百万小时数据，正在骗垮具身智能

让机器人拿刀片给自己刮胡子的人，反而是行业里最不敢拍脑袋的那个。

卢策吾，具身智能公司穹彻智能联合创始人兼CEO，第一个把刀片交到机械臂手里的胆大之人，却也是中文世界里对『百万小时数据』最警惕的清醒者。当整个行业还在用遥操作时长当军功章时，中信证券已经把目光投向了另一个方向：通用大模型直接进机器人控制，2027年，或是一条分水岭。

这篇文章想讲清楚一件事：具身智能最贵的一课，可能不是缺数据，而是迷信数据。

🪒 敢让机器人拿刀片的人

信任是要用命去验证的。

让机器人拿着刀片在人脸上刮胡子，这件事的象征意义远大于演示本身。它考验的不是机器人会不会做动作，而是在极限场景下，感知、决策、执行整条链路敢不敢被信任。刀片之下没有『差不多』，误差一毫米就是流量事故还是工伤事故的区别。

卢策吾的履历，足够支撑这种激进与保守并存的风格。2014年，他去斯坦福大学人工智能实验室做博士后，师从李飞飞；后来成为上海交通大学人工智能学院副院长，机器人顶会最佳论文的常客；2023年，他牵头撰写并确立了『具身智能』的中文标准术语定义，由中国计算机学会发布——这个领域第一次有了规范的中文概念。同年11月，穹彻智能从非夕科技孵化成立，他出任CEO兼首席科学家。

有意思的是他的『吝啬』。不给拍脑袋的答案，凡事要拿实验说话。这种风格是从冷清里泡出来的：2021年，他办了一场具身智能论坛，到场的只有7个人，讲到一半又走了三四个；隔壁计算机视觉的会场，坐着几百人。

产业逻辑很直白：在无人鼓掌的年份里选择下场的人，往往比风口里挤进来的人更清楚什么东西是虚的。四年后的今天，热闹程度可以用钱来度量——据不完全统计，2024年国内具身智能相关投融资事件已超过百起，智元机器人成立两年内完成十余轮融资，宇树科技2024年C轮融资约10亿元人民币、2025年估值突破百亿元。而穹彻智能自身，成立不足一年即完成数亿元人民币规模的种子轮融资。越热的钱，越需要一个简单粗暴的衡量指标，而『数据量』恰好长成了那个指标的样子。

📈 四个月写完的元年剧本

一个行业的转折，有时密集得像提前彩排过。

穹彻智能成立的2023年，恰好是具身智能的叙事拐点。回头看那一年，关键节点在四个月内全部落位：

四家公司、四个坐标，勾勒出此后三年行业的两条主线：一是智元机器人、宇树这类本体公司把硬件成本和量产能力往前推，宇树H1成为通用人形机器人的标志性产品；二是谷歌在当年7月发布RT-2，把大模型直接接到机器人的动作输出上，VLA（视觉-语言-动作）路线由此起步。

VLA路线的潜台词是：机器人的『大脑』要用大模型来做，而大脑的训练需要动作数据。数据从哪来？最直接的方式是遥操作——人拖着重型机械臂，一条一条地『演』给机器人看。这笔账并不便宜：以斯坦福ALOHA团队公开的方案为例，一套双臂遥操作硬件的成本约2万美元，再叠加操作员的人力时薪与场地损耗，业内普遍估算，真机遥操作采集的高质量操作数据，综合成本可达每小时数百元人民币；相比之下，网络视频与仿真数据的边际成本趋近于零。作为参照，谷歌RT-2的训练动用了13台机器人在17个月里积累的约13万条真机演示数据，外加海量网络多模态数据——这正是『百万小时』叙事的产业起点。

于是剧本顺理成章：谁采的数据多，谁的数据更能『喂饱』VLA模型，谁就更有机会跑出通用能力。资本涌入之后，『百万小时』从工程目标变成了融资叙事的一部分。

产业逻辑上，这一步并不冤枉。范式确立期，行业需要一个可对齐的指标来组织资源和人才。但把阶段性指标当成终极信仰，往往就是幻觉的开始。

⚠️ 百万小时，最贵的幻觉

数据是燃料，不是引擎。

卢策吾在中文世界提出『无本体采集』，这个概念本身就构成对『百万小时』叙事的一次质疑。它的核心思路是：数据的采集未必要绑在昂贵的真机本体上——通过视频、仿真等手段先让模型学习对物理世界的常识与规律，再迁移到真机执行，可以大幅降低对真人遥操作数据的依赖。算一笔账就能看出分量：若按每小时数百元的真机遥操作综合成本推算，采到100万小时意味着十亿元级的现金消耗；而仿真与视频路线的主要成本是一次性的研发投入，规模化的边际成本几乎不随数据量增长。

把两条路线放在一起看，问题—解法的关系就浮出来了：

这里必须承认一点：素材之外，行业内的具体成本数字各有各的算法，卢策吾本人的态度是『不给拍脑袋的答案』。但产业逻辑可以推演：遥操作数据天然绑定特定本体、特定任务、特定环境，一条数据的边际价值随着任务切换快速衰减；而通用智能所依赖的视觉理解、空间推理，恰恰不是靠堆遥操作时长能堆出来的。

换句话说，用百万小时去证明自己是『数据护城河』，很可能是在用最贵的方式购买最窄的能力。真正稀缺的，是数据背后的物理常识与安全执行能力。

🔀 通用模型来抢『小脑』的活

上游一转身，中游的护城河就成了护城沟。

中信证券研报给出一个关键判断：通用大模型正在从机器人的高层任务规划，进一步向动作生成和执行控制延伸。标志性事件是2025年3月谷歌DeepMind发布Gemini Robotics——直接以Gemini 2.0多模态大模型为底座接入动作控制，官方披露其在从未见过的物体与任务上展现出数倍于此前VLA模型的泛化表现；同期，NVIDIA在GTC大会上开源了人形机器人基础模型GR00T N1，思路同样是利用通用模型的视觉理解、空间推理和任务规划能力，减少对专用策略训练的依赖。

这件事的分量要放在VLA的架构里看。过去行业默认的分工是：大模型管『想』（任务规划），VLA、世界模型等经过机器人动作数据训练的专用模型管『动』（动作生成与控制），后者被视作具身智能公司最核心的壁垒。而Gemini Robotics直接下场控制层，等于通用模型伸手来抢『小脑』的活：

中信证券的结论值得逐字读：展望2027年，通用模型进入具身任务领域将成为AI行业的下一个投入方向，而通用模型与专用模型短期更可能形成分工协同的局面。

拆开看是三层判断：第一，方向上，通用模型入局具身是大势，不再需要争论；第二，节奏上，短期不会是替代而是协同——通用模型提供泛化的『底座能力』，专用模型在其上做动作层面的精细化；第三，也是最要命的一层，专用模型的价值锚点将从『我有多少数据』迁移到『我比通用底座多出什么』。

🧭 五条路线，谁站在象限的哪个位置

风口里人人都是领跑者，画到象限图上才见真章。

把当前具身智能的主要技术路线放进『技术门槛—商业价值』的坐标系，位置差异一目了然：

三条路线的位置值得多说两句：

• 遥操作数据服务（技术门槛低、商业价值中）正处在最尴尬的区间：作为阶段性刚需它确实在赚钱，但按每小时数百元的采集成本，这条路线上跑出的收入永远追不上支出规模；而一旦Gemini Robotics这类通用模型减少对专用策略训练的依赖，其长期价值锚点会被抽空。
• WAM世界模型和无本体采集技术门槛高，但商业兑现路径还在验证期，属于典型的潜力股——它们赌的是通用模型下探速度没想象中快，留出了专用能力的窗口期。
• 通用模型直控站在领跑者象限，但注意：它的领跑依赖的是谷歌DeepMind、NVIDIA这类玩家的持续投入——Gemini Robotics背后是Gemini系列数十亿美元级的年度训练开支，GR00T N1背后是英伟达的算力生态——本质上是AI大厂的能力外溢，不是机器人公司独立能赢下的仗。

🏭 落地才是唯一的裁判

路线之争吵到天亮，客户只问一句：能稳定干活吗？

把视角从技术拉回商业，穹彻智能的出身是一个信号：它从非夕科技孵化而来，而非夕在自适应机器人、真实产线场景上的积累，意味着这家公司从第一天起就不是纯实验室叙事。让机器人刮胡子这种『炫技』背后，真正的命题是安全可控的执行能力——而这恰恰是工业和商业场景客户愿意付钱的东西。

几条主要路线的商业画像可以这样对照：

这张表的真正读法是：到2027年，通用与专用大概率不是谁杀死谁，而是重新分工——通用模型做底座，专用模型做精细化，本体公司拼执行与安全，数据服务从『主角』退到『配料』。

🎯 写在最后：别数错了牌

具身智能行业最不缺的就是指标，最缺的是对指标的诚实。

卢策吾的『吝啬』——不给拍脑袋的答案、凡事拿实验说话——在一个人人晒数据量的行业里，反而成了稀缺品质。2021年那场只有7个人的论坛，如今坐满了全中国的风投；但热闹改变不了一个事实：通用模型正在向下伸手，专用模型的护城河需要重新定义，而不是靠遥操作时长续费。

对普通观察者来说，接下来两年其实有三条足够具体的观察线：一看Gemini Robotics类通用模型在真实产线的部署密度——如果2026年内控制层被通用模型吃掉一半以上，专用模型的估值逻辑就要重写；二看遥操作数据服务的报价曲线——价格是需求最诚实的温度计；三看穹彻智能们能否把刮胡子级别的安全验证，复制到三个以上可收费的商业场景。窗口期的每一分投入，都应该花在通用底座给不了的东西上——物理常识、安全执行、真实场景的闭环。

具身智能的下半场，比的不再是是谁先攒够一百万小时，而是谁先证明：在没有那一百万小时的情况下，机器人依然能干活、敢托付。

牌桌还早，别急着数牌，先看清谁在发牌。