學校盤子教不超7，還會端0所

　　來源：中國新聞周刊

　　可能有50%至70%進入“數據工廠”

　　主要用於采集訓練數據

　　2026世界機器人大會展區，学校一塊屏幕正在播放“擦桌子”的还教特寫。機械手指觸碰桌麵，端盘力度、学校角度實時微調。还教但這並非機器人自主決策。端盘屏幕旁，学校現場觀眾正頭戴采集設備，还教手持手柄遙控操作，端盘體驗“教”機器人幹活。学校機器人的还教第一視角畫麵同步傳到屏幕上，這段視頻經處理後將成為訓練機器人幹活的端盘教材。

　　與去年廠商爭相展示跳多高、学校跑多快不同，还教今年大會焦點悄悄讓位給了那些“教機器人幹活”的端盘數據采集展位。一批定位為“數據基礎設施”“物理AI數據基座”的專業服務商首次集中亮相，它們不造整機，不訓大模型，隻為機器人產業提供最底層的數據支撐。“現在的具身智能機器人相當於十年前的自動駕駛。”北京人形機器人創新中心具身智能數據與訓練基地負責人夏華林告訴《中國新聞周刊》，機器人所需數據比自動駕駛多數個量級。真實世界的物理交互數據，是具身智能從看懂世界邁向改變世界的關鍵。中國信息通信研究院發布的《具身智能訓練場研究報告（2026年）》顯示，截至2026年6月底，全國建成啟用超70家訓練場，在建或規劃46家，但這還遠遠不夠。

8月6日，安徽合肥市具身智能機器人數據采集預訓練場內，83台來自不同企業的機器人在家居、商超、工業等領域的30餘個複刻場景中開展實訓。攝影/本刊記者 韓蘇原

　　“任務越來越難”

　　“拿起桌上淺藍色盤子，放在白色托盤上。”在華東某機器人訓練場，一位“00後”訓練師正對著麥克風下達訓練指令，隨即操縱機械臂完成抓取、平移、放下。這一個看似簡單的動作，她一天要重複上百次。僅這一個零件分揀任務，該訓練場已采集了三四萬條數據。

　　這些由視頻、力反饋和關節角度組成的“教學素材”，經清洗後成為高質量數據喂給大模型，目標是把機器人的“大腦”訓練得更聰明。“現實中，高質量數據支撐不到位，機器人就永遠擺脫不了遙控大玩具的標簽。”該訓練場數據采集負責人鄭鑫坦言。

　　由此帶來的變化正在全國各地的訓練場中悄然發生，一線數據采集師最直接的感受是：任務越來越難，容錯率越來越低。

8月10日，位於北京市石景山區的人形機器人數據訓練中心內，上百台機器人正在訓練師的帶領下學習人類的生產生活技能。圖為訓練師帶領機器人練習快遞分揀。攝影/本刊記者 賈天勇

　　在北京石景山，全國規模最大的人形機器人訓練中心內，數采組組長付金瓏注意到，今年以來，數據采集任務的複雜度和質量要求都在變高。以前練習夾取物體，沒夾住可以重試一兩次，隻要最終完成任務，就算一條合格數據。現在動作必須一次成功、流暢自然，稍有遲疑或抖動，整條視頻就作廢。

　　這種“苛刻”源於場景需求的升級。付金瓏舉例，在家庭場景中，“端盤子”這一動作的訓練標準，已從簡單的“抓—拿—放”進階為“行進間盤子裏的東西不能灑、不能晃”。

　　需求側的變化非常明顯。刻行時空聯合創始人鄭宇靖近期介紹，早年用ARX機械臂就能采數據，今年市場對全身控製數據的興趣明顯上升；采集末端從夾爪升級到靈巧手，現在連“手的大小”都有要求。這些都說明，機器人正進入物理世界更豐富的場景。

　　夏華林回憶，去年一家對數據質量要求極高的客戶，在全國考察一圈後又選回該中心，今年不僅複購，數據采購量更是翻了10倍以上。

　　數據需求變化的背後，是具身智能從“重展示”到“重訓練”的轉變。智元合夥人王闖曾在2026世界人工智能大會期間回顧，2024年行業還在做演示Demo，2025到2026年，重心已經轉向量產和真實場景落地。

　　今年6月，工業和信息化部、國務院國資委聯合印發通知，正式啟動2026年度人形機器人與具身智能實景實訓專項行動，行動明確要求，到2026年底形成百個以上高價值應用場景，並帶動萬台級規模落地能力。

　　在這一背景下，各地陸續建設的機器人訓練場，不再隻是機器人的練功房，而是被賦予了破解產業核心瓶頸的戰略意義。

　　在北京人形機器人創新中心的數據與訓練基地，這種訓練規模更為壯觀。這裏有150台真機、40種不同構型的機器人，以及近百台無本體虛擬設備同步采集數據。基地負責人夏華林將這種模式稱為“矩陣式采集”，旨在打破數據壁壘，實現跨機型、跨場景的複用。

　　“機器人來訓練場相當於上學。”夏華林喜歡用學校作比：從走路、抓拿放這類簡單任務，到複雜的工廠電路板、精細設備操作，“訓練場更像是一個循序漸進的綜合性學校，而不再隻是機器人幼兒園”。

　　數據嚴重匱乏

　　“機器人做什麽，取決於喂給它什麽數據。”鄭鑫介紹，機器人用旁觀視角的數據訓練，看到的是動作外在形態，卻無法感知執行者的內在決策，而這些隱藏在動作背後的邏輯，才是具身智能需要學習的核心。

　　這也是京東雲在今年大會展台一比一還原家庭場景，讓家政阿姨以人類第一視角（Egocentric）整理台麵的原因。她擦拭桌角的手臂動作、身體姿態，乃至在多個任務間切換的操作節奏，通過多路傳感器被完整記錄下來，轉化為機器人可學習的數據。

　　然而，即便是海量的人類第一視角視頻，也存在天然的感官缺陷。“視頻裏隻有看到，沒法摸到。”夏華林指出，一個合格的抓取動作，不僅需要視覺信息，更需要實時力反饋、分布式觸覺感知以及電機扭矩的連續變化，而頭戴式攝像頭無法記錄這些物理交互信息。

在2026世界機器人大會上，各種人形具身機器人亮相展示。

　　左圖：機器人跳繩。右圖：墨奇智能的一台機器人在演示將洗衣機內的衣物取出放入烘幹機。

在2026世界機器人大會上，各種人形具身機器人亮相展示。左圖：機器手影舞。右圖：機器人收拾餐台垃圾。圖/新華 視覺中國

　　正因如此，北京人形機器人創新中心的訓練基地同時保留了VR遙操、穿戴式動捕、頭戴式采集、虛實結合等多種方式。“目前行業還沒有收攏到哪種方式采集質量最高，能最大程度滿足模型要求。”夏華林預測，未來很可能不是單一某種采集方式就能完成很好的模型訓練和落地，而是綜合性采集融合的方案。他把這套結構形容為“數據金字塔”，最底層是人的視頻和無本體采集，中間是仿真數據，塔尖是真機數據。

　　事實上，業內對數據金字塔分層並未形成定論。但所有金字塔都指向同一個事實：數據嚴重匱乏。目前，國內真實物理交互場景合規數據僅50萬小時，行業內部認為，機器人商業化落地需要數千萬小時數據，缺口超過99%。

　　“具身智能無法像大語言模型或自動駕駛那樣坐享其成。”夏華林舉例，大語言模型可以“吃”已有的文本，自動駕駛數據可以通過車輛采集，而汽車是相對成熟的消費品。相比之下，具身智能需要數據從零開始“喂養”。即便有互聯網上的教學視頻或日常錄像，但因缺乏關鍵標注，無法直接映射到機器人的感知—控製鏈路。

　　“越往金字塔頂端，數據越昂貴，采集難度也呈指數級上升。”付金瓏到訓練中心工作不滿一年，已經輪轉過工業、廚房、家庭服務等多個類型場景，現在管著10個工位、10台機器人和10名采集師。采集數據要變成最終教材，中間隔著清洗、標注、結構化處理等一長串環節。以他的經驗，一名熟練采集員一天工作8到10小時，有效數據往往隻有三分之一到二分之一。

　　更深層的挑戰在於物理世界的複雜性。美國機器人企業發布的Figure 03，官方稱其指尖觸覺傳感器可感知低至3克的壓力，並據此展示出對雞蛋等易碎物品的抓取能力。而在仿真環境中表現優異的模型，一旦結合真實場景，往往出現水土不服的情況。

　　“具身智能不是更難版本的自動駕駛，而是一個完全不同的技術軌道。”夏華林總結，智駕的對手是複雜道路，而具身智能的對手，是整個物理世界的無序、柔性、多模態和長尾。這也是為什麽這個領域的規模化法則（Scaling Law），沒法簡單複製智駕的成功路徑。

2026年7月，貴州貴陽市，一些數據采集師為具身智能設備、智能穿戴設備進行數據采集。圖/新華

　　“自己造自己”

　　把一張紙板折成紙盒，付金瓏隻用了兩三分鍾。但他把這個動作交給機器人，用了14個小時，失誤率高得讓他一度以為“這個動作教不會機器人了”。

　　直到兩周前，他的領導發來一段視頻：機器人折紙盒，全程零人工幹預，動作絲滑。這是付金瓏今年最有成就感的一次教學體驗，“見證了機器人如何變得更聰明”。

　　一個折紙動作，從采集數據到看見模型“幹成”，隔了七個月。整個行業的“ChatGPT時刻”還要等多久？

　　佐治亞理工學院助理教授、NVIDIA AI研究員徐丹飛給出一個參照：機器人要迎來類似GPT-3的能力躍遷，可能需要1億小時的高質量人類數據。酷哇科技聯合創始人彭湃分析，這些數字多是拿語言模型的Token轉化效率去猜的，“行業還沒到那個階段，很難被證偽”。

2026年7月，貴州貴陽市，一些數據采集師為具身智能設備、智能穿戴設備進行數據采集。圖/新華

　　“拐點出現前要堆多少小時數據，行業沒有定論。”夏華林的感受是，當前機器人的智能水平相當於10年前的自動駕駛，真機數據眼下隻有數十萬小時，年底可能到百萬小時。

　　在北京人形機器人創新中心訓練基地二樓，機器人正在學“自己造自己”。近5000平方米的訓練場，一比一複刻了工業智造等六大類30餘個細分場景，包括插電源線、搬箱子、拿掃碼槍掃碼，機器人在產線上反複練習。這些機器人在訓練場裏采的每一組數據，訓練出的模型，都將裝進下一代機器人的大腦。

　　機器人行業分析人士Georg Stieler估計，2026年生產的人形機器人中，可能有50%至70%進入“數據工廠”，主要用於采集訓練數據。這意味著大量昂貴的機器人本體當前的首要用途不是幹活，而是采集數據訓練下一代機器人。

　　“真實工作場景中，眼下還需要人與機器人配合，且必須先從容錯率較高的環節切入。”夏華林說，即便在訓練階段已經把真實設備搬進場景，部署到工廠環節後，適配率也很難達到100%。真實產線會出現各種特殊工況，極端情況需要在真機幹活過程中被發現，再回流到數據管線，重新訓練模型、重新部署。

　　宇樹科技創始人王興興在2026世界機器人大會上分析，目前全世界範圍內的很多AI模型，在一個固定場景上做足夠的采集訓練，成功率基本上可以做到接近100%。但隻要操作的物品或者環境稍微換一下，成功率就會嚴重下降。

　　在王興興看來，當前具身智能最大的瓶頸在於AI模型的輸入輸出與真實物理世界的對齊程度嚴重不足。宇樹自己也承認，目前機器人雖然能做一些簡單的裝配，但效率跟人比起來還是低一些；每遇到新任務就要重新訓練，泛化能力有限。這也是機器人產品至今未在工廠、家庭大規模推廣的根本原因。

　　王興興的定義很具體，當一台機器人在80%的陌生場景中，僅憑語音或文字指令，能順利完成約80%的任務，那就是具身智能的“ChatGPT時刻”。

　　在受訪從業者看來，眼前最重要的事不是等一個“時刻”降臨，而是把數據飛輪先轉起來。展示能力，拿到訂單，一點點擴展場景，進一步積累數據，才有可能智能湧現。“這是一個過程，可能隨著模型能力增強，不會等太久。”夏華林說。

　　（應受訪者要求，文中鄭鑫為化名）

　　發於2026.8.31總第1250期《中國新聞周刊》雜誌

　　雜誌標題：70家訓練場，“苦練”機器人

　　記者：李明子

點擊進入專題： 第二屆世界人形機器人運動會

很赞哦!（39）