從跳舞到干活的距離：機器人到底缺了什么？

機器人，不該再跳舞

今年四月的北京亦莊，一場馬拉松改寫了機器人速度的邊界。

一臺名為"閃電"的人形機器人，以50分26秒的凈時成績沖過了半程馬拉松終點線——這個數字，比烏干達名將基普利莫，在今年3月在里斯本創造的人類男子半馬世界紀錄，整整快了7分鐘。

然而，贊嘆之余，人們不禁要問：人形機器人這股風刮了這么久，我們看到了它們跳舞、翻跟頭、跑馬拉松，甚至上春晚，但什么時候，它們才能真正地"干活"？

前幾天，這個問題有了個突破性的答案：5月7日，華人機器人創業公司Genesis AI發布了首個機器人基礎模型GENE-26.5，視頻里的機器人完成了一連串絲滑的演示：單手打雞蛋、雙手配合切番茄、使用鹽磨和打蛋器、用鏟子翻炒蛋液，甚至打完雞蛋后還會用毛巾擦手。

這個4分鐘的長時序任務包含了20多個子任務，全程自主運行，1倍速展示，沒有任何加速效果。最讓人驚嘆的是一個細節：在轉移切好的番茄時，機器人不是簡單地把刀當成鏟子，而是用刀背和砧板形成支撐，再通過雙手協同把番茄轉移出去——這個動作已經和人類的操作方式幾乎沒有區別。

Genesis AI官方毫不諱言，這套系統的核心不是什么神奇的算法，而是數據。

GENE-26.5背后是超過20萬小時的跨模態數據，包括高保真手套數據捕捉的手部動作和觸覺信號、第一視角視頻記錄的人類自然操作、以及第三人稱視頻提供的大規模物理互動覆蓋。

同樣地，數據的重要性，在最近的紅杉AI Ascent 2026大會上，得到了英偉達機器人方向負責人Jim Fan的最強背書。在會上，Jim Fan坦言：遙操已死，人類的傳感器數據將長存。

幾乎在同一時間，太平洋彼岸的中國廠商們，已經在數據這條賽道上悄悄下了重注。截至2026年，光輪智能已經交付了150萬小時的機器人訓練數據；智元機器人依托其自建的4000平方米數據采集工廠，累計采集了超過百萬條高質量真機數據，并發布了全球首個百萬級真機數據集AgiBot World；而宇樹科技更是在今年4月，直接開源了189萬條來自G1真機的動作數據，震驚了整個行業。

說白了，中美兩國的頭部玩家，都已經意識到，在當下人形機器人的競爭中，數據已經成了關鍵的變量，這場戰爭的勝負，將在未來數年內，決定整個行業的權力結構。

數據之重

很多人覺得，對于機器人而言，模型和算法框架才是最重要的。

但實際上，今天無論是VLA、Diffusion Policy還是模仿學習，都已經變成了行業的通用基礎設施。中美兩國的學術界和工業界，幾乎在同一時間掌握了這些核心框架。算法的同質化，意味著單純靠模型創新拉開差距的時代已經結束了。

但數據這個天花板，卻因為真實世界的物理限制，成為了木桶上那塊最短、也最難補齊的木板。你可以在一周內復現別人的模型，但你不可能在一周內積累別人花了三年時間采集的百萬小時真機數據。

并且，在同樣的算法、模型框架下，數據帶來的"涌現"效果，往往是拉開差距的唯一關鍵。

一個具體的例子是：來自螞蟻數科和宇樹科技今年2月合作的一個實驗。他們的任務簡單到不能再簡單：讓一臺G1機器人走到電腦前，伸手按下機箱上的電源鍵。

一開始，所有人都覺得這是個小兒科的任務。但實際測試的結果卻讓人大跌眼鏡：連續100次測試，成功率只有45%。

問題出在哪里？問題出在機器人總是按歪——要么按到了旁邊的USB接口，要么按到了機箱的邊緣；要么力度太輕，按不下去；要么力度太重，直接把整個機箱推得往后滑。最搞笑的一次，機器人的手指卡在了電源鍵和機箱的縫隙里，拔不出來了。

工程師們嘗試了所有能想到的辦法：調整關節力矩、優化視覺識別精度、增加力反饋閾值……但折騰了一個星期，成功率最多也就提升到52%。

最后，他們放棄了所有算法上的"小聰明"，轉而用最笨的辦法：讓真人用一臺手機+20美元頸掛支架，用不同的力度和角度，反復按同一個電源鍵，一共采集了200條完整的真機操作數據。

然后，奇跡發生了。

再次測試，同樣的100次任務，成功率直接從45%跳到了95%。沒有任何算法上的重大突破，沒有任何硬件上的升級，僅僅是多了200條真實世界的數據，機器人的表現就發生了質的飛躍。

這就是數據的魔力。它不是在原有基礎上的線性提升，而是一種指數級的質變。同樣的硬件，同樣的算法，多一倍的數據，可能就意味著多一倍的任務成功率，多一倍的泛化能力，

這個差距，一旦拉開，就很難追上。

路線之爭

既然數據這么重要，那么我們到底需要什么樣的數據？

簡單來說，在這個問題上，當下的機器人行業，大致分成了兩大路線。

一派是以英偉達為首的“仿真派”，他們信奉算力至上。依托Omniverse這樣的數字孿生平臺，他們在虛擬世界中構建出與真實世界物理規則完全一致的平行宇宙，讓數百萬臺虛擬機器人在里面進行億萬次的試錯和訓練。

仿真派的優勢顯而易見：成本低、速度快、可無限規模化。但致命弱點也很突出：仿真永遠存在“現實鴻溝”。無論你的物理引擎多么先進，你永遠無法模擬出一塊沾了油的抹布的摩擦力、一個有點變形的紙箱的承重能力，這些在人類看來微不足道的細節，在仿真中被無情地簡化掉了。

另一派則是以中國廠商為代表的“真機派”，他們建數據工廠、鋪機器人本體、讓人類穿戴設備親自操作，在真實的物理環境中，一寸一寸地采集每一個動作、觸摸、碰撞的完整數據。

真機派的優勢是包含了真實的力矩反饋、觸覺陣列信號、碰撞軌跡和環境擾動。但它的劣勢，卻是成本相對高昂、采集極慢、資產極重。一臺人形機器人本體動輒十萬以上，一個中型數據工廠的建設成本上千萬。

從總體上來看，兩派經過一段時間的較量，已經大致分出了高下，斯坦福大學在今年4 月發布的《2026 AI Index Report》中，用一組冰冷的數據擊碎了所有 "仿真萬能論" 的幻想：在最理想的實驗室條件下，一個在仿真環境中能達到 89% 任務成功率的機器人，一旦放到真實世界中，成功率會斷崖式下跌到 12%。

這樣的差距，就是橫亙在仿真派面前的 "現實鴻溝"。

所以，現在即使是美國，也意識到了真機數據的重要性，只不過，他們做的并不是"重資產的真機數據"，而是用全球勞動力成本洼地（印度、尼日利亞、阿根廷）+ 零工平臺（Gig Economy）+ 自帶設備（iPhone），走了一條"輕資產、高擴展"的人類傳感器采集路線。

而這樣的形態，實際上采集的是"人"的數據，不是"機器人"的數據。工人疊衣服的視頻，記錄的是人手的動作、人眼的視角。

中國也在轉向人類傳感器數據，但中國的優勢在于：我們同時有"人類穿戴采集"和"產線嵌入采集"兩種形態，而且后者是制造業場景自帶的。

同一個技術判斷，兩種不同的組織形態。 這成了數據之爭最隱蔽的變量。

投資悖論

盡管中美都將主力轉移到了真機路線上，但是在具體投入上，手握全球最雄厚風險資本的美國，最終選擇了輕資產的眾包數據路線；

而資本體量遠不及美國的中國，卻義無反顧地押注了重資產的真機工廠路線。

美國的風投資金，把錢投給Scale AI、Micro1這樣的眾包平臺，用15美元時薪招募全球零工，讓他們把iPhone綁在額頭上錄制家務視頻。這是一個“四兩撥千斤”的故事：不需要建工廠、不需要買機器人、不需要養團隊，只需要一個App和一個全球零工網絡。

像是Generalist這個數據眾包平臺，現在全球注冊零工已經超過了230萬人，號稱每天能生成超過10萬小時的人類操作數據。

但問題是，這個模式有個致命缺陷：眾包數據看起來便宜，實則暗藏著高昂的“標注稅”和“清洗稅”。

根據MIT Technology Review的報道，這些眾包數據，只有約一半的視頻能通過質量檢查。

為什么？

因為這些視頻缺乏力覺、觸覺等機器人訓練的核心傳感器數據。你看到的是畫面，但機器人需要知道的是：手指用了多大的力？

要讓這些視頻真正用于訓練，需要大量的后期標注與處理。標注每一幀的動作類別、物體位置、接觸關系——這筆"標注稅"，往往比采集本身更昂貴。

反觀中國，雖然整體資本體量不如美國，但卻走出了一條完全不同的道路。將真金白銀地砸向了數據工廠、機器人本體和穿戴式采集設備。

這種“正規軍”的打法，好處是通過工業級質控體系，讓數據有效率差出幾十個百分點，并且通過高度一致的采集硬件與規格，讓人類采集的數據可以幾乎無損地遷移到機器人身上。省去了原本需要大量人工干預的標注、清洗、格式轉換工作。

舉個例子，在北京亦莊的人形機器人數據基地，就覆蓋了家居、商超、辦公、工業、醫藥、30多個典型應用場景，并配有約200平方米專業光學動作捕捉場地。基地內有120多臺不同構型機器人，配備頭環式、夾爪式采集設備、動捕服、動捕手套。

這樣的采集規模、質控，遠不是美國那種靠眾包零工頭上綁攝像頭的方式能比得了的。

這類基地經過幾個月打磨后，內部質檢合格率可提升到約95%。

雖然在“人類傳感器采集路線”上，中美都不需要高昂的機器人本體了，但真正的成本，已經從機器人本體，轉移到了采集設備標準化、場景組織、數據清洗標注方面。

但對中國來說，這種看似“重資產”的路線，由于規模化，以及工業級質控的優勢，成本還是被打下來了。

因為在新一代人類傳感器路線里，真正差距的，已經不僅僅是不在“能不能便宜采”，而在“誰能把便宜采來的原始數據，變成模型真正吃得下的有效數據”。

于是，一個非常諷刺的局面出現了：美國雖然擁有全球最多的風險資本，但卻投不出中國這樣的真機數據規模。因為產業空心化，只能去第三世界找零工用攝像頭來采集。

而由于采集設備的單一、簡陋，加上零工的不專業，美國的真機路線只能走“低技術、低質量、碎片化”的眾包道路，永遠無法達到中國這樣的工業化量產級別。

結語

如果從行業終局的角度，觀察當下機器人的數據競爭，你會發現人形機器人的競爭本質上是一場關于“不可能三角”的博弈。

在任何一個給定的時間點，沒有任何一家公司能夠同時做到硬件最強、算法最優、數據最多——你只能強兩頭，必然弱一頭。

過去十年，是硬件的時代。波士頓動力在硬件運動控制上做到了極致，它的Atlas能跑能跳能后空翻，但它弱在算法和數據，只能在實驗室里完成預設動作，至今無法走進真實世界。

過去三年，是算法的時代。VLA模型的爆發讓所有人看到了通用機器人的希望，但算法的護城河是最脆弱的。一篇論文、一次開源，就能讓幾個月的差距瞬間磨平。

而未來三到五年，唯一真正的、不可逾越的護城河，正在數據領域悄然形成。

更重要的是，數據會形成自我強化的飛輪：而在這一點上，中國比美國擁有無可比擬的優勢。

中國擁有全球最豐富、最多樣化的制造業場景，從3C電子的精密組裝到汽車制造的焊接噴涂，從物流倉儲的搬運分揀到餐飲服務的上菜收盤，無數的工廠和企業愿意為人形機器人提供試錯的機會，

同時，得益于中國制造業的強大優勢，人形機器人的生產成本遠低于美國，這使得中國機器人產品，在人力成本高昂的國家具備顯著的出口競爭力。

以智元機器人為例，其積極布局海外市場，2026年海外銷售目標占比已超過30%。機器人價格的降低，促進了出口量的增長和應用場景的拓展，進而收集到更多真實世界的數據，這些數據又反哺算法迭代，進一步提升性能并降低成本，形成了一個強大的正向循環。

現在，這場人形機器人的數據之戰才剛剛打響。

而歷史已經證明，當一場技術革命進入到工業化落地的階段時，擁有最完整產業鏈、最豐富應用場景、最強大制造能力的國家，往往會笑到最后。