星河频率 8 月 12 日行业深度文章指出，此前行业将真机遥操作、人类示范作为数据获取主流方式，但随着通用具身模型对千万级交互轨迹的数据需求爆发，真机路线的结构性缺陷彻底暴露。成本层面，每条真机交互轨迹均消耗硬件、人力、时间，大规模采集会持续抬升研发成本，无法复刻大模型文本数据近乎零边际成本的优势；场景层面，真实世界材质、光照、接触形态组合无穷无尽，高温、狭小精密操作等高危、长尾场景难以批量采集，导致模型面对分布外任务泛化能力大幅下滑；产能层面，实体机器人受物理时空约束，单台设备同一时间仅能执行单一动作，并行训练效率远不及可同时运行数百实例的虚拟仿真环境，模型缺陷修正、针对性数据补充周期长达数周。多重限制之下，仅靠真机数据难以支撑具身智能技术持续迭代，仿真训练迎来产业价值重估。

　　行业衍生两条差异化仿真发展路径，两类企业同台争夺机器人 “经验生产” 核心入口。 　　第一类为自研仿真底座的全栈机器人企业，核心逻辑是以海量仿真数据完成模型基础训练，少量真机数据完成虚实对齐微调，四家代表企业各有技术侧重：苏度科技走均衡虚实融合路线，依托仿真生成海量样本，搭配真机校准，旗下 R1 机器人可稳定抓取透明、柔性、异形未知物体；银河通用构建 “99% 仿真数据 + 1% 真机数据” 金字塔数据集，百亿级虚拟样本攻克衣物叠放等长时序柔性操作；Roboscience 自研可微多模态物理引擎，大幅压缩单条数据生产成本，以自动化管线高速扩充数据集；跨维智能聚焦生成式仿真引擎，批量生成精密装配、柔性交互等真机难以覆盖的长尾场景数据，降低实体设备试错损耗。

　　第二类是专注仿真基础设施的技术服务商，不涉足整机与大模型研发，为全行业提供标准化工具与数据资产，四家头部厂商构建差异化护城河：光轮智能打造覆盖合成数据、评测、部署的全链路平台，成为全球首个估值突破 150 亿的具身数据独角兽，合成数据交付规模全球领先；谋先飞实现物理求解器至训练管线全链路国产化，解决海外开源框架适配差、安全可控性不足问题，服务高端工业精密操作场景；群核科技手握超 5 亿结构化 3D 空间场景资产，自动生成物体空间关系数据，补足机器人导航交互训练短板；凌迪科技深耕柔性体仿真十余年，拥有全球领先柔性物体数据库，推出 SynReal World 引擎，有效消解布料、软质杂物操作的 Sim2Real 鸿沟，已和银河通用等整机厂商达成合作。

　　长期制约仿真路线的 Sim2Real 鸿沟，如今被行业重新定义为可逐步优化的工程问题，而非无法跨越的壁垒。通过高保真物理引擎、域随机化数据增强、虚实数据循环迭代，仿真与现实的差距持续缩小，自动驾驶领域特斯拉、Waymo 大规模运用仿真训练的成熟经验，也为机器人行业提供参照。同时大批自动驾驶数据服务商跨界转型具身智能赛道，复用仿真、合成数据技术积累。

　　对比真机采集，仿真训练具备四大不可替代优势：边际成本极低，仅消耗算力电费；依靠参数随机化系统性拓展全品类场景，覆盖真机难以触及的极端、长尾任务；仿真环境可复现全部交互流程，搭建统一标准化评测基准；在企业缺少真机设备的研发初期，快速完成模型冷启动。但仿真仍存在物理建模精度、力觉视觉一致性、长时序误差累积等技术难点，行业已摒弃 “仿真替代真机” 的二元对立思路，转向虚实协同的融合方案。

　　文章点出行业现存关键隐患：全产业链缺少统一仿真引擎、数据格式、评测基准，暂无对标计算机视觉 ImageNet 的通用物理测试集，未来掌握仿真标准定义权的企业，将主导产业发展话语权。整体来看，具身智能赛道的竞争本质是交互数据的竞争，底层核心是产出高质量经验的仿真环境能力。仿真并非阶段性过渡方案，而是机器人产业规模化落地必备基础设施，虚拟世界为 AI 搭建完整物理训练体系，最终依托真机完成落地验证，虚实协同的数据飞轮，将推动具身智能突破当前技术瓶颈。