具身智能作为人工智能领域的前沿方向，正站在商业化落地的关键节点，然而训练数据的规模化供给与流通难题，成为横亘在全行业面前的一道高门槛。这一痛点不仅制约着技术突破，更推动着产业格局的深刻调整，一场围绕数据的技术路线探索与生态布局竞赛已然拉开帷幕。
当前，全球具身智能产业仍处于商业化前夜，多数机器人产品仅能完成实验室演示或限定环境下的预设动作，一旦进入真实场景，其泛化能力便急剧下降，难以解决实际问题。京东集团副总裁龚义成指出，核心症结在于具身模型训练缺乏高质量、规模化的数据集，而行业沿用多年的遥操作数据采集模式已触及天花板。
遥操作模式通过专人操控机器人并同步采集动作数据，但存在两大硬伤：一是数据规模难以突破，二是数据孤岛现象严重。各企业自建团队采集的数据仅供内部使用，导致行业整体数据资源碎片化，无法形成合力推动技术进步。这种模式下的数据积累，如同“小作坊式生产”，难以满足具身智能对海量、多元数据的需求。
面对这一困境，全球头部企业与科研机构开始转向人类第一视角（Ego）数据的技术路线。京东便是其中一员，其自研的第一视角采集设备JoyEgoCam，旨在解决真实场景下规模化数据采集的落地难题。龚义成强调，人类第一视角数据是突破模型训练瓶颈的关键，但这条路线的实现需要攻克采集设备、数据质量、配套基础设施三大空白领域。
数据质量是行业普遍面临的挑战。许多企业盲目追求数据时长，却忽视质量管控，导致低质量数据反而损害模型性能。京东通过三方面保障数据质量：一是采集设备参数贴近人类视觉特性，确保原始数据质量；二是通过多样性的采集与严格质检，剔除不合格数据；三是利用自研数据处理管线，将原始数据转化为高精度标注数据，直接用于模型训练。
在技术布局上，京东已搭建起从数据采集、清洗、自动化标注到模型训练的全链路基础设施，其中AI开发平台支持具身智能千卡级LeRobot开源训练框架，核心目标是解决大规模第一视角数据的落地应用难题。然而，京东并非唯一入局者。英伟达推出的EgoScale已验证第一视角数据的有效性，国内多家机器人企业与科研机构也纷纷启动相关布局，行业路线分化初现端倪。
尽管技术路线竞争激烈，但行业共识在于：单一企业无法独立完成所有场景的数据采集。京东选择放弃单一数据提供商的定位，转向搭建开放的行业生态。龚义成表示，京东将联合行业共建具身智能数据联盟，通过数据开放流通降低全行业研发成本。这一模式虽前景广阔，但数据知识产权归属、合规流通规则、定价体系、隐私安全保障等难题仍待破解。
在应用场景方面，具身智能的落地标准因场景而异。京东具身智能研究员李一航指出，在物流等对效率要求极高的场景中，任务成功率需达到99%甚至更高；而在家庭、导购等泛家庭场景中，解决90%的问题即可具备应用价值。这种差异化需求，为具身智能的商业化落地提供了多元路径。
行业内部对技术发展方向存在不同声音。有观点认为，当前行业过度聚焦数据规模，忽视了模型架构与算法创新的核心价值；另有观点质疑，大语言模型领域的缩放定律是否适用于具身智能。对此，李一航表示，具身智能的数据量级远未达到规模化瓶颈，随着数据扩充，模型泛化能力仍呈指数级提升，多条技术路线仍有极大探索空间。
从全球产业格局看，中国具身智能产业的核心优势在于场景丰富与创新性落地。作为制造业大国，中国拥有多样化的应用场景，同时在机器人本体、硬件、运动控制等方面具备较强实力。龚义成判断，行业整体仍处于早期阶段，但中国的场景优势与创新活力将成为推动技术突破的关键力量。
人才争夺与技术对就业的影响也是行业无法回避的议题。当前，具身智能领域对人才需求迫切，企业更倾向于招聘既懂AI又能熟练应用AI工具的复合型人才。龚义成透露，京东在招聘时要求候选人必须对AI有深刻理解，能够成为AI的使用者与推动者，这一趋势正成为行业人才需求的共识。
