具身智能的竞赛里，本体已经越来越会「表演」，但真正卡住通用机器人能力涌现的，不是硬件，也不是模型，而是数据。
11 月 1 日，手亿科技联合创始人兼 CTO 于进洋在 CCBR 上发表题为《构建大规模具身智能数据基座，加速 AGI 到来》的演讲，系统阐述了手亿对具身智能数据瓶颈的判断与解法。
行业瓶颈：数据是最大卡点
于进洋指出，具身智能三大要素正在分化：
本体：硬件与供应链成熟，人形、双臂、灵巧手快速迭代；
模型：VLA、分层模型、世界模型持续演进，认知能力快速提升；
数据：真实操作数据严重匮乏，决定泛化操作上限。
「具身智能的上限不在表演，而在可泛化操作数据。」当前 AI Infra 已初步具备支撑大规模训练的能力，但高质量全模态数据匮乏，直接导致模型无法涌现物理常识与通用操作能力。补齐数据缺口，是行业破局的关键。
数据缺口：数量级不够
公开数据集的量级：World In Your Hands 1000+ 小时、RoboCOIN 18 万 + demos、Open X-Embodiment 100 万 + episodes、EgoSuite-Open100K 10 万小时…… 但这些距离「通用操作涌现」的需求仍有数量级缺口。结论直接：当下数据种类、质量、数量都远无法满足 Scaling Law。
主流路线的困境
为什么数据这么难采？五条主流采集路线各有短板：
动捕手套 / 外骨骼：质量高，但束缚手部、硬件昂贵；
遥操作设备：质量高，但场景约束、效率极低；
纯头戴视觉：真实感强，但遮挡即失效、缺少结构化执行数据；
虚拟仿真：规模高，但虚实差距导致泛化能力弱。
第一人称（Ego-centric）视频虽是正确方向，但仅靠头戴相机无法稳定描述「手怎么做」—— 手部重建质量不稳、真实任务频繁遮挡、关注点不总在手上。因此，真实数据采集不能只靠头戴相机，还需要手部传感、时空同步和数据平台一起做。
手亿的解法
手亿的切入点是：可穿戴设备采集真实裸手操作，产出高质量结构化数据。
产品形态做到「无束缚、易部署、低成本」：
规模化：支持真实场景大规模采集；
高质量：高速视觉模组 + 高精度 IMU，实现高精度手部姿态与轨迹重建；
无束缚：裸手佩戴，保留真实操作动作与触觉；
可部署：室内 / 室外可用，快速佩戴、快速启动。
核心能力：21 个手部关键点 3D 坐标与腕部 6DoF 轨迹输出，手部重建误差小于 3mm，腕部轨迹误差小于 1cm，全行业领先。全自动视频分段与多层级任务标注。形成硬件 + 算法 + 软件平台三合一的闭环交付。
商务合作
工程样机 / 开发者套装：面向算法团队、科研机构，交付腕带 + 头戴 + SDK + 数据导出；
企业级数采解决方案：面向机器人公司、物流 / 仓储企业，交付批量部署 + 数据平台 + 私有化 / 定制化；
联合数据服务合作：面向数据中心、生态伙伴、场景方，共建行业数据资产。
「补齐数据缺口，是具身智能破局的关键一步。」手亿科技开放工程样机预约、企业 POC、联合数据采集与行业场景共创，欢迎对具身智能数据基座感兴趣的朋友交流。
（来源：手亿智能）
