从舞蹈到干活的距离：机器东说念主到底缺了什么？

机器东说念主，不该再舞蹈

本年四月的北京亦庄，一场马拉松改写了机器东说念主速率的规模。

一台名为"闪电"的东说念主形机器东说念主，以50分26秒的净时成绩冲过了半程马拉松尽头线——这个数字，比乌干达名将基普利莫，在本年3月在里斯本创造的东说念主类须眉半马全国记录，整整快了7分钟。

有关词，歌颂之余，东说念主们不禁要问：东说念主形机器东说念主这股风刮了这样久，咱们看到了它们舞蹈、翻跟头、赛马拉松，以致上春晚，但什么时候，它们才能果然地"干活"？

前几天，这个问题有了个冲突性的谜底：5月7日，华东说念主机器东说念主创业公司Genesis AI发布了首个机器东说念主基础模子GENE-26.5，视频里的机器东说念主完成了一连串丝滑的演示：单手打鸡蛋、双手配合切番茄、使用盐磨和打蛋器、用铲子翻炒蛋液，以致打完鸡蛋后还会用毛巾擦手。

这个4分钟的永劫序任务包含了20多个子任务，全程自主运行，1倍速展示，莫得任何加快后果。最让东说念主咋舌的是一个细节：在迂曲切好的番茄时，机器东说念主不是浮浅地把刀当成铲子，而是用刀背和砧板造成复旧，再通过双手协同把番茄迂曲出去——这个四肢照旧和东说念主类的操作方法简直莫得分离。

Genesis AI官方绝不婉言，这套系统的中枢不是什么神奇的算法，而是数据。

GENE-26.5背后是卓越20万小时的跨模态数据，包括高保真手套数据捕捉的手部四肢和触觉信号、第一视角视频记录的东说念主类天然操作、以登第三东说念主称视频提供的大规模物理互动覆盖。

相似地，数据的抨击性，在最近的红杉AI Ascent 2026大会上，获取了英伟达机器东说念主场地肃穆东说念主Jim Fan的最强背书。在会上，Jim Fan坦言：遥操已死，东说念主类的传感器数据将长存。

简直在归拢时期，太平洋此岸的中国厂商们，照旧在数据这条赛说念上暗暗下了重注。终结2026年，光轮智能照旧委用了150万小时的机器东说念主窥伺数据；智元机器东说念主依托其自建的4000平素米数据采集工场，累计采集了卓越百万条高质料真机数据，并发布了众人首个百万级真机数据集AgiBot World；而宇树科技更是在本年4月，径直开源了189万条来自G1真机的四肢数据，颤抖了通盘行业。

说白了，中好意思两国的头部玩家，都照旧意志到，在当下东说念主形机器东说念主的竞争中，数据照旧成了环节的变量，这场干戈的赢输，将在改日数年内，决定通盘行业的权益结构。

数据之重

好多东说念主合计，对于机器东说念主而言，模子和算法框架才是最抨击的。

但践诺上，今天不管是VLA、Diffusion Policy如故师法学习，都照旧变成了行业的通用基础本领。中好意思两国的学术界和工业界，简直在归拢时期掌持了这些中枢框架。算法的同质化，意味着单纯靠模子创新拉开差距的期间照旧竣事了。

但数据这个天花板，却因为果然全国的物理礼貌，成为了木桶上那块最短、也最难补皆的木板。你不错在一周内复现别东说念主的模子，但你不可能在一周内积聚别东说念主花了三年时期采集的百万小时真机数据。

而况，在相似的算法、模子框架下，数据带来的"浮现"后果，往往是拉开差距的唯独环节。

一个具体的例子是：来自蚂蚁数科和宇树科技本年2月相助的一个实验。他们的任务浮浅到弗成再浮浅：让一台G1机器东说念主走到电脑前，伸手按下机箱上的电源键。

一运行，系数东说念主都合计这是个赤子科的任务。但践诺测试的终结却让东说念主大跌眼镜：蚁合100次测试，得胜率只消45%。

问题出在那处？问题出在机器东说念主老是按歪——要么按到了掌握的USB接口，要么按到了机箱的边际；要么力度太轻，按不下去；要么力度太重，径直把通盘机箱推得往后滑。最搞笑的一次，机器东说念主的手指卡在了电源键和机箱的症结里，拔不出来了。

工程师们尝试了系数能念念到的观念：调治要津力矩、优化视觉识别精度、增多力反映阈值……但折腾了一个星期，得胜率最多也就擢升到52%。

临了，他们破除了系数算法上的"小机灵"，转而用最笨的观念：让真东说念主用一台手机+20好意思元颈挂支架，用不同的力度和角度，反复按归拢个电源键，一共采集了200条无缺的真机操作数据。

然后，遗迹发生了。

再次测试，相似的100次任务，得胜直快接从45%跳到了95%。莫得任何算法上的重要冲突，莫得任何硬件上的升级，只是是多了200条果然全国的数据，机器东说念主的阐扬就发生了质的飞跃。

这等于数据的魅力。它不是在原有基础上的线性擢升，而是一种指数级的质变。相似的硬件，相似的算法，多一倍的数据，可能就意味着多一倍的任务得胜率，多一倍的泛化才气，

这个差距，一朝拉开，就很难追上。

阶梯之争

既然数据这样抨击，那么咱们到底需要什么样的数据？

浮浅来说，在这个问题上，当下的机器东说念主行业，节略分红了两正途线。

一片是以英伟达为首的“仿真派”，他们信奉算力至上。依托Omniverse这样的数字孪生平台，他们在杜撰全国中构建出与果然全国物理章程统营救致的平行天地，让数百万台杜撰机器东说念主在里面进行亿万次的试错和窥伺。

仿真派的上风了然于目：成本低、速率快、可无穷规模化。但致命流毒也很杰出：仿真永远存在“现实鸿沟”。不管你的物理引擎何等先进，你永远无法模拟出一块沾了油的抹布的摩擦力、一个有点变形的纸箱的承重才气，这些在东说念主类看来无可不可的细节，在仿真中被冷凌弃地简化掉了。

另一片则是以中国厂商为代表的“真机派”，他们建数据工场、铺机器东说念主本质、让东说念主类一稔开拓躬行操作，在果然的物理环境中，一寸一寸地采集每一个四肢、触摸、碰撞的无缺数据。

真机派的上风是包含了果然的力矩反映、触觉阵列信号、碰撞轨迹和环境扰动。但它的劣势，却是成本相对慷慨、采集极慢、钞票遏制。一台东说念主形机器东说念主本质动辄十万以上，一个中型数据工场的建树成本上千万。

从总体上来看，两派历程一段时期的较量，照旧节略分出了凹凸，斯坦福大学在本年4 月发布的《2026 AI Index Report》中，用一组冰冷的数据击碎了系数 "仿真全能论" 的幻念念：在最理念念的实验室条目下，一个在仿真环境中能达到 89% 任务得胜率的机器东说念主，一朝放到果然全国中，得胜率会断崖式下降到 12%。

这样的差距，等于横亘在仿真派眼前的 "现实鸿沟"。

是以，当今即使是好意思国，也意志到了真机数据的抨击性，只不外，他们作念的并不是"重钞票的真机数据"，而是用众人劳能源成本凹地（印度、尼日利亚、阿根廷）+ 零工平台（Gig Economy）+ 自带开拓（iPhone），走了一条"轻钞票、高推广"的东说念主类传感器采集阶梯。

而这样的形态，践诺上采集的是"东说念主"的数据，不是"机器东说念主"的数据。工东说念主叠衣服的视频，记录的是东说念主手的四肢、东说念主眼的视角。

中国也在转向东说念主类传感器数据，但中国的上风在于：咱们同期有"东说念主类一稔采集"和"产线镶嵌采集"两种形态，而且后者是制造业场景自带的。

归拢个时期判断，两种不同的组织形态。 这成了数据之争最袒护的变量。

投资悖论

尽管中好意思都将主力迂曲到了真机阶梯上，然则在具体插足上，手持众人最淳朴风险本钱的好意思国，最终领受了轻钞票的众包数据阶梯；

而本钱体量远不足好意思国的中国，却义无反顾地押注了重钞票的真机工场阶梯。

好意思国的风投资金，把钱投给Scale AI、Micro1这样的众包平台，用15好意思元时薪招募众人零工，让他们把iPhone绑在额头上录制家务视频。这是一个“四两拨千斤”的故事：不需要建工场、不需要买机器东说念主、不需要养团队，只需要一个App和一个众人零工相聚。

像是Generalist这个数据众包平台，当今众人注册零工照旧卓越了230万东说念主，堪称每天能生成卓越10万小时的东说念主类操作数据。

但问题是，这个模式有个致命弱势：众包数据看起来低廉，实则遁藏着慷慨的“标注税”和“清洗税”。

凭证MIT Technology Review的报说念，这些众包数据，只消约一半的视频能通过质料查验。

为什么？

因为这些视频衰尽力觉、触觉等机器东说念主窥伺的中枢传感器数据。你看到的是画面，但机器东说念主需要知说念的是：手指用了多大的力？

要让这些视频果然用于窥伺，需要多数的后期标注与处置。标注每一帧的四肢类别、物体位置、构兵干系——这笔"标注税"，往往比采集自己更不菲。

反不雅中国，天然举座本钱体量不如好意思国，但却走出了一条系数不同的说念路。将真金白银地砸向了数据工场、机器东说念主本质和一稔式采集开拓。

这种“正规军”的叮属，平允是通过工业级质控体系，让数据有用率差出几十个百分点，而况通过高度一致的采集硬件与规格，让东说念主类采集的数据不错简直无损地搬动到机器东说念主身上。省去了原来需要多数东说念主工搅扰的标注、清洗、神气营救责任。

举个例子，在北京亦庄的东说念主形机器东说念主数据基地，就覆盖了家居、商超、办公、工业、医药、30多个典型愚弄场景，并配有约200平素米专科光学四肢捕捉场合。基地内有120多台不同构型机器东说念主，配备头环式、夹爪式采集开拓、动捕服、动捕手套。

这样的采集规模、质控，远不是好意思国那种靠众包零领班上绑录像头的方法能比得了的。

这类基地历程几个月打磨后，里面质检及格率可擢升到约95%。

天然在“东说念主类传感器采集阶梯”上，中好意思都不需要慷慨的机器东说念主本质了，但果然的成本，照旧从机器东说念主本质，迂曲到了采集开拓圭臬化、场景组织、数据清洗标注方面。

但对中国来说，这种看似“重钞票”的阶梯，由于规模化，以及工业级质控的上风，成本如故被打下来了。

因为在新一代东说念主类传感器阶梯里，果然差距的，照旧不单是是不在“能弗成低廉采”，而在“谁能把低廉采来的原始数据，变成模子果然吃得下的有用数据”。

于是，一个突出讽刺的时势出现了：好意思国天然领有众人最多的风险本钱，但却投不出中国这样的真机数据规模。因为产业空腹化，只可去第三全国找零工用录像头来采集。

而由于采集开拓的单一、不祥，加上零工的不专科，好意思国的真机阶梯只可走“低时期、低质料、碎屑化”的众包说念路，永远无法达到中国这样的工业化量产级别。

结语

要是从行业结尾的角度，不雅察当下机器东说念主的数据竞争，你会发现东说念主形机器东说念主的竞争本质上是一场对于“不可能三角”的博弈。

在职何一个给定的时期点，莫得任何一家公司好像同期作念到硬件最强、算法最优、数据最多——你只可强两端，势必弱一头。

昔日十年，是硬件的期间。波士顿能源在硬件指点礼貌上作念到了极致，它的Atlas能跑能跳能后空翻，但它弱在算法和数据，只可在实验室里完成预设四肢，于今无法走进果然全国。

昔日三年，是算法的期间。VLA模子的爆发让系数东说念主看到了通用机器东说念主的但愿，但算法的护城河是最脆弱的。一篇论文、一次开源，就能让几个月的差距顿然磨平。

而改日三到五年，唯独果然的、不可越过的护城河，正在数据领域悄然造成。

更抨击的是，数据会造成自我强化的飞轮：而在这小数上，中国忘形国领有无可比较的上风。

中国领有众人最丰富、最万般化的制造业场景，从3C电子的精密拼装到汽车制造的焊合喷涂，从物流仓储的搬运分拾遗餐饮就业的上菜收盘，无数的工场和企业风物为东说念主形机器东说念主提供试错的契机，

同期，收货于中国制造业的强大上风，东说念主形机器东说念主的坐褥成本远低于好意思国，这使得中国机器东说念主家具，在东说念主力成本慷慨的国度具备显贵的出口竞争力。

以智元机器东说念主为例，其积极布局国外市集，2026年国外售售筹画占比已卓越30%。机器东说念主价钱的裁汰，促进了出口量的增长和愚弄场景的拓展，进而收罗到更多果然全国的数据，这些数据又反哺算法迭代，进一步擢升性能并裁汰成本，造成了一个强大的正向轮回。

当今，这场东说念主形机器东说念主的数据之战才刚刚打响。

而历史照旧阐扬，当一场时期改动进入到工业化落地的阶段时，领有最无缺产业链、最丰富愚弄场景、最强大制造才气的国度体育游戏app平台，往往会笑到临了。