2025 年以来，人形机器人的“出镜率”肉眼可见地攀升——从春节晚会上扭起秧歌，到北京亦庄跑完全球首个人形机器人半程马拉松，再到各地工厂车间的试点部署接连落地。IDC 预计，中国具身智能人形机器人市场规模将从 2025 年的 35 亿元跃升至 2030 年的约 1068 亿元；到 2035 年，整个具身智能产业有望突破万亿元大关。在“人工智能+”行动全面实施的当下，这场竞速的热度毋庸置疑。然而，在热潮之下深入冷静思考后不难发现，聚光灯多打在灵巧的机械手与澎湃的算力之上，一个更为根本的问题却被普遍忽视。本人认为，真正决定这场竞速成败的，既不是电机，也不是芯片，而是数据——数据供给能否跟上，才是具身智能从“演示”走向“上岗”的关键变量。
一是具身智能换了数据赛道，传统数据积累几近失效。大语言模型可以“站在互联网的肩膀上”学习，海量图文语料是其现成的主食；而具身智能面对的是物理世界，需要的是第一视角的操作轨迹、力觉与触觉等多模态信号。这类“真机数据”没有存量可吃，只能现采现用。由全球学界联合建设的 Open X-Embodiment 数据集，汇集 20 余家机构、22 种机器人本体的真机操作轨迹，总量不过百万条级别——与动辄数万亿词元的语言语料相比，宛如杯水车薪。智源研究院在年初的趋势研判中亦指出，具身智能正脱离实验室演示、进入产业筛选与落地阶段，而能否获得规模化、高质量的真机数据，正是“筛选”的第一道门槛。
二是真机数据采集成本高企，“口粮”来之不易。要让机器人学会叠一件衣服、插一次插座，往往需要操作员遥操作反复演示数十次乃至上百次；采集一小时真机数据，可能只够模型学会一个单一动作。为破解采集难题，国内已有企业建成上百台机器人同场作业的数据采集工厂，组织上百名采集员轮班采集；海外厂商同样投入大量人工穿戴动捕设备采集动作数据。这种“高投入、低复用”的采集模式，与数据要素规模化流通的要求背道而驰，成为横亘在量产前的一座大山。
三是合成数据只能“望梅”，难以完全“止渴”。仿真环境可以低成本批量生成训练数据，英伟达开放的物理 AI 数据集即包含 15TB 规模、超 32 万条机器人训练轨迹；但仿真与现实之间横着一条难以抹平的鸿沟——光照、材质、摩擦、接触力学的细微差异，都可能让机器人在虚拟世界里学会的动作，到真实场景中变形走样。合成数据可以“管饱”，却未必“可口”，真机数据与合成数据如何配比，本身仍是一门摸索中的学问。
破题的钥匙，已在政策层面浮出水面。2026 年 6 月，国家数据局印发《关于推进行业高质量数据集建设行动的实施方案》，按照“需求牵引、急用先行、应用验证、安全保障”的原则，部署强基扩容、标注攻坚、提质增效、应用赋能、管理服务等专项行动；此前的《关于深入实施“人工智能+”行动的意见》，亦将“加强数据供给创新”列为八大基础支撑能力之一。政策已经点题，落地仍需协同发力：在技术上，推动真机数据、合成数据与互联网数据的科学配比，发展“虚实融合”的数据生产管线；在流通上，依托可信数据空间等新型基础设施，让企业沉淀的场景数据“可用不可见、可控可计量”，从“私藏”走向“共享”；在生态上，鼓励整机企业、数据服务商与行业用户共建数据联合体，以场景换数据、以数据养模型，形成“越用越聪明”的正向循环。
人形机器人产业如同一列呼啸向前的列车：硬件是车轮，算力是引擎，数据才是铺在轨道之下的路基——路基不牢，跑得越快，颠簸越大。当“数据粮仓”的蓝图已经绘就，产业各方与其继续在自由度、灵巧手的参数上内卷，不如俯身耕耘脚下的数据沃土。毕竟，只有先解决机器人的“吃饭问题”，具身智能的万亿图景，方能行稳致远、未来可期。