng)作，在機(jī)器人馬拉松上，機(jī)器人們也再次刷新紀(jì)錄。

這恰好暴露了行業(yè)最尷尬的現(xiàn)實(shí)：機(jī)器人“小腦發(fā)達(dá)、大腦不足”，擅長(zhǎng)跑跳翻滾等運(yùn)動(dòng)控制，卻無(wú)法完成疊衣服、擦桌子、給老人喂藥這些真正實(shí)用的任務(wù)。產(chǎn)業(yè)停留在“炫技”階段，原因不是算法不夠好，而是數(shù)據(jù)不夠多。

訓(xùn)練一個(gè)通用具身大模型需要數(shù)千萬(wàn)小時(shí)以上高質(zhì)量真實(shí)數(shù)據(jù)，全球行業(yè)存量?jī)H數(shù)十萬(wàn)小時(shí)，缺口超過(guò)95%。研發(fā)端月均需求約120萬(wàn)小時(shí)，全行業(yè)月產(chǎn)出僅25至30萬(wàn)小時(shí)——月供給不足需求的四分之一，模型訓(xùn)練長(zhǎng)期“斷糧”。真機(jī)采集1小時(shí)僅產(chǎn)20條有效軌跡，數(shù)據(jù)格式不統(tǒng)一，跨機(jī)器人本體復(fù)用率低，精度、規(guī)模、成本三者難以兼得。

LLM時(shí)代，互聯(lián)網(wǎng)上幾乎無(wú)窮的文本語(yǔ)料喂飽了大語(yǔ)言模型。但具身智能需要的不是文字，而是人類在物理世界中搬、拿、捏、擦、疊、扶的真實(shí)動(dòng)作軌跡。這種數(shù)據(jù)不在互聯(lián)網(wǎng)上，必須一幀一幀從真實(shí)場(chǎng)景中采出來(lái)。2026年被行業(yè)共識(shí)定義為“具身智能數(shù)據(jù)元年”——不是因?yàn)榧夹g(shù)有了躍遷，而是所有人終于承認(rèn)：沒(méi)有數(shù)據(jù)，一切免談。

2025年被稱為人形機(jī)器人工廠工人元年，但“炫技”到實(shí)用仍有鴻溝

最大的鏟子，不在硅谷

歷史上每一輪淘金熱都證明了同一件事：最先賺到錢的往往不是挖金子的人，而是賣鏟子的人。AI 1.0時(shí)代，英偉達(dá)賣的是算力鏟子。AI 2.0時(shí)代，瓶頸從算力遷移到了數(shù)據(jù)——誰(shuí)能大規(guī)模、低成本、高精度地采集和處理物理世界的操作數(shù)據(jù)，誰(shuí)就握住了新鏟子的手柄。

2026年4月，京東發(fā)布了一套覆蓋“采、存、標(biāo)、訓(xùn)、評(píng)、仿、測(cè)”全鏈路的具身智能數(shù)據(jù)基礎(chǔ)設(shè)施，試圖從源頭破解這道難題。

采集端，京東自研的JoyEgoCam頭戴設(shè)備僅重220克，雙目4K/60fps，重投影誤差小于0.2像素，內(nèi)置車規(guī)級(jí)IMU，讓數(shù)據(jù)從源頭就具備毫米級(jí)精度。但硬件只是起點(diǎn)，真正的壁壘在規(guī)模——京東計(jì)劃發(fā)動(dòng)最多60萬(wàn)人參與采集：內(nèi)部10萬(wàn)員工覆蓋倉(cāng)儲(chǔ)、物流、家政、零售等自有場(chǎng)景，外部50萬(wàn)行業(yè)人員延伸至保潔、康養(yǎng)、農(nóng)務(wù)、服裝加工等場(chǎng)景，僅宿遷一地就有超過(guò)10萬(wàn)市民參與。這可能是人類歷史上規(guī)模最大的物理世界數(shù)據(jù)采集行動(dòng)。

產(chǎn)能目標(biāo)同樣激進(jìn)：兩年內(nèi)積累1000萬(wàn)小時(shí)人類真實(shí)場(chǎng)景視頻數(shù)據(jù)加100萬(wàn)小時(shí)機(jī)器人本體數(shù)據(jù)。

采集只是第一步。京東在數(shù)據(jù)處理端同樣下了重注：JoyBuilder訓(xùn)練平臺(tái)通過(guò)軟硬件深度調(diào)優(yōu)，將1億條以上數(shù)據(jù)的千卡訓(xùn)練時(shí)間從15小時(shí)壓縮到22分鐘，提速40倍，整體效率較開(kāi)源社區(qū)版本提升3.5倍。以自采數(shù)據(jù)為核心訓(xùn)練的具身大模型JoyAI-RA，真機(jī)實(shí)驗(yàn)成功率達(dá)到73.5%，超過(guò)業(yè)內(nèi)多個(gè)前沿模型——模型反哺數(shù)據(jù)標(biāo)注與采集策略，形成“越用越強(qiáng)”的飛輪。

京東還同步上線了數(shù)據(jù)交易平臺(tái)，首批定向開(kāi)放2000小時(shí)高精標(biāo)注數(shù)據(jù)集，幾十家頭部企業(yè)和高校在對(duì)接。這一步的意義不只是商業(yè)化，更在于建立數(shù)據(jù)流通標(biāo)準(zhǔn)——當(dāng)前行業(yè)數(shù)據(jù)格式不統(tǒng)一、接口不兼容，數(shù)據(jù)孤島是制約整個(gè)生態(tài)的隱性成本。

為什么是京東？3600多座倉(cāng)庫(kù)、全國(guó)物流網(wǎng)絡(luò)、20萬(wàn)合作藥房、1萬(wàn)多線下門店、5萬(wàn)多自運(yùn)營(yíng)保潔師——這些不是為具身智能準(zhǔn)備的資產(chǎn)，但恰好構(gòu)成了最豐富的物理世界操作場(chǎng)景庫(kù)。在社區(qū)居家場(chǎng)景，采集員在日常家務(wù)中完成擦桌疊衣、整理收納；在養(yǎng)老康養(yǎng)場(chǎng)景，記錄協(xié)助老人起身、移乘、喂藥的照護(hù)動(dòng)作；在農(nóng)務(wù)場(chǎng)景，覆蓋果蔬采摘的手眼協(xié)調(diào)軌跡和田間不規(guī)則地形的行走避障。這些數(shù)據(jù)指向的不是實(shí)驗(yàn)室里的理想化操作，而是真實(shí)世界里充滿意外、噪聲和變化的人類行為。

EgoScale的研究已經(jīng)證明：海量人類第一視角視頻是訓(xùn)練機(jī)器人靈巧操作的“富礦”，并且存在可預(yù)測(cè)的縮放定律——看的視頻越多，機(jī)器人就越聰明。京東的基建邏輯正是建立在這條定律之上。

2025年全球人形機(jī)器人出貨量前六名全部來(lái)自中國(guó)，量產(chǎn)規(guī)模領(lǐng)先

棋盤上的位置

把視野拉回整個(gè)產(chǎn)業(yè)。2025年全球人形機(jī)器人出貨量前六名全部來(lái)自中國(guó)，智元以5168臺(tái)登頂，宇樹(shù)4200臺(tái)緊隨其后。宇樹(shù)凈利率35%，科創(chuàng)板IPO已獲上交所受理；智元的人形機(jī)器人已在比亞迪、蔚來(lái)完成百臺(tái)級(jí)部署，用工成本低于人工。Optimus Gen-3核心零部件70%來(lái)自中國(guó)供應(yīng)商。

政策層面，“具身智能”已寫入政府工作報(bào)告，北京設(shè)立1000億元政府投資基金，上海目標(biāo)2027年核心產(chǎn)業(yè)規(guī)模突破500億元。李想在5月的播客中判斷：自動(dòng)駕駛是具身智能上半場(chǎng)，人形機(jī)器人是下半場(chǎng)，兩個(gè)賽道各具五萬(wàn)億美金規(guī)模。

在LLM賽道上，中國(guó)始終處于追趕位置——算力受限于芯片封鎖，基礎(chǔ)模型能力受限于與OpenAI和Anthropic的差距。但當(dāng)競(jìng)賽從“大腦”轉(zhuǎn)向“身體”時(shí)，棋盤上的位置發(fā)生了變化。140多家人形機(jī)器人企業(yè)、6家百億估值獨(dú)角獸、全球領(lǐng)先的出貨量——如果下一輪AI造富的重心從軟件遷移到硬件，從算法遷移到機(jī)電一體化，中國(guó)的產(chǎn)業(yè)稟賦恰好處于新價(jià)值鏈的中央。

而在這條價(jià)值鏈上，一個(gè)更隱蔽的判斷正在成形：造機(jī)器人身體的企業(yè)已經(jīng)浮出水面，但喂飽機(jī)器人大腦的數(shù)據(jù)基建，可能才是更深層的瓶頸資產(chǎn)。硬件鏟子已經(jīng)被定價(jià)，數(shù)據(jù)鏟子才剛剛被看見(jiàn)。

當(dāng)然，“恰好”這個(gè)詞本身就值得警惕。1999年的互聯(lián)網(wǎng)泡沫中，Pets.com和Amazon的股票同時(shí)暴漲，前者歸零，后者成為萬(wàn)億美元公司。A股市場(chǎng)上，年?duì)I收2.87萬(wàn)元的公司因腦機(jī)概念股價(jià)翻倍，不涉及腦機(jī)接口研發(fā)的企業(yè)連續(xù)漲停——泡沫與信號(hào)同時(shí)存在，關(guān)鍵在于分辨誰(shuí)賣的是真鏟子，鏟子真能用。

當(dāng)機(jī)器人開(kāi)始替代勞動(dòng)者時(shí)，造那具機(jī)器身體的人、編寫那顆機(jī)器大腦的人，以及喂飽那顆大腦的人——誰(shuí)手里握著真鏟子？這或許是未來(lái)五年最值得追蹤的問(wèn)題。