【科技资讯】具身智能下一场竞争是数据？还是“具身 o1时刻”？

📝 核心摘要

本文发布于2026年8月6日，探讨具身智能的竞争焦点从数据规模转向推理能力的趋势。大模型领域的演变提供了参照：GPT-3依赖参数、数据量和算力扩张实现能力提升，而o1通过增强推理阶段计算量，让模型从“学得更多”转向“想得更深”，证明AI能力提升可通过推理而非仅依赖数据增长。OpenAI首席科学家Ilya Sutskever曾指出，互联网数据接近极限后，推理将成为AI进步的重要方向，这一判断深刻影响了具身智能领域。

当前具身智能行业面临数据瓶颈：机器人所需的物理世界数据获取难度大，现有模型如VLA虽能完成识别物体、执行简单操作等基础任务，但缺乏行动推理能力——无法像人类那样基于常识推断动作后果、规划路径。Meta的HumanCLAW测试显示，最先进视觉语言模型在1218个具身任务中的成功率仅16.8%，暴露了语言智能向物理智能转化的差距。为此，Google DeepMind、Meta等公司转向世界模型探索，让机器人在行动前模拟未来状态；同时，逐际动力的Agent OS、Figure的Helix系统、获1亿美元天使轮融资的求之科技的ORION-0四层架构等“快慢脑”设计，也为具身智能的推理能力提升提供了架构支撑。

数据的价值并未消失，但角色发生转变：从单纯的规模堆砌转向“智能密度”的挖掘。高质量具身原生数据（如蚂蚁灵波围绕动作、接触、状态变化组织的数据）、创新数据用法（如负样本反思、远程干预回流数据）、推理时技能获取（如自变量的HOST架构）成为关键，数据更像“行军粮草”，而胜利取决于对数据的调度运筹——让有限数据催生出可泛化的行动智慧。

若具身智能迎来“o1时刻”，产业结构将发生转移：竞争从数据供给能力转向智能系统能力，模型话语权提升；商业化门槛降低，柔性制造、家庭服务等长尾场景因机器人具备自主推理能力而突破部署成本限制。机器人将从“执行者”变为“理解者”，不再依赖海量提前训练数据，而是通过推理自主解决未见过的问题，这一转变或将成为具身智能产业应用爆发的起点。

🔗 阅读原文

👉 具身智能下一场竞争是数据？还是“具身 o1时刻”？

🏷️ 标签：具身智能, o1时刻, 行动推理, 世界模型, 智能密度