2025.07. 28 本文字数：2822，阅读时长大约5分钟 作者 | 第一财经 乔心怡 张甜甜 近期，加州大学伯克利分校副教授、Physical Intelligence（PI）的联合创始人Sergey Levine在一篇文 章中提到，"机器人数据训练，真实世界数据不可或缺"，引起了行业讨论。 这一观点之所以引发关注，是因为它挑战了业界部分企业"以仿真数据替代真机"的做法。在训练成本高 昂、数据获取难的背景下，企业该优先依赖成本低、速度快的仿真数据，还是回归真实环境、积累高质量 的真机数据，成为摆在每一家具身智能公司面前的一道关键技术选题。 PI 曾被视为机器人领域的 OpenAI，也是国内不少企业的对标对象。7月28日，在2025年世界人工智能 大会（WAIC）现场，第一财经采访了多位机器人企业的创始人和技术负责人，试图厘清一个核心问题： 在机器人进入真实场景的关键时刻，什么样的数据才真正有价值？ 业界难定孰优孰劣 "仿真数据很难涵盖所有物理世界中我们希望机器人完成的任务。"智元机器人合伙人、具身业务部总裁姚 卯青表示，Sergey Levine 提出的"叉勺理论"与公司在实验中观察到的结论高度一致：部 ...