中國人形機械人競賽撞上「數據牆」

中國人形機械人的樽頸，愈來愈似係數據問題，而唔單止係硬件問題。機械人可以行路、跳舞，甚至完成安排得井井有條的示範，但要做到可靠自主運作，還需要一種難得多的資料：機械人在真實世界感知、郁動、接觸物件、出錯，以及自行修正的完整紀錄。514

2026世界機械人大会（WRC）就將呢個轉變攤喺枱面。展館內除了有外形亮眼的機械人示範，參展商亦集中展示遙操作設備、穿戴式動作捕捉、觸覺及力度感測系統，以及專門收集機械人學習資料的訓練基礎設施。4913

所謂「數據捱餓」，究竟捱緊乜？

業界在WRC期間多次引用一個估算：中國目前可合法合規使用的真實世界實體互動數據，約有50萬小時；但要訓練具備商業實用性的通用具身智能模型，通常會講到需要數以千萬小時。換句話講，缺口超過99%。不過，呢個應該視為業界估算，而唔係放諸四海皆準的科學門檻；真正需要幾多數據，會視乎任務、機械人形態、運作環境及安全要求而定。357

關鍵在於，實體互動數據唔可以由普通互聯網數據完全取代。影片可以拍到一個人拎起杯，但通常唔會記錄機械人的關節狀態、抓握力度、接觸時間、摩擦力、打滑情況，或者中途點樣修正動作。

偏偏正正係呢啲細節，決定機械人能否在杯較重、枱面濕滑，或者物件位置稍有不同時，仍然成功重複動作。

機械人做得到一次，唔等於真係識做

一套預先編排的流程，可以將機械人最難處理的部分遮住。物件、光線、路線和時間可能全部受控；一遇到突發情況，亦可能有操作員即時介入。於是，畫面睇落似乎好自主，但其實未必證明機械人已經學識一套穩健的「由感知到行動」策略。

真正商業落地，要求高得多。機械人要面對不同形狀的物件、不同抓取位置、各種表面、雜亂環境，以及周圍活動中的人。佢仲要知道自己做錯，並且有能力補救。

對於大量涉及接觸的任務，最有價值的資料唔只係「最後成功定失敗」，而係整個過程：睇到乜、做過乜、物理狀態點變、點解失手，以及之後點樣修正。專門為物理人工智能設計的數據集，因此會將多模態觀察、行動和行動後果連繫起來。333440

收集數據，點解愈來愈難？

早期的機械人學習數據，可以集中於短時間、重複性高的示範。下一階段，目標會轉向更長、更複雜，而且經常涉及實體接觸的任務，例如搬運、分類、組裝、包裝、清潔，以及家居、商店、工廠和服務場所內的多步驟工作。

數據收集的負擔主要增加在三方面：

• **變化更多：**同一項工作要在不同物件、擺位、材料及環境條件下重複記錄。
• **失敗資料更重要：**打滑、碰撞、抓唔穩，以及之後如何重新嘗試，可能同成功示範一樣有用。33
• **感測訊號要同步：**鏡頭、深度、機械人姿態、關節運動、力度、觸覺等資料，必須精準對齊，模型先可以學到感知同動作之間的關係。

要擴大規模並唔容易。真實機械人的操作成本高，實體測試要有安全控制，而高質素數據亦要經過篩選、整理和標註，唔係錄得愈多影片就自然愈有用。

一條正在形成的「數據供應鏈」

專門提供訓練服務的公司，正逐步填補人類行為與機械人可用數據之間的空位。佢哋的工作可以包括招聘及訓練操作員、遙距控制機械人、捕捉人類動作、為任務加入感測設備、同步不同感測器訊號、剔除低質素動作軌跡，以及按照模型開發者需要整理數據。

遙操作之所以重要，在於它記錄的是人對真實機械人的操作，而唔係只拍攝一個人做類似動作。VR或其他通用控制器可以將人的指令轉換成機械人動作；穿戴式系統及動作捕捉設備，則可以記錄更立體、更複雜的人體運動，再重新對應到機械人身上。1

換句話講，具身智能正在形成一個新的供應層：企業不只製造機械人身體和人工智能模型，亦開始生產將兩者連接起來的示範及感測數據。WRC參展商更直接將數據收集列為具身智能技術堆疊的一部分，包括記錄人們日常活動時頭部和雙手動作的系統。49

點解要在全國興建訓練場？

訓練場提供一個受控、但又唔至於脫離現實的環境，讓機械人可以接受訓練、測試和比較。場地可以模擬工廠、倉庫、家居、商業場所和公共服務環境，既有可重複的情境，又唔會將問題簡化成只在實驗室內完成的固定套路。

根據中國信息通信研究院2026年報告相關報道，截至6月底，全國已有超過70個具身智能訓練場建成並投入運作，另有46個在建或規劃中。相關場地已覆蓋超過一半省級行政區；工業製造是最常見的應用，出現在86%的受訪訓練場。1822

但訓練場起好只係第一步，真正重要的是要用得着、運轉得起，成為數據資源基地和實景實訓平台，而唔係另一批只供參觀的示範場地。1422

理想中的循環是：真實場景訓練產生數據，數據改善模型；模型進步後，機械人可以擴大部署；部署之後，再產生更多操作數據。

政策要將機械人帶離展覽廳

中國工業和信息化部，以及國務院國有資產監督管理委員會，在2026年推出人形機械人與具身智能實景實訓專項行動。計劃涵蓋工業、服務和特種場景，包括製造、物流、醫療、公共服務及應急工作。2425

政府通知提出，到2026年底推動商業化應用1萬部人形機械人，以及超過100個高價值應用場景。26政策思路係將部署本身變成訓練基礎設施：鼓勵地方政府和國有企業提供實際工作環境，讓系統接受測試、驗證，再按運作結果持續改良。24

呢啲目標當然唔代表機械人一定能夠如期達標，亦唔代表佢哋會即時具備廣泛自主能力。但至少反映出，政策焦點正由單純生產硬件，轉向商業可靠性所需的「數據—部署」閉環。

點解只靠影片、文字或自動駕駛數據唔夠？

影片、語言和模擬數據仍然有用。它們可以教模型辨認物件、理解指令，以及理解人類動作大概點樣進行；模擬亦可以提供大量情境，減少部分昂貴或危險的實體測試。具身智能數據標準的研究，同樣傾向將真實世界數據、模擬數據和多種感測模態結合，而唔係只依賴單一來源。232

但對機械人操作物件而言，以上資料未必完整描述控制問題。機械人可能需要估算：

• 物件在三維空間中的位置和方向；
• 自己的關節角度、速度和機械反應；
• 抓取、推動、插入或提起物件所需的力度；
• 接觸、打滑或碰撞發生的時間；以及
• 預期動作失敗時，應該如何調整。

因此，以下幾類數據各有作用：

• **VR遙操作：**記錄人類操作員發出的機械人控制指令，並映射到機械人自己的動作座標。1
• **穿戴式動作捕捉：**記錄人體、手臂和手部的動作意圖，再重新對應至機械人。1
• **力度回饋和觸覺感測：**捕捉接觸、阻力、壓力和打滑等普通影像未必看得到的資訊。733
• **馬達扭矩及本體感覺數據：**反映機械人內部狀態，以及機械結構在動作期間的實際反應。3946
• **真實機械人動作軌跡：**暴露校準誤差、延遲、感測器雜訊、機械限制及真實環境的混亂程度；呢啲因素只靠人類影片或模擬往往只能約略還原。3234

自動駕駛數據可以幫助機械人改善感知和導航，但靈巧操作涉及完全不同的動作空間。駕駛主要以車輛為中心，而且一般避免與大部分物件持續接觸；抓取、插入和組裝等工作，則高度依賴接觸力度、柔順性和失敗後的恢復動作。

真正的競爭，可能係邊個先建立數據閉環

WRC 2026帶出的訊息，唔係中國已經唔重視機械人硬件，而係單靠硬件無法填補自主能力的差距。

未來的優勢，可能屬於那些能夠大規模收集、標準化，並在合法合規前提下使用多模態實體互動數據的機構。對中國人形機械人產業而言，要由舞台示範和遙控機械人再行一步，必須同時建立真實部署場景、受訓操作員、配備感測器的環境、共通數據標準，以及反覆測試的流程。

呢條 pipeline 正在成形，但由數十萬小時走到商業化常講的數以千萬小時，仍然係整個產業最核心的限制。31314