机器之心发布 机器之心编辑部 2025 年秋的具身智能赛道正被巨头动态点燃：特斯拉上海超级工厂宣布 Optimus 2.0 量产下线，同步开放开发者平台提供运动控制与环境感知 SDK ，试 图通过生态共建破解数据孤岛难题；英伟达则在 SIGGRAPH 大会抛出物理 AI 全栈方案，其 Omniverse 平台结合 Cosmos 世界模型可生成高质量合成数 据，直指真机数据短缺痛点。 这些热点事件共同指向行业共识：曾被算法创新掩盖的数据问题，才是具身智能落地的根本症结。 针对这个问题，近日，我们与 跨维智能创始人、香港中文大学（深圳）教授 贾奎，香港中文大学（深圳）助理教授、具身决策实验室主任 刘桂良 进行了 一场深度对话与探讨，试图找到突破具身智能学习枷锁的密钥。 什么是 Efficiency law ？ 其与 Scaling law 有何区别？ 1. Scaling law 在具身智能领域碰到了什么挑战呢？ 因此， 具身智能的发展必须从"采数据"和"堆数据"转向"高效地造数据"；通过提高高质量数据的生成与利用效率，建立起支撑具身智能发展的新学习范 式。 为什么世界模型需要绝对的物理精确性？ 2. 当前基于视 ...