文|融中财经

具身智能拼到今天，拼的已经不是谁的机器人会摆pose，而是谁的机器人真的会干活，而数据，正在成为决定机器人能不能真正变聪明的隐形门槛。

具身投资人也开始把目光放在数据之上，甚至硅谷老钱也在加速入场。6月中旬，XDOF从隐身状态走出，一次性拿下7000万美元融资，投资方包括Thrive Capital和a16z。专注机器人数据基础设施的Encord完成6000万美元C轮融资，由Wellington Management领投，累计融资已达1.1亿美元。纽约的Mecka AI也分两笔拿下6000万美元，Framework Ventures领投。

这种转向说明行业想通了一件事情：当硬件和算法都跑得足够快，谁能率先让模型真正学会干活，谁就握住了下一个入口。

物理AI的隐形地基

具身智能彻底火了，我们现在可以在各个场景看到机器人，商场接待、进厂打螺丝、商演跳舞...

但是当我们在谈论具身智能的时候，我们其实更应该谈论能支持具身进入各种物理场景的真正的背后推手数据。

要解锁一个场景，就需要一个场景的数据。

和大模型时代抓取文本、图片不同,机器人要学会拧瓶盖、叠衣服、端盘子这类动作,靠的不是文字语料,而是人类真实完成这些动作时留下的完整信息,手怎么移动、力道多大、物体怎么被抓取和摆放、动作在什么节点算成功、什么节点算失败。这些信息需要被专门的设备记录下来,再经过处理变成机器人可以学习的数据,这整套采集和加工的过程，构成了具身智能最底层的燃料生产线。

那么海量的数据要如何采集？

市面普遍有四种方式：

1.真机遥操：人类操控真实机器人执行任务，同步采集动作、状态及传感器数据。2.无本体采集：人直接完成示范，通过动捕、夹爪映射、第一视角相机等设备采集动作，无需机器人参与。3.仿真合成：在虚拟环境中批量生成机器人交互数据，用于模型训练。4.互联网视频蒸馏：从互联网视频中提取人类动作知识，转化为具身模型可学习的数据。

不论是用户还是投资人，过去一两年在谈论到具身智能的时候都把更多关注放在硬件形态和模型框架这两端,但随着这两者逐步走向收敛,数据正在成为限制模型能力继续提升的核心瓶颈。华兴资本投资银行事业部周鲁鸿这样解释道。

放在物理AI这个更大的叙事里看，数据与模型基础设施的价值正在被重新定义。它早已不是一台摄像机加上一段录制这么简单，而是一整套把真实世界里散乱的人类操作，转化成机器人能够理解和学习的结构化资产的工程体系。这块此前很少被单独讨论的地基，正在变成整个具身智能往前走时，绕不开的一道门槛。

什么才是护城河

在具身智能的数据供给圈子里有一个共识：最重要的无形资产就是高质量、垂类数据但是如何定义高质量以及如何获取高质量数据，各有各的打法。

华兴资本的周鲁鸿给出了一个足够具体的对比：我们在与相关领域客户的交流中了解到，1万小时干净、有效、任务链路完整的数据,对模型能力的提升,可能超过100万小时未经清洗的原始数据。

这句话背后的逻辑并不复杂,现在行业里数据供给良莠不齐,根源在于供给侧不理解模型侧真正需要什么,导致模态缺失、标注缺失、动作映射不清、任务过程不完整,最后真正有效的数据密度很低。换句话说,数量从来不是这门生意的门槛,能不能被模型真正用上才是。

这个判断也解释了为什么垂直场景数据会被反复提及。周鲁鸿提到：真实作业场景中采集到的数据,往往比标准化数采场里搭建出来的数据更有效,尤其是在物流、零售、工业、仓储这类具体场景里,真实环境中的物体分布、操作流程、异常情况和长尾任务,对提升模型在特定场景下的能力帮助更直接。但他也强调,具身模型长期要解决的是跨场景、跨任务的泛化问题,所以数据不能只追求某一个场景里的高质量样本,还需要具备足够的多样性和规模化生产能力,这也是为什么传统真机遥操采集这种成本高、效率低,又容易与单一采集本体绑定的方式,正在被行业逐渐重新审视。