本文来自微信公众号： 宁明亮Seerning ，作者：宁明亮Seerning


一件反直觉的事。


人形机器人这两年越来越「能干」，会跳舞，会翻跟头，会上春晚。


可一旦把它放进工厂、放进厨房等实际干活的场景，大多数时候撑不过几分钟。


连「拧瓶盖」都做不稳妥、踏实。


卡住它的不是手。


过去两年，人形机器人的本体已经跑到量产线上去了。据IDC统计，2026年上半年，全球人形机器人出货接近2.5万台，同比增长432%，其中七成多来自中国。


据厂商公开信息，宇树的双足机器人R1从3.99万元降到2.99万元，松延动力的「小布米」卖到9998元。


双足机器人第一次被拉进万元以内。


身体越来越像样，脑子却没能跟得上。


而脑子跟不上，原因行业里已经说得越来越清楚：


没有人给它们编过教材，互联网上也找不到现成的。


这篇文章想说的，就是这本「教材」为什么难编。


它由三个问题串起来：数据从哪来，为什么这一次数据搬不动，以及，当数据搬不动的时候，过去那套给数据确权、定价、记账的办法，还灵不灵。


互联网没有的那本教材


先说一个对比。


大语言模型是幸运的。它出生的时候，互联网上已经躺着人类攒了几千年的文本。


据OpenAI披露，GPT-3训练前的原始语料约45TB。这些「教科书」是现成的，摆在那里，谁都能拿去喂给模型。


机器人没有这种好运。


它要面对物理世界，而物理世界从来没有留下过一本现成的教科书。


拿「拧瓶盖」举例。


对一个成年人，这是凭直觉就能完成的动作。可在它能被写进教材之前，得先被拆成：


瓶盖的材质、螺纹的摩擦力、手腕该施加多大的力、旋转的角度，以及打滑之后怎么补救。


少一样，动作就会失败。


你可以自己试一次。把这些变量逐条写下来，会发现你其实说不清自己用了多大的力。


这些变量，互联网这个「大模型粮仓」从来没有储存过。


它存的是文字和图片。


不是力度、触感、扭矩——那些只能靠身体去感受的东西。


一位做数据基础设施的从业者把话说得很直白：面对物理世界，「这个世界从未有过现成的机器人预训练数据」。


缺口的量级，用「小时」来算。


2025年，整个具身智能行业积累的有效数据，大约只有十万小时量级。而业内普遍认为，要让机器人迎来自己的「ChatGPT时刻」，至少需要千万小时的数据打底。


中间差着两个数量级（按行业测算口径，缺口超过99%）。


另一组测算更直接。国金证券今年7月的报告估算，要训练一个具备实际作业能力的具身智能模型，行业至少需要1000万小时的多模态交互数据。


而到报告发表那时为止，全球积累的数据不到这个需求的5%。


从十万到千万，这不是靠加班能补上的差距。


它意味着，机器人要聪明起来，先得有一整个行业专门去「生产」数据。


至少在这一轮，数据搬不动了


到这里，事情还只是一个「量不够」的问题。


我们真正值得停下来看的，是下一层：数据这个东西，第一次变得不好复制了。


我们平时说的数据，有一个隐含前提。


它几乎不需要成本就能被复制。一份文件拷一万份，边际成本接近于零；一套数据被你用完了，我还能接着用。


过去几年围绕数据资产的那些讨论，从确权到定价，全都建立在这个前提上：数据可以被无限复制、反复搬运、多方共用。


在我们熟悉的数据类型里，具身数据第一次打破了这个前提。


原因很朴素：机器人的数据，是和它的身体绑在一起的。


一个1.6米高的机器人，和一个1.8米高的机器人，做同一个「弯腰捡东西」的动作，关节角度、重心偏移可能完全不同。


前者的数据，交给后者未必管用。


第一人称视角的视频同理，视频里只有「看到」，没有「摸到」。而一次合格的抓取，恰恰需要视觉之外的那种实时力反馈。


于是出现了数据行业里一个从没见过的现象。


我们过去讲「数据孤岛」，说的是彼此之间不愿意共享。


这一次的孤岛不一样：数据绑在身体上，想共享也搬不动。


同一件事，换一个身体，数据就得重采一遍。


你花十万小时采回来的那批数据，换一台机器人，可能直接作废。


这是理解这一轮机器人浪潮的关键。


数据本来是这世上最容易被复制的东西。


可一旦它绑在身体上、绑在具体场景里、绑在某一种触觉和力矩里，它就变得搬不动了。


搬不动，就意味着它不能被共享、不能被复用、不能被一份卖给很多人。


而搬不动，是采集成本降不下来的一个结构性原因。


一份数据，三个价钱


行业现在的办法，是造「数据工厂」。


但它造的不是一种数据，而是一座有高低之分的金字塔。


最底下、最便宜的是仿真合成数据。在电脑里模拟物理世界，让机器人在虚拟环境里反复练拧螺丝、叠衣服、搬货架，系统记录每一次成败。


这种数据最便宜，每小时大约20到50元。


中间一层，是无本体数据。让人手持轻量化的夹爪和摄像头，在真实场景里操作采集，不依赖机器人本体，门槛低、速度快。


每小时成本大约两三百到六百多元；如果只是第一人称视角的视频，已经能压到每小时100元左右。


最上面、也最贵的一层，是真机遥控操作。工作人员通过VR设备或动捕服遥控真实机器人，一条一条录下动作。


精度最高，代价也最惊人：单条有效数据的成本大约10到50元，而训练一个机器人通常需要几万到几十万条。


把这三个价钱换算到同一个尺度，差距就出来了。


这个换算有一个前提：仿真与无本体按小时计价，真机按条计价，要先按每小时遥控操作能产出多少条有效数据折算过去。


按上述单价做量级估算，同样采100万小时，真机数据的总成本可能高达10亿元，仿真数据只要几千万元级别。


这一步依赖采集效率的假设，属量级估算，不是精确报价。


这个成本梯度，决定了行业此刻的分工。


在位于北京亦庄的北京人形机器人创新中心，一座近6000平方米的数据训练基地复刻了家居、商超、办公、工业30多个场景，摆着上百台机器人。


它的日产能超过500小时，年产能可达18万小时。


但数字的口径要看清楚：年产能是18万小时，已经对外交付的，近3万小时，七成以上供给行业客户。


但这条路的门槛不止在钱上。


这家基地刚建立时，数据的合格率只有50%左右，团队花了三个月优化流程，才把它稳定到95%以上。


数据不是采出来就能用，中间还隔着一道质检。


于是，另一些路径出现了。


今年9月，从智元机器人拆分出来的觅蜂科技把数据采集做成了众包。


普通人申领一套采集设备，在日常生活里完成整理桌面、折叠衣物这些任务，每小时能拿到10到30元。


半个月里，这种「众包采集」铺到了40个城市。


更早，掘金这类数据的创业公司已经跑出估值。被称作全球首个具身数据独角兽的光轮智能，估值一度达到150亿元。


电商巨头京东宣布，要在两年内发动最多60万人，积累1000万小时的真实场景数据。


这个数字，正好顶到第一节里那个需求线。


人多、场景真、成本低，这条路的逻辑很顺。


但它也带出一个新问题：这么散、这么多来源的数据，谁来保证质量，谁来确认权属，谁来定价。


确权在这里，只是起点


这就绕回了那个老问题。


前两年，围绕数据资产，人们讨论的是同一件事：怎么给一个可以无限复制的东西确权、定价、记账。


而这件事排到这一轮，顺序变了。


在这一轮里，确权不再是终点，而是起点。


原因是数据搬不动了。一份搬不动、不能复用、必须和具体身体和场景绑定的数据，天生就带着一条清晰的边界：谁采的，用什么设备采的，采的是哪一个动作。


边界清晰，权属就相对容易说清。


这个行业其实已经动起来了，节奏比想象中快。


2025年12月，全国首单具身智能数据集交易在江苏完成。


今年4月，江苏吴江的「夸父机器人工业制造场景数据集」入选省级数据知识产权典型案例。


7月，安徽发出省内首张具身智能机器人抓取数据集产权证书。


9月21日，国家数据局发放首批56份数据产权登记凭证，其中就有一份具身智能高质量数据集。


登记方说，登记之后这些数据将用于模型训练。


未来在合规安全的前提下，会开放给更多企业和科研院校做数据合作。


但登记只是第一步。


真问题在后面：一份真机遥操作采出来的数据，值多少钱？它和一份仿真数据，价格该怎么区分？采集它的那个普通人，和最终用它的那家公司，收益该怎么分？


过去给数据定价的方法，都默认数据可以被反复使用。


可具身数据不能，它在别人身上可能直接失效。


你要问的，不是这份数据值多少钱，而是它能不能被第二次使用。


一件换个人就「作废」的东西，怎么定价？这笔账，现在还没人算清楚。


标准也在追赶。


2026年2月，《人形机器人与具身智能标准体系》发布；7月，工信部批准发布了《具身智能数据集质量要求及评估方法》，将在11月实施。


数据采集这件事，正从早期的「手工作坊」，往标准化的「工业流水线」走。


这个瓶颈，长得不太一样


把这件事和上一篇《有人买，不等于市场验证》放在一起看，会更清楚。


上一篇里写到，1.3万台机器人要跑通链条，需要三步：有人买机器人，有人买数据，以及最关键的一步——这些数据真正进入模型，改善机器人的能力。


那一篇问的是：第三步有没有发生，谁在为此买单。


这一篇回答的是：第三步为什么难。


它慢，是因为第二步的先卡住了：数据搬不动，采集成本就降不下来，愿意持续为数据付钱的人就一直起不来。


而且它和芯片、电、内存那些瓶颈不一样。


芯片和电，是物理世界的瓶颈，东西不够，得等它造出来。


而机器人这一关，卡住它的不是「没有数据」，是「数据这一次复制不了」。


一套确权、定价、记账的制度，之所以能用在数据上，前提是这份数据可以被复制、可以被搬运、可以被很多人同时使用。


而当一份数据第一次绑死在身体上、搬不动的时候，这套制度第一次遇到了它处理不了的东西：它要定价的，恰恰是一份无法被复制、也无法被共用的数据。


于是问题变了。


不再是「数据值多少钱」，而是「一份不能复制的数据，怎么才能被定价」。


这个问题的答案，现在还没有。


那本教机器人的教材第一页，多半还是要从拧瓶盖开始写。只是这一页该值多少钱，还没有人说得出来。


什么信号出现，说明数据又开始搬得动了？


也许是某一天，一台1.8米的机器人，能直接用上1.6米那台采来的数据。


在那之前，买机器人的钱，究竟有没有变成机器人变聪明的能力。这笔账，和1.3万台背后那笔账，本来就是同一笔。


瓶颈不会消失，它只会沿着链条，换一个环节。

封面图


推荐语：数据本该是最容易复制的东西。这一次，它搬不动了。


做投行和顾问，没干成过惊天大事。现在用一套基于硬约束和逻辑推导的方法，在不同领域探索并构建认知操作系统。


这里记录判断、验证和代价。


如果你也在想类似的问题，欢迎评论区、私信交流。


参考资料/主要信源


国金证券，《具身智能行业专题报告》，2026年7月


北京人形机器人创新中心数据训练基地，公开报道（2026）


觅蜂科技众包采集，公开报道（2026-09）


光轮智能、京东具身智能数据基础设施，经济日报/人民网财经（2026-04）


人民网江苏频道，《AI训练数据成了抢手货全国首笔交易在南京完成》，2025-12-30；新华网江苏频道，2025-12-30；南京市数据局，2026-01-07


吴江区人民政府，《吴江具身智能数据集入选省级数据知识产权典型案例》，2026-04-27


安徽省数据资源管理局，《我省发出首张具身智能机器人抓取数据集产权证书》，2026-07-21


央视网/国家数据局，《56家企业和机构获得我国首批数据产权「身份证」》，2026-09-21


工业和信息化部，《具身智能数据集质量要求及评估方法》，2026-07


IDC，2026年上半年人形机器人出货数据


方法论：《我为什么用约束看世界》（本号9月发布文章）