2026年北京世界机器人大会（WRC 2026）展示的，不只是更灵活、更像人的机器人本体，还有一套正在成形的数据基础设施：采集设备、传感器、训练中心、数据集，以及让这些数据能够反复利用的标准和平台。

据报道，中国已有至少90座人形机器人数据采集与训练中心投入运营或正在建设。这说明行业的投资逻辑正在发生变化——竞争不再只是比谁能更快造出机器人，也在比谁能持续获得足够多、足够真实、能够跨设备复用的“具身数据”。但大会同样暴露出一个落差：大规模生产数据，并不等于已经生产出了可以迁移到不同机器人、不同任务和不同工作场所的智能。13

机器人需要的不是普通视频，而是“具身数据”

人形机器人要学会抓取、移动和操作物体，所需的不只是图像或文本。训练实用的物理智能，还需要记录人看到了什么、身体如何移动、物体如何响应，以及动作如何随着时间展开。因此，第一视角视频、手部和全身姿态、深度信息、触觉信号以及机器人自身状态，都会成为具身智能模型的重要输入。

光轮智能发布的 EgoSuite-Open100K，正是这一思路的集中体现。该项目计划收集10万小时第一视角人类行为数据，覆盖1.5万多项任务和1.5万多个真实采集场景，数据包括头部和腕部视角、手部与全身位姿、语义标注以及深度信息。首批1万小时数据已通过Hugging Face开放，项目还计划通过AtomGit发布。1 12

这种数据的优势很直观：与让每一个实体机器人亲自完成示范相比，记录人类在日常环境中的操作，可以更低成本地覆盖更多任务。不过，人类示范并不等同于机器人经验。人类会自然地处理平衡、摩擦和接触，而机器人必须依靠自身的传感器和控制系统去感知、计算并应对这些物理因素。

六种采集方式，背后是同一个取舍

商汤智能产业研究院研究人员田峰介绍称，目前行业正并行采用六种数据采集范式，其中包括遥操作、动作捕捉、合成数据，以及在真实生产线上采集数据。13

不同方法解决的是不同问题：

• 遥操作能够保留机器人本体的动作和部分物理反馈，但需要实体机器人、操作员和配套基础设施。
• 动作捕捉可以大规模记录人的运动轨迹，却未必能呈现机器人将要面对的力和约束。
• 合成数据能够高效生成罕见或危险场景，但模拟行为仍须经过现实世界验证。
• 生产线采集最接近商业应用，因为它记录了具体工作流程、失败情况和现场限制。
• 第一视角人类采集覆盖面广、成本较低，却可能缺少关节扭矩、接触力等机器人动力学信息。

其中，成本差异尤其值得关注：无机器人本体的人类数据采集，成本约为使用实体机器人采集示范数据的五分之一。但这种节省也伴随着代价——数据可能更多反映受雇采集员如何完成任务，而不是熟练工人在真实工作中如何操作。13

这并不意味着人类数据没有价值。更合理的做法，是把它视为训练数据的一层，再与遥操作数据、机器人状态数据、仿真数据以及真实部署中的反馈结合起来。

机器人供应链，正在变成数据采集供应链

机器人基础设施的范围也在扩大。过去，产业链关注的重点是电机、电池、执行器和机器人框架；如今，用来记录示范和感觉—运动行为的设备同样重要。第一视角和手持式采集系统、数据手套、触觉接口、摄像头、微控制器、存储器件以及模拟芯片，都在成为数据管线的一部分。13

这套设备有望以更低成本积累大量示范数据，但也带来了标准化难题。不同设备的传感器、标定方法、动作空间、中间件和标签格式不一致，意味着数据未必能够直接拼接使用。

行业因此出现了“数据孤岛”问题：数据被困在生成它的硬件和软件系统里。开放数据集可以缓解这一问题，但“开放”本身并不等于“可复用”。要让数据规模真正转化为共同能力，还需要统一的数据模式、标定元数据、时间同步规则、接口和评测协议。13

机器人是否也存在类似大模型的扩展规律？

另一个悬而未决的问题是：语言和视觉大模型所体现的“数据更多、模型更大、能力更强”规律，能否直接复制到机器人领域？

Generalist AI在2025年11月发布的GEN-0报告给出了一个积极但有限的答案。该公司在实验中发现，较小模型难以吸收越来越多样化的感觉—运动数据，并将这一现象称为“模型僵化”（ossification）。随着模型规模扩大，性能继续提升；报告指出，约70亿参数附近似乎出现了一个转折点。36

这是一项值得关注的公司实验结果，但还不能视为整个机器人行业已经证实的定律。实验结果取决于该公司的模型、数据和评测方式，而机器人还面临语言模型没有同等程度面对的额外难题：策略必须通过特定的身体，在特定环境中，受到真实物理约束地执行。

所以，问题不只是模型够不够大，还在于训练数据是否包含真正有用的物理信号，以及训练出的策略能否迁移到不同的机器人形态和真实任务中。

机器人出货量，不等于商业需求

中国的制造业规模，为大批量部署机器人、开展实验和采集数据提供了明显优势。但出货量本身可能具有误导性：如果多数机器人仍用于展示能力、科研或数据采集，而不是持续创造经济收益，那么机器数量增长并不等于商业化已经成立。

Interact Analysis称，2025年全球人形机器人产量超过2万台，但只有约10%被部署到真实应用中，大多数仍用于研究、数据采集或娱乐。该分析同时将中国视为供应和早期采用的主要推动力。21

这也是数据中心快速扩张需要被谨慎解读的原因。政府支持、批量采购和数据回购计划，确实可以迅速增加机器人数量、设施数量和记录时长，帮助形成学习生态；但它们并不能单独证明，客户会持续付费购买那些能够稳定降低成本、提高产出，或完成难以由人承担工作的机器人。

真正的瓶颈，是能否形成闭环

北京这场大会并没有证明中国已经解决了具身智能问题。它更准确地展示了一个可能的解决方案正在以较大规模集结：

1. 来自人类示范和多样环境的广泛数据；
2. 来自遥操作、机器人传感器和真实生产任务的物理数据；
3. 能让数据跨机器人本体和软件栈流动的互操作基础设施；
4. 能够扩展并迁移能力、而非只会记忆示范动作的模型；
5. 来自真实部署的失败样本、恢复行为和人工接管反馈；
6. 能够持续资助数据采集、而不长期依赖补贴的商业收入。

光轮智能提出的生态建设方向，也指向类似的持续学习回路：开放数据标准、由评测结果驱动的数据采集，以及数据与模型的协同设计。1

因此，更准确的结论不是“中国已经造出了机器人的大脑”，而是：中国正在建设一批旨在孕育这种“大脑”的工厂、仪器和数据集。它们最终能否孕育出广泛有用的人形机器人，取决于数据质量、物理真实性、不同硬件之间的兼容性，以及机器人能否在展厅和实验室之外证明自己能够持续创造价值。

2026年北京世界机器人大会（WRC 2026）展示的，不只是更灵活、更像人的机器人本体，还有一套正在成形的数据基础设施：采集设备、传感器、训练中心、数据集，以及让这些数据能够反复利用的标准和平台。

据报道，中国已有至少90座人形机器人数据采集与训练中心投入运营或正在建设。这说明行业的投资逻辑正在发生变化——竞争不再只是比谁能更快造出机器人，也在比谁能持续获得足够多、足够真实、能够跨设备复用的“具身数据”。但大会同样暴露出一个落差：大规模生产数据，并不等于已经生产出了可以迁移到不同机器人、不同任务和不同工作场所的智能。13

机器人需要的不是普通视频，而是“具身数据”

人形机器人要学会抓取、移动和操作物体，所需的不只是图像或文本。训练实用的物理智能，还需要记录人看到了什么、身体如何移动、物体如何响应，以及动作如何随着时间展开。因此，第一视角视频、手部和全身姿态、深度信息、触觉信号以及机器人自身状态，都会成为具身智能模型的重要输入。

光轮智能发布的 EgoSuite-Open100K，正是这一思路的集中体现。该项目计划收集10万小时第一视角人类行为数据，覆盖1.5万多项任务和1.5万多个真实采集场景，数据包括头部和腕部视角、手部与全身位姿、语义标注以及深度信息。首批1万小时数据已通过Hugging Face开放，项目还计划通过AtomGit发布。1 12

这种数据的优势很直观：与让每一个实体机器人亲自完成示范相比，记录人类在日常环境中的操作，可以更低成本地覆盖更多任务。不过，人类示范并不等同于机器人经验。人类会自然地处理平衡、摩擦和接触，而机器人必须依靠自身的传感器和控制系统去感知、计算并应对这些物理因素。

六种采集方式，背后是同一个取舍

商汤智能产业研究院研究人员田峰介绍称，目前行业正并行采用六种数据采集范式，其中包括遥操作、动作捕捉、合成数据，以及在真实生产线上采集数据。13

不同方法解决的是不同问题：

• 遥操作能够保留机器人本体的动作和部分物理反馈，但需要实体机器人、操作员和配套基础设施。
• 动作捕捉可以大规模记录人的运动轨迹，却未必能呈现机器人将要面对的力和约束。
• 合成数据能够高效生成罕见或危险场景，但模拟行为仍须经过现实世界验证。
• 生产线采集最接近商业应用，因为它记录了具体工作流程、失败情况和现场限制。
• 第一视角人类采集覆盖面广、成本较低，却可能缺少关节扭矩、接触力等机器人动力学信息。

其中，成本差异尤其值得关注：无机器人本体的人类数据采集，成本约为使用实体机器人采集示范数据的五分之一。但这种节省也伴随着代价——数据可能更多反映受雇采集员如何完成任务，而不是熟练工人在真实工作中如何操作。13

这并不意味着人类数据没有价值。更合理的做法，是把它视为训练数据的一层，再与遥操作数据、机器人状态数据、仿真数据以及真实部署中的反馈结合起来。

机器人供应链，正在变成数据采集供应链

机器人基础设施的范围也在扩大。过去，产业链关注的重点是电机、电池、执行器和机器人框架；如今，用来记录示范和感觉—运动行为的设备同样重要。第一视角和手持式采集系统、数据手套、触觉接口、摄像头、微控制器、存储器件以及模拟芯片，都在成为数据管线的一部分。13

这套设备有望以更低成本积累大量示范数据，但也带来了标准化难题。不同设备的传感器、标定方法、动作空间、中间件和标签格式不一致，意味着数据未必能够直接拼接使用。

行业因此出现了“数据孤岛”问题：数据被困在生成它的硬件和软件系统里。开放数据集可以缓解这一问题，但“开放”本身并不等于“可复用”。要让数据规模真正转化为共同能力，还需要统一的数据模式、标定元数据、时间同步规则、接口和评测协议。13

机器人是否也存在类似大模型的扩展规律？

另一个悬而未决的问题是：语言和视觉大模型所体现的“数据更多、模型更大、能力更强”规律，能否直接复制到机器人领域？

Generalist AI在2025年11月发布的GEN-0报告给出了一个积极但有限的答案。该公司在实验中发现，较小模型难以吸收越来越多样化的感觉—运动数据，并将这一现象称为“模型僵化”（ossification）。随着模型规模扩大，性能继续提升；报告指出，约70亿参数附近似乎出现了一个转折点。36

这是一项值得关注的公司实验结果，但还不能视为整个机器人行业已经证实的定律。实验结果取决于该公司的模型、数据和评测方式，而机器人还面临语言模型没有同等程度面对的额外难题：策略必须通过特定的身体，在特定环境中，受到真实物理约束地执行。

所以，问题不只是模型够不够大，还在于训练数据是否包含真正有用的物理信号，以及训练出的策略能否迁移到不同的机器人形态和真实任务中。

机器人出货量，不等于商业需求

中国的制造业规模，为大批量部署机器人、开展实验和采集数据提供了明显优势。但出货量本身可能具有误导性：如果多数机器人仍用于展示能力、科研或数据采集，而不是持续创造经济收益，那么机器数量增长并不等于商业化已经成立。

Interact Analysis称，2025年全球人形机器人产量超过2万台，但只有约10%被部署到真实应用中，大多数仍用于研究、数据采集或娱乐。该分析同时将中国视为供应和早期采用的主要推动力。21

这也是数据中心快速扩张需要被谨慎解读的原因。政府支持、批量采购和数据回购计划，确实可以迅速增加机器人数量、设施数量和记录时长，帮助形成学习生态；但它们并不能单独证明，客户会持续付费购买那些能够稳定降低成本、提高产出，或完成难以由人承担工作的机器人。

真正的瓶颈，是能否形成闭环

北京这场大会并没有证明中国已经解决了具身智能问题。它更准确地展示了一个可能的解决方案正在以较大规模集结：

1. 来自人类示范和多样环境的广泛数据；
2. 来自遥操作、机器人传感器和真实生产任务的物理数据；
3. 能让数据跨机器人本体和软件栈流动的互操作基础设施；
4. 能够扩展并迁移能力、而非只会记忆示范动作的模型；
5. 来自真实部署的失败样本、恢复行为和人工接管反馈；
6. 能够持续资助数据采集、而不长期依赖补贴的商业收入。

光轮智能提出的生态建设方向，也指向类似的持续学习回路：开放数据标准、由评测结果驱动的数据采集，以及数据与模型的协同设计。1

因此，更准确的结论不是“中国已经造出了机器人的大脑”，而是：中国正在建设一批旨在孕育这种“大脑”的工厂、仪器和数据集。它们最终能否孕育出广泛有用的人形机器人，取决于数据质量、物理真实性、不同硬件之间的兼容性，以及机器人能否在展厅和实验室之外证明自己能够持续创造价值。