【科技资讯】10亿级预算、百万小时数据狂欢：具身离「开箱即用」还有多远

📝 核心摘要

2026年，具身智能行业将“百万小时数据”作为核心发展目标，鹿明机器人、灵初智能、北京人形机器人创新中心、星海图等多家机构相继布局该规模数据采集，参考GPT3时期OpenAI的语料规模，行业押注Scaling Law（缩放定律），认为百万小时数据有望让具身智能涌现类似GPT3/GPT3.5的通用能力。具身智能数据采集方式正持续演进：早期真机数据虽能直接对齐硬件，但成本高（约每小时1000元）、泛化性差，谷歌RT-1曾用13台机器人采集17个月仅获13万条演示；后续UMI通用采集接口将成本降至每小时400-650元，采集效率提升2倍以上；2024年推出的EgoMimic第一视角数据进一步将成本压至每小时300元，采集门槛大幅降低。不同数据来源的特性决定了其在训练中的分工：低成本数据（UMI、Ego）用于预训练扩大场景覆盖，真机数据用于后训练对齐硬件与控制逻辑，小米、Physical Intelligence等案例显示，合理的数据组合可提升效率，如小米用10万小时UMI数据预训练，再以7200多小时真机数据后训练，新任务平均每项补充不到40小时真机示范，整体成功率达85%。尽管机器人领域的Scaling Law已被验证（数据规模与模型表现呈对数线性关系），但百万小时并非具身智能“开箱即用”的临界点：数据小时数非标准化单位，相同时长数据的场景多样性、控制信息差异巨大；缺乏受控实验证明百万小时会触发能力跃迁；且真实环境中的意外情况（如物品滑落、设备故障）需依赖部署后的数据回流优化。百万小时是具身智能数据生产工业化的里程碑，但真正实现“开箱即用”的通用机器人，仍需等待首批百万小时级模型在复杂环境中的实际表现，行业也将借此验证数据价值的真实转化效率。

🔗 阅读原文

👉 10亿级预算、百万小时数据狂欢：具身离「开箱即用」还有多远

🏷️ 标签：具身智能, 百万小时数据, 数据要素, 开箱即用