问题——“数据元年”的口号之下，具身智能的核心矛盾正在浮出水面。对应的数据来源越来越多：仿真平台能快速生成大量轨迹，公开视频与半公开数据也在不断积累。但一到真实环境，机器人遇到光照变化、物体差异、场景杂乱等“长尾情况”时，性能就容易波动，暴露出“训练数据很多，换个环境就失灵”的问题。行业争论的焦点也逐渐清晰：数据量不等于数据能力，真正稀缺的是与真实物理交互强绑定、能支撑模型泛化的真机高质量数据。 原因——多重因素叠加，造成“数据不缺，但难用”。一是信息密度不足。实验室采集的样本分布往往单一，难覆盖真实世界的复杂性，对摩擦、形变、滑移等微观交互缺少细粒度描述。二是仿真有边界。仿真训练在大范围运动控制、路径规划等效率很高，但在灵巧抓取、精细装配等任务中，细小的物理参数偏差就可能放大为动作失败；布料褶皱、液体扰动、弹性体形变、接触面微粗糙度等关键变量也难以完整还原。三是数据工程成本高。真实数据从采集到可训练，通常要经历对齐、去噪、标注、格式转换和质量评估等环节；不同设备、不同场景的数据口径不一，清洗与处理投入持续增加。四是触觉与力觉数据更稀缺。精细操作依赖力控曲线、接触面积变化、滑移趋势等信号，但相关传感器的集成、标定与维护门槛较高，成为模型突破的重要瓶颈。 影响——数据短板正在改写行业竞争格局。首先，模型在真实场景的可用性成为产品化的分水岭，企业从“能演示”到“能稳定工作”面临时间与成本的双重压力。其次，资本与产业决策的不确定性上升：即便都宣称拥有“海量数据”，有效数据占比、可迁移程度与可复用能力差异很大，壁垒真假更难判断。再次，数据话语权出现迁移。数据源头在传感器与执行器，掌握硬件设计制造、能规模化部署采集系统的企业，更容易建立持续的数据生产能力。尤其在高自由度灵巧手等关键部件上，触觉阵列与力反馈不仅影响执行效果，也决定可获取的数据类型与质量，进而影响模型上限。 对策——破局需要从“单点采集”转向“系统工程”。业内普遍认为，数据采集应与硬件迭代、算法目标和场景落地同步设计：其一，构建多设备协同的数据管线，形成“规模化预训练数据+精细交互数据+人类示范数据”的组合供给，分别覆盖广泛分布与高价值难例；其二，以任务为牵引建立统一的数据规范与质量度量体系，推动轨迹、传感器、标注与评估标准化，减少重复清洗成本；其三，强化真实场景的连续采集能力，在制造、仓储、家庭服务等高频场景形成闭环，用真实失败样本反哺训练；其四，完善数据安全与合规框架，明确采集边界、脱敏策略与使用授权，为规模化部署提供制度保障。 前景——“数据元年”更像一段加速期，而非一次性爆发。随着传感器成本下降、边缘计算与存储能力提升，以及产业链对数据标准的共识增强，具身智能的数据供给有望从“项目制”走向可持续的“产能化”。可以预期，未来一段时间的竞争将从比拼模型参数与演示效果，转向比拼“数据生产能力、数据治理能力与场景运营能力”的综合实力；在此过程中，既懂硬件、又能在真实场景稳定运行并持续产出高质量数据的企业，更可能率先跨过从实验室到规模化应用的门槛。
具身智能的数据困局，折射出技术创新与产业落地之间的深层张力。要破解此难题，需要硬件、算法与场景的共同推进，也离不开行业协作与长期投入。只有回到真实需求，技术才能真正服务生产与生活，而不是停留在实验室设想之中。