獨家｜有機器人公司進居民樓採數據，「採到老太太都要報警了！」

「得大腦者得天下，得數據者得大腦」，智能機器人行業訓練機器人大腦正在經歷「數據飢渴期」。

財聞近期瞭解到，北京某頭部具身智能企業爲了獲得家庭場景數據，在和居民協商一致后，帶着錄像設備，進入北京居民家中採集數據。

據採集人士稱，剛開始居民覺得新鮮，很配合，但數據採集效率極低，需要不斷重複，后邊居民開始「煩了」。

「我們帶着團隊去北京老舊小區敲門，採到老太太都要報警了。」該人士稱，「爲了訓練機器人在不同環境里干活，得找不同户型、不同樓層、不同年代的房子，80年的、90年的，還有新房子，都得采一遍。」

該人士告訴財聞，數據採集遠不是「拍個視頻」那麼簡單。機器人需要多模態數據，攝像頭拍的畫面、關節轉動角度、手指施加的力，必須同步記錄。任何一秒的偏差，整段數據作廢。

採集只是起點，十萬小時的原始視頻，經過清洗、標註、重建，真正能用來訓練的，可能只剩幾千小時。「採集12個小時，清洗出來能用的，超過1.5個小時就謝天謝地了，這已經是行業最高水平。」

而訓練一個好的機器人「大腦」，至少需要百萬小時級的真實交互數據。目前行業能用的，只有十萬小時級，數據缺口超過500萬個小時。

缺口之下，行業開始出現數據交易。有人戴着頭戴設備在真實環境里採集「異構數據」，7塊錢一個小時賣給機器人公司。但不同品牌的硬件構型不同，採集的數據格式也不統一，「數據孤島」現象嚴重。

稍早前的8月19—23日，世界機器人大會的論壇上，宇樹科技創始人王興興判斷目前機器人大腦能力時稱，「泛化能力不夠是最大瓶頸」。此外，銀河通用創始人王鶴判斷，當前具身基礎模型能力大約相當於GPT-2階段，2028年前后纔可能迎來關鍵突破。

上述人士從實踐的經驗判斷，如果機器人大腦成熟度滿分是10分，目前0.5分還不到。他説，要訓練出一個好大腦，「沒有10億美金是卷不出來的」，算力、人工、本體，三樣都在燒錢，算力尤其棘手。

就家庭場景的機器人而言，擰瓶蓋、疊衣服、刷馬桶、分揀包裹。機器人要做好任何一個動作，背后都需要海量的「視覺+力覺+觸覺」數據去餵養。

當前，整個行業正處在「先建基礎設施」的階段。各家公司在搭建完本體硬件后，幾乎都把資源押在了「大腦」訓練上，不僅要訓練大語言模型那樣的認知能力，更要構建物理模型和空間模型，讓機器人理解重力、摩擦力、材質軟硬、空間方位，

學會在真實物理世界里行動。

行業內，谷歌DeepMind的RT-2系列嘗試用互聯網規模的視覺語言數據進行「預訓練」；

斯坦福大學ALOHA團隊靠人手遠程操控採集數據，將炒菜、疊衣的每個關節角度和力矩都記錄下來。

國內公司也在搭建自己的「數據工廠」，有的自研數據採集手套，有的建仿真環境做「合成數據」，但目前真實數據依然無法被替代。

各家頭部公司的路線各有不同。智元機器人在上海自建了數據採集工廠，部署約200臺機器人同時作業，2024年底開源了全球首個基於真實場景的百萬真機數據集AGIBOT World，其合夥人姚卯青透露今年要產出數百萬小時的高質量數據。

宇樹科技則走開源路線，今年3月將人形機器人全身遙操作數據集UnifoLM-WBT-Dataset放上Hugging Face，包含340小時、189萬條動作軌跡，此前已開源世界模型框架和VLA大模型。

星海圖堅持「整機+智能」戰略，今年6月發佈了VLA基礎模型G0.5和雙足人形機器人Kengo，完成閉環，是國內最早、最堅定押注真實數據的公司之一。

銀河通用走的是「仿真合成數據預訓練+真實數據對齊」的路子。智平方押注類腦VLA架構，自研NeuroVLA構建「皮層-小腦-脊髓」三層體系，目前已在惠科等7個以上行業拿下了規模化訂單。