在2026世界机器人大会上，机器人忙碌的身影随处可见，洗碗、搬运、精密制造等各类工作都能胜任，它们身上“班味儿”十足。然而，在这热闹景象背后，具身智能领域正面临着一道亟待攻克的难题——如何摆脱“数据饥渴”，实现规模化应用。
真实世界的物理交互数据，是具身智能从“理解世界”迈向“改造世界”的关键所在。当前，国内真实物理交互场景的合规数据仅有50万小时，而机器人商业化落地所需的数据量却高达数千万小时，数据缺口超过99%，二者之间存在着从“十万”到“千万”量级的巨大差距。
京东云总裁曹鹏指出，这种巨大的数据缺口直接导致模型泛化能力不足。目前机器人产业虽处于爆发前夜，但迟迟未能真正爆发，根源就在于机器人“大脑”的泛化性不够，而其背后正是真实场景数据的匮乏。
场景和成本是数据供给面临的两大核心卡点。在世界机器人大会期间，多家参展企业表达了这一观点。在RoboScience机器科学展台，同一套模型能够支持不同灵巧手的换装和作业。公司创始人田野介绍，这些看似简单的抓取动作，实际上同时考验着视觉理解、空间定位、接触判断和运动控制等多方面能力。自变量机器人创始人王潜认为，真实世界的物理交互数据具有不可替代性，与互联网语言、视觉数据有着本质差异，物理世界的性质很难通过其他模态获取。
对于初创企业而言，具身智能数据采集面临着效率低和成本高的双重挑战。传统真机数据采集依赖真实场景，不同场景难以复用，导致采集效率低下。在成本方面，传统遥操作数据采集单条有效数据成本约10至50元，而训练一个机器人通常需要数万到数十万条数据，成本高昂。
针对数据困局，业内人士提出了不同的突破思路。开放原子开源基金会理事长谢少锋表示，当前数据格式的异构性造成了严重的数据孤岛现象，需要建立一套涵盖数据采集、标注、格式、质量等方面的通用标准，构建大规模、多模态的标准数据集，以实现高质量数据集的源源不断共享。墨奇智能联合创始人兼CTO黄青虬认为，行业目前接触到的具身数据质量不够高，且缺乏统一标准，真实场景的数据质量远比数据数量更为重要。
曹鹏则看好仿真技术的作用，他认为仿真技术可以进一步扩大数据体量，同时能够高效地进行效果评测，大幅降低模型使用过程中的部署成本和训练成本。原力灵机联合创始人范浩强提出，核心突破口在于“真机数据闭环 + 具身原生架构 + 仿真与合成数据联动”，即以高质量真机数据建立物理直觉，利用物理引擎生成海量极端场景以补充长尾数据，让机器人在真实场景中先运行起来，持续吸纳反馈并自我迭代。
具身智能的“数据饥渴”现状，也催生出了新的发展机遇。在本届大会期间，众多参展商纷纷宣布了数据采集行动计划。京东依托超级供应链，计划在两年内采集超过1000万小时人类真实场景数据，同时采集超过100万小时机器人本体数据。港股上市公司仙工智能正式成立具身智能数据子公司，依托超50万小时真机数据，专注于打造真实世界数据基础设施。奥比中光展台上，无本体EGO第一视角、UMI手持操作、WristCam腕部近场、Hub同步中枢等数据采集硬件矩阵集中亮相。
