继密集 "补脑" 之后，资本罐头中长大的具身智能又闹起 "饥荒"，这轮被提出的核心要素是数据。大模型时代，Scaling Law 是最早取得的共识之一 —— 模型的每一次能力跃迁，都以数据为燃料，大力能出奇迹。问题是，目前行业已经拥有了几乎可以无限生成的仿真数据，以及互联网视频、人类第一视角视频、真机遥操作与部署回流数据，数据越来越多，但模型能力的提升还是不明显。更直观的体现在于机器人堪忧的落地能力：在家庭这样的开放环境中，物体位置和周边条件稍有变化，原本能够完成的动作便可能中断，端得起盘子但端不了盘子上的蛋糕。落地能力的瓶颈向上追溯到数据供给，推动产业上下游密集发起深度合作。

　　近日，光轮智能与黎曼动力达成合作，双方共同推进 "百万小时具身智能数据建设" 计划，旨在构建具身智能领域的系统化闭环。这类以共建、共创为关键词的合作方式，揭示了行业的结构性变化。过去，模型层与数据层的合作大多是标准的采购关系，模型公司提出任务和数据规格，数据平台负责采集、加工与交付；现在，双方需要共同寻找模型的能力缺口，由此决定新的数据应该怎么生产与使用。这并非孤例：它石智航在 3 月发布会现场签约六家产业伙伴，发起 "具身数据星火计划"；千寻智能分别与京东、博世中国展开合作，以真实场景反哺采集与训练；乐聚牵头建设开源数据集社区 OpenLET，与宇树、阿里云共建共享真机数据。2026 年年中的智源大会上，光轮智能创始人谢晨把这套关系称为物理 AI 的 "教育系统"：数据不是一次性燃料，而应由人类示范、仿真评测和真实部署共同构成。越来越多的共创背后，数据平台正在走出纯粹的 "卖铲人" 身份，开始参与出题、考试与纠错；模型公司则必须更早暴露自己的能力缺口，把评测结果和部署失败反馈给合作方；拥有工厂、商场和终端机器人的场景方，也不再只是客户，而是决定机器人能够经历什么、学会什么的共同训练者。

　　讨论具身 "数据荒" 的原因，需要回到一个更基础的问题：当人们谈论具身数据时，到底在谈什么？一段机器人搬运箱子的录像是数据，关节角度、夹爪力度和摄像头画面也是数据，运行日志、人工接管和任务结果仍然是数据。这些数据被写进存储介质中留存，却几乎无法用同一把 "尺子" 衡量。英伟达在去年发布的 GR00T N1 白皮书里给过一个精准的概括：机器人数据是 "由一个个数据孤岛构成的群岛"—— 不同机器人终端的结构、控制模式各不相同，让采集的数据自成孤岛。相比之下，大模型站在了时代的这边：互联网上的文本虽然质量参差不齐，却拥有相对统一的表达方式，不管来自哪个网站、哪个作者，网页上的文字最终都能被切分成同一套 Token，从而能够进入同一套训练框架。受限于 "身体"、无法似文本般自由流动的特性，推动最近一年多的数据层业务实践进入了一个 "为数据修路" 的阶段 —— 数据层需要解决的不只是采集多少小时、生产多少条轨迹，而是怎样给不同本体、不同场景和不同来源的数据建立共同接口、任务结构与质量标准，让原本彼此隔绝的经验有机会进入同一套体系。

　　对此，行业给出的回答主要有两种。一条路径试图削弱身体造成的 "隔阂"：国家地方共建人形机器人创新中心在上海建设的训练场，引入超过 100 台不同品牌、不同构型的机器人，在工业制造、民生服务和特种作业等场景中采集数据，并提出 "车同轨、书同文"—— 统一多品牌机器人的采集接口和数据格式，再按照 "场景 — 任务 — 原子技能" 组织数据。这类训练场承担的角色更接近具身数据的 "翻译中心"，即在承认本体差异的前提下，试图把不同本体留下的记录转换成模型可以识别、比较和调用的经验。另一条路线试图让被身体分割的数据重新流动起来：智元机器人 2025 年初发布的 ADC（对抗式数据采集），在常规采集中主动引入干扰，如打乱物体位置、改变光照、制造遮挡，让每条数据都携带更多信息，配套发布的 GO-1 模型仅用传统方案 20% 的数据量就达成了 2.7 倍的效果。打个比方，如果将被纳入模型框架中学习的数据视作 "经验"，那么训练场改造的便是经验的表达方式，让异构数据能够被统一管理和比较；ADC 改造的则是经验的分布方式，让有限采集更集中地覆盖不同细分场景和动作。这标志着数据层走出对单纯过程记录的粗放采集，进入经验工程化阶段 —— 早期数采业务首先解决供给问题，让机器人知道自己要做的任务是什么；经验工程化则进一步追问这些记录能否被模型有效学习，让机器人能把任务做好。

　　资本市场嗅觉敏锐，在行业共识才有雏形的时候便以真金白银下注。据投资界不完全统计，过去一年，15 家独立具身数据服务商完成 34 起融资，合计约 44.7 亿元，其中真机与真人采集路线的企业密集出现，渊澈太初累计融资超过 5 亿元，简智机器人连续多轮融资数亿元，觅蜂科技和诺亦腾机器人分别获得数亿元融资。真机轨迹记录了机器人真实执行中的接触、受力与控制反馈，真人采集则提供第一视角下的任务理解和操作经验，两者作用不同，却都是模型连接真实世界的重要锚点。只是相较于互联网视频和仿真数据，它们需要组织人员、设备、机器人与真实场景共同运转，生产成本更高，在具身数据的版图中占比极低。坚持合成数据路线的银河通用给出过直观比例：创始人兼首席技术官王鹤表示，99% 的数据需求可以借助高质量合成数据完成，只有合成数据无法处理的问题，才需要有针对性地采集 1% 的真实数据。资本重新关注这个长期存在的供给瓶颈，与行业对数据的价值判断有关 —— 数据价值不是由来源决定，而是由它相对于当前模型产生的能力提升决定。

　　这使高价值数据的生产开始要求双方交换更多此前不会写进采购订单的信息。数据平台必须走进模型训练与部署反馈，与模型公司、场景方一起，在能力缺口出现的地方共同定义数据：模型公司提供失败分布和评测结果，数据平台将其翻译成采集任务，再用下一轮训练验证效果。但这套新的合作模式在实际落地上并不轻松。一次任务失败很难被归因到单一环节，柔性任务或长程任务中断可能源于感知误差、规划失效，也可能发生在接触与控制环节，要判断模型究竟缺什么，双方往往需要围绕评测结果共同 "会诊"，再将问题转化为下一轮采集任务。更棘手的是，把模型弱点暴露给第三方本身就存在信任成本 —— 模型公司愿意把失败分布和评测结果交给数据平台，等于把自己的软肋摊在合作方眼前。在当前落地的样本里，愿意这样做的多是初创团队；头部厂商如宇树、智元、自变量等则更倾向于自建数据闭环，即使对外开放部分数据集，也会优先把最有价值的 "失败经验" 留在内部。

　　失败数据为何重要？上海交大助理教授穆尧提出了 "高价值的失败" 的概念：成功演示只能告诉模型怎样沿正确轨迹完成任务，失败与恢复则覆盖了模仿学习缺少的反事实空间。6 月 3 日，智元机器人正式开源 AGIBOT WORLD 2026 数据集，研究中也表达了相似观点，认为失败数据正在从噪声变成资产。如此一来，数据平台面对的任务也就从提供平均意义上的 "好数据"，变成找到造成剩余失败的具体问题，从而归因到具体的能力缺口，判断这个缺口应该用什么数据来填补；更进一步，则是将平台为某个客户解决具体问题的模式，抽象成可以跨客户复用的标准化方案。

　　除了来源与规模，数据的价值有了新的判断标尺，这不只改变了数据的生产与交付，也将重塑数据平台的整个商业模式。数据公司的产品正从一个数据集变成 "数据 — 训练 — 评测 — 部署反馈" 的闭环服务，场景多样性与数据集规模依旧重要，但正在变成基础能力，真正的竞争前沿是归因速度、配方判断和跨客户的方法沉淀。另一方面，既然高价值数据产生于模型与真实场景之间，掌握模型和场景的玩家也就有机会把数据生产内化，通过构建闭环向上游发起挑战。普渡机器人便是典型样本：公司已经形成配送、清洁、工业和通用具身智能四条产品线，提出 "一脑多形" 架构，将 PuduFM 模型、PuduAgent OS、不同形态的机器人及其部署场景连接起来，新一代 PUDU D7 搭载覆盖作业流程的数据采集体系，导航、抓取、交互和执行产生的记录可以回流至 PuduFM 参与后续训练，按照普渡具身智能负责人吴翔的说法，公司每年积累约 5000 万小时的真机运行数据。传统采购关系中，一次失败需要经过模型评测、任务定义、外部采集和重新训练才能回到现场验证；一体化公司则可以把这条链路压缩在内部，独自掌控数据采集与后续的反馈验证与回流，独立数据平台便可能退回按要求采集、加工的传统供应商角色。

　　综合来看，未来的具身数据生态可能围绕三类能力重组：训练目标与能力判断、终端部署与反馈回流、数据生产加工与评测。模型公司、本体企业与独立平台各有不同起点，却都在向彼此的边界延伸。过去人们把数据平台称作具身智能的 "卖铲人"，但在一个连矿藏位置、岩层结构都没有确定的行业里，铲子无法提前被定义，它必须随着模型暴露的问题反复调整，数据平台也需要从交付工具走向持续发现、生产和验证有效数据。具身智能的 "数据荒" 不会在供给达到某个规模后自然结束，随着模型能力提升，稀缺的数据会不断迁移：已经学会的经验迅速贬值，尚未攻克的任务、失败与边界条件则成为新的缺口。从这个角度看，所谓 "缺数据" 似乎成了一句临门一脚式的融资语言 ——Scaling Law 早就被产业翻译为 "大力出奇迹"，复杂的模型能力问题也由此被包装成一个可以量化、投资并通过扩大供给填平的缺口。但这套叙事本质上是用静态的视角去看待一个动态变化的问题，如果规模能战胜一切，现在全球最成功的具身智能公司，应该就落到马斯克的特斯拉身上了。