【科技资讯】黎曼动力冲刺百万小时数据，具身智能的数据基建战真打响了

📝 核心摘要

2026年8月6日，具身智能企业黎曼动力联合光轮智能、诺亦腾在北京签署战略合作协议，三方将围绕真实数据采集、仿真合成、动作捕捉、训练评测与世界模型基础设施展开深度协作，明确提出2026年底完成100万小时机器人训练数据采集的核心目标，标志着具身智能领域的数据基建竞争正式全面打响。此前2026年7月举办的世界人工智能大会（WAIC）上，黎曼动力正式发布Riemann-1.0通用具身世界动作模型，在机器人领域公认难度极高的RoboCasa-365家务基准测试中以62.6%的平均成功率登顶，超出此前行业最高水平8.4个百分点，支撑该成绩的是黎曼动力已积累的23.2万小时异构交互数据集。截至2026年初，全球范围内高质量具身交互数据总规模仍仅为数十万小时级别，黎曼动力提出的百万小时目标，相当于在不到半年时间内将全球可用具身数据总量提升一倍以上。当前具身智能正处于从“模型验证”走向“真实场景规模化落地”的关键节点，百万小时是行业公认的具身智能能力涌现核心门槛：当前具身数据整体规模与头部大语言模型的百亿亿级token预训练语料规模存在一万倍以上差距，且具身数据需要覆盖物理空间感知、力反馈、长时序任务逻辑、异常场景恢复等特殊信息，无法直接从互联网文本中获取，而传统三类具身数据采集路线各有难以突破的硬约束：遥操作采集单小时成本高达500元、单台设备售价30至40万元，规模扩张难度极大；仿真数据存在多维度非平稳性导致的“仿真到真实”迁移性能损失问题；人类第一视角视频数据存在“体不匹配”缺陷，无法直接用于机器人动作生成，长期制约行业数据规模提升。本次三方合作形成了高度互补的能力组合：黎曼动力作为模型与训练体系整合者，采用“大规模低成本人类视频数据学习物理常识+小批量高成本真机数据锚定动作空间”的差异化数据策略，通过统一表征的结构化多模态数据集最大化数据利用效率；光轮智能输出覆盖25000余个环境节点、10万余种任务类型的EgoSuite人类数据平台、RoboFinals评测平台、RoboStack部署平台，构建“模型缺口驱动数据生产-评测定位能力边界-部署回流迭代优化”的完整闭环；占据全球70%专业动作捕捉市场份额的诺亦腾提供位置误差控制在1mm、姿态误差0.5°的高精度动捕与遥操作黄金标准数据，全年动捕数据产能可达45万小时，补全精细操作类多模态数据缺口。该百万小时目标若顺利落地，将推动具身智能行业彻底摆脱Demo演示阶段，触发“数据-模型”正向飞轮的初始运转，黎曼动力探索的开放协同数据生态路径，区别于海外头部企业依托自有本体车队自产自销数据的路线，有望重塑全球具身智能产业竞争格局，推动整个行业从“焦虑数据不足”的阶段迈入“系统性解决数据瓶颈”的全新发展阶段。

🔗 阅读原文

👉 黎曼动力冲刺百万小时数据，具身智能的数据基建战真打响了

🏷️ 标签：具身智能, 数据基建, 世界动作模型, 机器人训练数据, 黎曼动力