2025.07.28

本文字?jǐn)?shù)：2822，閱讀時長大約5分鐘

作者 |第一財(cái)經(jīng) 喬心怡 張?zhí)鹛?/p>

近期，加州大學(xué)伯克利分校副教授、Physical Intelligence（PI）的聯(lián)合創(chuàng)始人Sergey Levine在一篇文章中提到，“機(jī)器人數(shù)據(jù)訓(xùn)練，真實(shí)世界數(shù)據(jù)不可或缺”，引起了行業(yè)討論。

這一觀點(diǎn)之所以引發(fā)關(guān)注，是因?yàn)樗魬?zhàn)了業(yè)界部分企業(yè)“以仿真數(shù)據(jù)替代真機(jī)”的做法。在訓(xùn)練成本高昂、數(shù)據(jù)獲取難的背景下，企業(yè)該優(yōu)先依賴成本低、速度快的仿真數(shù)據(jù)，還是回歸真實(shí)環(huán)境、積累高質(zhì)量的真機(jī)數(shù)據(jù)，成為擺在每一家具身智能公司面前的一道關(guān)鍵技術(shù)選題。

PI 曾被視為機(jī)器人領(lǐng)域的 OpenAI，也是國內(nèi)不少企業(yè)的對標(biāo)對象。7月28日，在2025年世界人工智能大會（WAIC）現(xiàn)場，第一財(cái)經(jīng)采訪了多位機(jī)器人企業(yè)的創(chuàng)始人和技術(shù)負(fù)責(zé)人，試圖厘清一個核心問題：在機(jī)器人進(jìn)入真實(shí)場景的關(guān)鍵時刻，什么樣的數(shù)據(jù)才真正有價值？

業(yè)界難定孰優(yōu)孰劣

“仿真數(shù)據(jù)很難涵蓋所有物理世界中我們希望機(jī)器人完成的任務(wù)。”智元機(jī)器人合伙人、具身業(yè)務(wù)部總裁姚卯青表示，Sergey Levine 提出的“叉勺理論”與公司在實(shí)驗(yàn)中觀察到的結(jié)論高度一致：部分局部任務(wù)可通過仿真訓(xùn)練完成，但大多數(shù)復(fù)雜任務(wù)仍需依賴真實(shí)數(shù)據(jù)。

“教會機(jī)器人使用勺子，可能要上百萬次訓(xùn)練。”一位參展工程師舉例說，“人類依靠經(jīng)驗(yàn)學(xué)習(xí)，而機(jī)器人只能靠數(shù)據(jù)堆積。”

人類的智慧來自經(jīng)驗(yàn)，而AI的智能來自數(shù)據(jù)。機(jī)器人是被海量數(shù)據(jù)“喂”聰明的。這些數(shù)據(jù)可能來自真實(shí)數(shù)據(jù)、仿真數(shù)據(jù)或互聯(lián)網(wǎng)數(shù)據(jù)。

以銀河通用為代表的仿真數(shù)據(jù)優(yōu)先派，主張自己學(xué)得更快、成本更低，甚至能在零真實(shí)數(shù)據(jù)情況下啟動。銀河通用創(chuàng)始人王鶴曾在接受媒體采訪時提到，通過“搖操”采集數(shù)據(jù)，即讓真人戴上一些采集設(shè)備來完成機(jī)器人要學(xué)的動作，對于創(chuàng)業(yè)公司而言成本高昂，銀河通用選擇all in “Sim2Real（從仿真到真機(jī)的遷移）”，即主要依靠合成仿真數(shù)據(jù)。

在WAIC展會現(xiàn)場，第一財(cái)經(jīng)記者看到了銀河通用的機(jī)器人正在充當(dāng)服務(wù)員，進(jìn)行物品的拿放、遞取。

“有機(jī)器人，就有數(shù)據(jù)；有數(shù)據(jù)，才有迭代。”擎朗智能CEO李通在接受第一財(cái)經(jīng)記者采訪時表示，相比做一兩個demo，更關(guān)鍵的是把機(jī)器人真正部署到實(shí)際崗位上，讓它們在真實(shí)任務(wù)中不斷工作、不斷犯錯，從而積累起對模型訓(xùn)練真正有價值的數(shù)據(jù)。

在他看來，服務(wù)業(yè)的應(yīng)用場景遠(yuǎn)比想象中更豐富，從餐飲、酒店、商超、機(jī)場、4S店、KTV到行政接待廳，每一個場景雖然任務(wù)各異，但底層的“動作元素”是可以被歸類的——抓取、遞送、避障、交互等基礎(chǔ)能力構(gòu)成了崗位的操作核心。“這些元素對大模型來說是可泛化的，但前提是要有足夠豐富的真實(shí)數(shù)據(jù)支撐。”

李通強(qiáng)調(diào)，“機(jī)器人必須在一個明確崗位上達(dá)到萬級部署量，才可能積累出對模型有效的數(shù)據(jù)。絕對不是一百臺、兩百臺能解決的問題。”對于機(jī)器人落地崗位的選擇，李通認(rèn)為，真正適合規(guī)模化落地的崗位，必須是相對清晰、簡單、邊界明確的任務(wù)，而不是“既要干這個又要干那個”的復(fù)合型操作。“像抓取、遞送這樣的基礎(chǔ)動作，雖然看似簡單，但只要在真實(shí)環(huán)境中積累足夠數(shù)據(jù)，就能為大模型提供高度泛化的訓(xùn)練素材”。

真實(shí)和仿真數(shù)據(jù)孰優(yōu)孰劣，眼下或許還難以下定論。一位在WAIC現(xiàn)場的企業(yè)創(chuàng)始人告訴記者：“現(xiàn)在沒人能說死，因?yàn)檫€沒有人靠某種數(shù)據(jù)路徑跑出一個通用智能的完全體。”

魚和熊掌不可兼得

在機(jī)器人落地過程中，如何處理仿真與真機(jī)數(shù)據(jù)的結(jié)合，正成為行業(yè)普遍面臨的一道技術(shù)難題。靈初智能聯(lián)合創(chuàng)始人陳源培在接受第一財(cái)經(jīng)記者采訪時表示，這一問題并非首次出現(xiàn)，早在2023年、2024年公司向投資人匯報時，就明確指出“仿真和真機(jī)數(shù)據(jù)不能簡單混合使用”。

“當(dāng)模型成長到一定階段，它會自動識別數(shù)據(jù)來源，并對不同來源的數(shù)據(jù)進(jìn)行不同程度的權(quán)重處理。”陳源培解釋說，例如，模型會先判斷數(shù)據(jù)來自仿真還是真機(jī)，再決定用仿真做策略搜索，還是用真機(jī)做微調(diào)。這也意味著，數(shù)據(jù)混合本身存在技術(shù)限制，因此靈初的方案是將仿真用于大規(guī)模預(yù)訓(xùn)練，再通過少量真機(jī)數(shù)據(jù)完成“最后一公里”的打磨。

北京人形機(jī)器人創(chuàng)新中心品牌負(fù)責(zé)人告訴第一財(cái)經(jīng)，目前公司對機(jī)器人進(jìn)行訓(xùn)練時，仿真數(shù)據(jù)和真實(shí)數(shù)據(jù)的使用比例為7:3；國家地方共建人形機(jī)器人創(chuàng)新中心相關(guān)負(fù)責(zé)人告訴第一財(cái)經(jīng)，公司目前有自建的數(shù)據(jù)采集中心，真實(shí)數(shù)據(jù)使用比例較高，和仿真數(shù)據(jù)大概占比為3:1。

在數(shù)據(jù)結(jié)構(gòu)層面，業(yè)內(nèi)普遍認(rèn)為真實(shí)數(shù)據(jù)具有不可替代性，但高昂的采集成本是行業(yè)“必須面對的代價”。

智元機(jī)器人首席科學(xué)家、具身研究中心主任、上海創(chuàng)智學(xué)院副教授羅劍嵐博士表示，目前是具身智能落地的早期階段，仿真數(shù)據(jù)具備成本低、易獲得的優(yōu)勢，“但仿真不是替代品，真機(jī)數(shù)據(jù)才是主舞臺。目前智元所有的多模態(tài)大模型、VLA（視覺語言動作）模型100%使用的都是真機(jī)數(shù)據(jù)。”

無論選擇何種數(shù)據(jù)進(jìn)行機(jī)器人訓(xùn)練，業(yè)內(nèi)都面臨著“魚和熊掌不可兼得”的困境。

成立僅一年半，自變量機(jī)器人目前正處于產(chǎn)品技術(shù)驗(yàn)證（PoC）階段，與酒店、養(yǎng)老等多個行業(yè)客戶聯(lián)合開展項(xiàng)目測試，不斷驗(yàn)證其技術(shù)在真實(shí)、非結(jié)構(gòu)化環(huán)境中的高效部署能力。自變量機(jī)器人COO 楊倩強(qiáng)調(diào)：“我們的核心目標(biāo)不是快速商業(yè)化，而是讓機(jī)器人在真實(shí)場景中真正‘用起來’。”

她認(rèn)為，仿真技術(shù)目前在機(jī)器人"下半身"的訓(xùn)練中仍占據(jù)主流，例如雙足機(jī)器人的步態(tài)規(guī)劃與運(yùn)動控制等領(lǐng)域，仿真提供了不可或缺的低成本測試環(huán)境，其價值是毋庸置疑的。然而，當(dāng)任務(wù)重心從"下半身"的移動轉(zhuǎn)移到"上半身"的精細(xì)操作——即與商業(yè)應(yīng)用緊密結(jié)合的、與物理世界進(jìn)行復(fù)雜交互的任務(wù)時，依靠仿真能夠到達(dá)的操作能力就非常有限。她告訴記者，一旦進(jìn)入長鏈條、柔性和高度接觸的交互任務(wù)，比如完成制作香囊、貼標(biāo)、遞送，仿真所需的工程開銷、調(diào)參周期和計(jì)算成本是巨大的，甚至是不可能完成的。“相比之下，我們更傾向于直接在真實(shí)世界進(jìn)行端到端的數(shù)據(jù)采集和訓(xùn)練，用較少人力在較短周期內(nèi)完成訓(xùn)練與部署。”

“我們從訓(xùn)練到調(diào)優(yōu)，只用了大約一周，就讓機(jī)器人完成了完整制作任務(wù)。”她介紹說，“你可以認(rèn)為它的單條數(shù)據(jù)很長、成本高，但放在這個復(fù)雜任務(wù)的學(xué)習(xí)效率上來看，仿真反而更‘劃不來’。”

楊倩指出：“最終算得過賬的，不只是采購成本，而是它在真實(shí)場景中能不能真正替代人來做事，甚至長期在人效比上能不能跑贏。”

當(dāng)被問及如何看待同行對仿真路徑的堅(jiān)持時，楊倩表示：“與其在仿真世界里反復(fù)調(diào)參，不如讓機(jī)器人直接在真實(shí)世界里試錯成長。”在她看來，“任務(wù)定義”才是決定數(shù)據(jù)價值的核心變量，“真實(shí)數(shù)據(jù)并不一定貴，仿真數(shù)據(jù)也未必便宜”。

智元機(jī)器人同樣明確押注真實(shí)數(shù)據(jù)。目前，智元通過自建專業(yè)數(shù)采工廠，形成全球最大數(shù)據(jù)集AgiBot World并開源，姚卯青說：“面對具身智能數(shù)據(jù)的荒漠，我們選擇栽下第一棵樹，愿其能成為一片森林。”同時，智元還發(fā)布行業(yè)首個通用具身基座模型——啟元大模型，擁有“一腦多形”能力，可適配其他異構(gòu)機(jī)器人本體。

微信編輯| 雨林

實(shí)習(xí)生| 小朱

第一財(cái)經(jīng)持續(xù)追蹤財(cái)經(jīng)熱點(diǎn)。若您掌握公司動態(tài)、行業(yè)趨勢、金融事件等有價值的線索，歡迎提供。專用郵箱：bianjibu@yicai.com

（注：我們會對線索進(jìn)行核實(shí)。您的隱私將嚴(yán)格保密。）