核心观点 具身智能的数据竞争正从规模竞争转向效率竞争，行业尚未迎来“GPT时刻”，真正的分水岭在于建立持续学习闭环，将昂贵失败转化为模型经验 [68][69] 数据规模与有效性 - 行业对“百万小时”数据需求无法验证或证伪，许多判断仅从语言模型Token量换算而来 [10][17] - 普通道路跑100公里对模型信息增益可能接近零，而菜市场一只塑料袋能暴露激光雷达与视觉路线对柔性障碍的不同判断 [16] - 数据有效信息密度由三个指标衡量：可解释性、hard case密度、跨本体跨场景复用性 [18] - 一名熟练采集员一天工作8-10小时，最终有效视频通常仅约三分之一到二分之一 [31] - 模型真正需要的是additional information，重复或低质量数据可能污染训练集 [32] - 数据效率的本质是让每一批新增数据补上一块能力缺口 [36] - 数据“堆够”的拐点看经济学指标：新增数据业务价值低于采集处理成本时，该场景暂时堆够 [21][22] 数据金字塔结构 - 当前数据金字塔底层是规模最大的视频数据，中间是仿真和合成数据，顶层是真机部署高价值难例 [25][27] - 千寻智能的分层：底层互联网人类数据，中间UMI类设备采集的人类示范，顶层真机数据与部署回流数据 [26] - 2025年客户采购更多仿真和遥操作数据，2026年人类第一人称视频需求明显放大 [28] - 纯人类视频缺少机器人末端与物理世界交互的动作和接触信息 [28] - 规模化数据需要强自动标注，让更大VLM承担判别任务，同时仍需human in the loop [34] 触觉与仿真数据 - 触觉数据采集面临三道关：传感器准确性、结果能否retarget到不同本体、模型能否大规模消费 [38][39] - FTP-1约3000小时跨多种传感器和本体的触觉操控数据，将触觉作为与视觉、语言并列的输入 [40] - 仿真解决现实世界无法反复采集的数据问题，如核电站测试、机械臂内部应力分布 [42] - 仿真是具身数据的重要支柱，对部分场景是规模化获取数据的唯一方式 [43] 模型路线之争 - 当数据量达到一定规模后，VLA与world-action model效果未必存在本质差距 [47] - 千寻智能实验观察：world-action model通常更依赖数据整理和增强，否则泛化同样受影响 [47] - 大脑可能收敛，小脑仍会分化——低层模型需与硬件深度绑定，不会只由Scaling Law决定 [48] - 多模型协作更现实：低层模型负责明确技能，上层meta-agent负责任务拆解和调度 [47] - Google的Gemini Robotics采用分层系统：高层模型理解意图规划，on-device VLA负责低时延执行 [49] 商业化落地 - 上一代自动化改造环境让环境适应机器，这一代具身智能让机器通过数据和AI适应开放社会 [53] - 家庭场景远未形成商业闭环，具身智能只能从corner case较少的小场景逐步走向复杂环境 [53] - 更现实的落地场景是中间地带：有定制需求、需泛化、人机交互相对稀疏的部分工业和商服场景 [54] - 轮式底盘加升降机构可能覆盖95%以上任务，当前落地场景尚未看到双足必要性 [55] - To B商业化需三个9、四个9级别成功率，更现实的是“模型+人工接管+数据回流+自动迭代”系统 [55] - 客户最终购买的不是本体或模型，而是一套能稳定完成任务的系统 [56] 中美竞争与数据公司策略 - 当前中美没有明显代差，行业仍在早期，中国优势在机器人供应链、工业积累和硬件人才 [58] - 具身智能如果出现胜出者，大概率是全栈公司或必须深刻理解本体的公司 [58] - 数据公司的指南针始终是数据是否包含additional information，能否提升下游模型 [59] - 数据公司护城河不是采得多，而是让失败回得来——将采集、运营、交付和模型使用串成工程闭环 [61] - 数据需从trajectory升级为experience：记录机器人“为什么这样做、在哪里失败、如何恢复” [62] - 跨本体训练、表示对齐和少量新数据适配可使历史数据复用，而非为每款新机器人从零开始 [63] 基础设施与闭环 - 具身难例是真金白银，不能依靠故意制造事故获得——数据infra和数据闭环必须跑在业务扩张之前 [65] - 行业更确定的缺失仍是data infra和training infra [65] - 从仿真资产、异地采集到模型训练和工厂部署，需要全行业伙伴共同努力 [65] - 数据本身不是飞轮，只有采集、筛选、训练、部署和失败回流真正转起来，数据才会成为飞轮 [66]