7 月 17 日 WAIC 世界人工智能大会正式开幕，一众具身机器人企业迎来行业集中检阅，行业最直观的变化是海量数据处理与模型训练需求持续涌向云端算力平台。即便当前具身智能商业化规模远不及自动驾驶赛道，算力增速却十分迅猛。腾讯云异构计算产品副总监黄阳表示，今年平台具身智能相关算力需求整体增长 4 至 5 倍，新增需求绝大部分集中在数据采集、清洗、标注环节。

长期制约行业发展的数据短缺瓶颈正在缓解，核心驱动力是全新数据采集范式落地。此前行业多依赖仿真合成数据填充样本缺口，如今轻量化穿戴式人类数采设备大范围普及，工人、普通用户佩戴多视角摄像、定位传感设备即可采集日常操作轨迹，采集成本更低、产出效率更高，催生大量专业数据服务商，不少团队从自动驾驶、大模型数据赛道转型布局具身数据全链条业务，覆盖采集、众包标注、清洗、格式转换全流程。

艾欧智能联合创始人丁哲章介绍，轻量化数采设备自去年 11 月开始批量落地，简易方案仅需加装摄像设备的帽子、智能眼镜、普通 VR 头显即可完成采集。此前行业训练配比以 10%-20% 真机数据搭配 80%-90% 仿真数据为主，如今主流路线切换为 80% 人类采集数据做预训练，20% 真机数据完成后训练微调。过去企业仅能获取几百小时人类操作素材，现阶段单项目人类数据规模可达到 50 万小时，行业远期目标冲击千万小时量级。工厂一线工人穿戴设备采集作业动作的订单持续激增，相关业务供给已经跟不上市场需求。

元点 Zeroth 联席 CTO 李元庆也印证了人类数据采集的行业热潮，面向家庭陪伴、教育、宠物记录等场景的家用机器人厂商，均在加大人类操作数据采购。采集设备、算法持续迭代优化，人类采集数据的可用性持续提升，整体数据供给规模迎来爆发式增长。

海量新增数据带来海量后端处理压力，人类采集数据的清洗、标注、对齐工作量远高于真机数据，企业普遍依托云厂商存储与算力底座搭建数据管理平台。同时数据规模扩张带动模型训练算力需求同步攀升，过往数据体量偏小仅支持模型微调，如今百万级小时素材可支撑完整预训练流程。模型架构持续复杂化、参数量不断提升，端侧硬件算力难以承载长时序任务、复杂推理指令的运行需求，大量大参数模型训练、技能开发工作迁移至云端。

企业即便将 2.5B 参数模型压缩部署在 40TOPS 以内的端侧板卡，高精准长流程作业仍需要 20B 以上大模型支撑，仅依靠本地硬件无法满足性能要求。云端协同配套的芯片、通信架构需要云厂商配套搭建，不少企业依托开源云端智能体平台开发机器人专项技能，持续消耗云端算力资源。

数据总量虽大幅提升，但行业距离充分释放机器人智能仍有较长周期。真机遥操作数据依旧是训练不可或缺的核心素材，但采集难度大、有效产出偏低，8 小时采集周期内，人类数据有效时长可达 6 小时以上，真机数据有效时长常不足 4 小时，千小时级真机数据集已是行业稀缺资源。同时简单抓取类基础动作数据供给充足，按摩、底层取物、设备加注等细分长尾场景数据依旧匮乏。

硬件配套短板也曾限制高质量数据产出，近半年灵巧手、全身运动基础模型成熟后，精细操作、长时序协同动作的数据采集需求才得以释放。机器人本体、数据、模型、算力、场景五者深度绑定、强耦合，单一环节无法独立突破，这也决定机器人能力无法短期跨越式提升。

黄阳提到，具身智能具备明显长尾效应，基础能力快速达到七八成熟容易，但最后 20% 真实场景适配优化需要投入数倍资源。大众对人形机器人落地效果预期和当前软硬件实际能力存在明显落差，完整可持续的数据飞轮尚未成型，业内预判还需要两到三年才能真正运转。现阶段行业核心工作仍是夯实基座模型基础，稳步推进机器人进入各类真实场景持续积累场景数据，逐步补齐全产业链各环节短板。