李飞飞谈具身智能“数据瓶颈”：众趣科技如何把真实空间转成机器人

过去三年，行业各方把大量资本和人才投入到机器人本体与模型上——谁能做出更灵活的机器人，谁就能占据资本与舆论的制高点。随着具身智能加速进入真实场景，众趣科技已经把多年积累的真实空间数字化能力延伸到机器人仿真场景资产生产，为机器人训练提供更贴近真实环境的数字“训练场”。

刚刚举办的2026世界机器人大会上，机器人制造商“百家争鸣”，纷纷亮出看家本领，集中展示最新技术与产品。随着具身智能加速走出实验室、迈向真实场景，行业竞争也正在从“比技术”转向“比落地”，一场围绕实际应用与商业化能力的较量正全面展开。

到了2026年，战局正在悄然扭转，竞争的重心正在从硬件和大脑转向数据。行业逐渐意识到一个残酷的事实：没有足够多的高质量训练数据，再好的机器人也只是中看不中用。如果把具身智能比作士兵，那么数据就是粮草，而“粮草”问题，远比想象中严峻。当前具身智能训练数据形式并未收敛，各种各样的数据内容层次出现、正是话语权争夺的“春秋战国”时代。

Part 1.数据为什么已经成为具身智能的核心瓶颈

有一组对比可供参考：大语言模型可以依靠互联网上数十年积累的海量文本数据完成训练，GPT-2和GPT-3的训练数据分别对应约79万小时和1100万小时。但具身智能呢？截至2026年初，全球高质量真实物理交互数据总量仅约50万小时。

2026年7月，李飞飞在a16z的访谈中也提到：机器人面临一个极其困难的问题，就是非常缺乏数据，无论是训练数据还是评估数据都严重不足，大语言模型只需要理解语义，但机器人必须理解物理世界，一个物体的重量、摩擦力、形变，以及空间中的位置关系、障碍物布局。这些信息不是"看到"就能获取的，必须通过真实世界的物理交互才能采集。

而真实世界的采集，远比想象中困难。不同型号的机器人、不同的工作场景、不同的光照和物体条件，采集到的数据几乎不通用。一台机器人在A工厂学会的抓取技能，换到B工厂的产线上就要重新训练。

数据的紧缺，就阻碍了具身智能快速、规模化的进入真实世界。

Part 2.具身智能训练数据的“粮草”都有什么种类？

第一类是真机数据。

真机数据是目前数据质量最高的方案，它的采集逻辑很直接：人通过VR头显和遥操设备远程操控真实的机器人，让真实机器人完成各种任务，同步采集动作与环境数据。

真机数据的优点是数据保真度高，它直接来自真实机器人的传感器反馈，采集的数据能直接反映机器人操作习惯，为复杂动作提供可靠的数据基础。

缺点也十分突出，一个字——贵。一台机器人硬件成本动辄几十万，采集员需要全天候值守。更致命的是，不同型号机器人的数据不通用，难以跨本体使用。

（图源网络）

第二类是EGO数据，也就是第一视角人类数据。 人类每天都在拿东西、开门、做饭、整理物品，这些行为本身就是巨大的具身智能数据来源。Ego-Exo4D等项目已经开始大规模记录人类第一视角行为。EGO数据的优势是规模大、成本相对低，可以帮助模型理解人类如何与世界交互。

（图源网络）

第三类是UMI数据， 即通用操作接口数据。UMI的核心思路是把“人的示范”和“机器人”进行捆绑。人类可以通过一个类似夹爪的小型操作设备完成真实操作，系统再把这些动作转化为机器人能够学习的数据。这样可以降低机器人数据采集成本，对于聚焦单一操作任务的中小企业而言，UMI数据成本更低、可用性更强。

（图源网络）

第四类是仿真合成数据。 仿真合成数据是在虚拟物理世界中批量生成的机器人操作数据。它有点像打电子游戏——在电脑里构建一个虚拟的物理世界，让机器人在里面反复练习。

仿真数据的优点是成本极低、可无限生成、可覆盖各种危险或难以在现实中复现的场景。仿真数据生成成本仅为真机采集的约百分之一，且能快速切换任意环境，这是真机采集无法比拟的效率。

但它的缺点是存在显著的Sim2Real Gap——由于仿真环境很难100%还原真实世界的物体形变和物理特性，仿真数据往往存在偏差，直接迁移到机器人上时会出现“水土不服”，训练出来的策略搬到真机上往往表现不佳。

（图源网络）

Part 3.未来趋势：仿真合成会成为最终答案吗？

面对上述四种数据类型的各自短板，行业一直在探索最优解。

早期工业依赖实物制造和反复试验，研发成本高、周期长。随着标准化实验、工程测试和计算机技术的发展，越来越多的试错从生产现场转移到实验室和数字空间，CAD、CAE、CFD等设计仿真工具由此成为现代工业研发的重要基础。进入物理AI时代，工业时代这一发展历程同样也在悄然发生。

2026年7月，李飞飞的World Labs发布“Real-to-Sim-to-Real”引擎。它的核心逻辑是：在仿真环境里批量生成那些在真实世界中极难采集的训练数据。整个策略完全在仿真中完成训练，全程不使用任何真机数据，仅靠仿真数据就完成了从仿真训练到多种机器人真机迁移，真正实现了0样本真机训练。

在此之前，艾伦人工智能研究所（AllenAI）发布相关实验论文《MolmoBot: Large-Scale Simulation Enables Zero-Shot Manipulation》已经表明：在机器人训练任务中，构造一个零真机数据的仿真训练场，并生成海量多样化场景——随机变换房间布局、物品类别、光照条件、视角角度和物体位置，模型在训练中掌握的是任务底层的通用逻辑，完全不需要接触真实世界数据。训练完成后直接迁移到实体机器人上，效果甚至超过用昂贵真机数据训练出的顶级模型。

（图源网络）

从过去一年具身行业的发展来看，春秋战国终将走向统一。从工业发展的历史规律来看，仿真的规模化应用，几乎是必然的终局。仿真不是替代了真实，而是让昂贵的真机数据被高效地放大和利用。因此，未来的竞争重点可能不再只是“谁拥有更多机器人”，而是谁拥有更多、更丰富、更还原真实世界的世纪模型。

Part 4.众趣科技，为具身智能建一座对齐真实世界的仿真“训练场”

在过去，三维扫描的主要价值是把房间、园区、建筑等真实空间数字化，让人能够在数字世界中查看和管理现实空间。而能更快、更精准、更低成本地把真实世界的空间结构“搬”进数字世界，是行业一直在努力的方向。在这个方向上，众趣科技已经积累了十余年。

在进入物理AI时代以后，这些空间数据有了新的价值：它们可以进一步成为具身智能理解、训练和模拟真实世界的模拟器。

截至目前，众趣科技已累计复刻超50亿平方米的真实三维数字空间，覆盖从百平米室内到大型园区的各类场景，形成了国内规模领先的真实空间数字化资产库。

但仅仅把空间“搬”进数字世界还不够，众趣正在做的是第二步：基于真实世界扫描生成的三维模型可转换为兼容OpenUSD标准的数字资产，接入基于NVIDIA 机器人生态的 Isaac Sim/Lab/Newton 等开放框架开发的智能体和应用，并进一步用于具身智能训练和大规模评测，最终形成“Real-to-Sim-to-Real”完美闭环。

这意味着，众趣科技已积累的海量数字孪生空间，不再只是给人看的世界模型渲染器，而是可以直接成为具身智能可以进去训练、试错、迭代的“世界模型模拟器”。

我们判断，随着仿真引擎的不断进步，正如高端制造业过去30年发展经历一样，具身智能的训练数据之争终究会走上“仿真+真机”的成长路线：机器人要在真实世界工作，首先得有一个足够真实的仿真环境，这将是具身学习最扎实的底座（正如我们的学校教育一样），最后再加上有限高质量的真机数据（岗前培训），就形成机器人完美的成长教育体系。

而众趣科技，正在用十几年积累的海量真实空间数据和领先的空间智能能力，铺下这场战役的第一块基石。

参考文章：

《构建用于人形机器人学习的合成运动生成流程》康纳·史密斯，Peter Du——NVIDIA

《具身智能进入数据竞争下半场：千万小时真实交互数据成核心瓶颈》DONEWS

《当Github7万星标遇上产业老兵》36氪品牌

《在宿迁，窥见世界模型争夺战的数据采集前线》周远方——科工力量

《破解具身智能数据瓶颈：哪条技术路线才是最优解？单选Or并行？》机器觉醒时代——维科网

《MolmoBot: Large-Scale Simulation Enables Zero-Shot Manipulation》艾伦人工智能研究所（AllenAI）、华盛顿大学、普林斯顿大学等