本文来自微信公众号： 斯凯碎碎侃 ，作者：斯凯，原文标题：《观察｜从国际具身智能技能大赛看中美路线之争：在代码里模拟物理VS在车间里喂养数据》


没有彩排，没有剧本。机器人被推进1:1复刻的超高压变电站，要按国网的真实作业标准，在30分钟内完成仪表抄读、红外测温、设备异常识别、50厘米窄道通行；被塞进灯光、货架间距全部对标真实门店的超市，面对随机打乱的货物和人为制造的设备故障；被扔进上海市质检院的真实奶片检测流程，限时30分钟，连续完成取样、称重、离心机装载等6个环节。


百联集团商业互联网部经理、商超赛项命题负责人郭甬平，面对镜头说了一句大实话：“很多团队此前训练了各自的小模型，但到了真实超市场景，很多都用不上。”——痛点直指泛化能力。


大洋彼岸，另一场实验已经走到了相反的方向。Figure AI的System 0，用超过1000小时的人类运动数据，结合仿真到现实的强化学习，替代了109,504行手工编写的C++控制代码。


而在得州和加州的工厂里，据外媒报道，特斯拉要求工人穿戴动捕设备记录生产动作，遭到部分员工抵制——他们担心，自己正在训练一个最终会取代自己的机器人。



这两个场景放在一起，像极了一场跨越六十年的历史重演。


当年中美在航空领域的风洞路线分野：一方痴迷于用代码模拟气流，另一方选择砸真金白银建实体风洞去“硬吹”。在具身智能的赛道上，美国有全世界最强的仿真工具链，中国有全世界最密的真实车间。但走到2026年，两条路线正在同时暴露各自的裂缝，也同时向对方的地盘伸手。


美国的“仿真流”：算力最强，但同样要向真实低头


美国走的是典型的“工具链优先”路线。英伟达的Omniverse和GR00T，试图在虚拟世界里构建物理规则完美的数字孪生。这条路的逻辑极其优雅：仿真可以无限次试错，一秒钟跑一万次抓取测试，边际成本趋近于零。只要底层的物理引擎足够精确，算力就能替代真机。


但Sim-to-Real的鸿沟，不是靠算力能填平的。虚拟世界里的杯子，质量、摩擦系数、受力点都是完美设定的。真实车间里，布料的随机形变、光线里的灰尘、摩擦系数因为一滴油渍的改变——这些物理世界的“粗糙度”，代码算不出来。当机器人第一次面对货架旁那个被随意丢放的歪斜纸箱时，实验室里完美运行的策略，可能瞬间失效。



最值得注意的信号，恰恰来自美国头部公司自己的动作。Figure AI的System 0并没有沿着“纯仿真”走下去，而是把1000小时人类运动数据作为核心输入，再用仿真到现实的强化学习做适配。这不是“用代码模拟物理”，这是“用真实数据教，用仿真环境练”。特斯拉的动捕采集更直白——它承认了工厂里那些非标准化的动作，靠仿真生成不出来，必须让真人做一遍、录下来。哪怕工人有情绪，这条路也得走。


美国并没有放弃仿真，但头部公司的落地实践已经证明：仿真负责规模和效率，真实数据负责补上最后那一截“粗糙度”。


中国的“场景流”：车间最密，但底层工具仍在补课


中国走的是另一条路：场景优先，真机喂数据。


IEIC的大赛现场，本质上就是一场大规模的“真实物理数据采集”战役。200余支队伍、数百台机器人，在23个复刻真实工位的赛道里接受“黑盒盲测”——现场随机打乱物料、人为设置故障，机器人必须现场读取、自主调整。这场比赛本身，就是国家层面“实景实训专项行动”的一部分：工信部和国资委今年6月联合发文，目标到2026年底带动万台级人形机器人落地能力。



我们的底牌确实硬。第一张是制造：全世界最全的制造车间、最深的下沉市场。国泰海通的测算显示，特斯拉的物料成本如果不依托中国供应链是13.1万美元，依托之后降到4.6万美元——接近三倍的差距，全部来自中国造的减速器、电机和丝杠，核心零部件国产化率已突破75%。


第二张是场景和数据产能。截至2026年6月底，全国已建成启用超70家具身智能训练场。北京亦庄的人形机器人创新中心数据训练基地，近6000平方米实景复刻了家居、商超、工业、康养等30多个典型场景，150余台机器人日夜运转，日产能超500小时，年产能可达18万小时，七成以上产能服务行业客户。智元机器人在上海张江建了4000平方米的数据采集工厂，100多台机器人同步采集；今年上半年智元出货超8600台，占全球人形机器人市场的35%。真机遥操作数据市场价约500到1000元/小时，虽说不便宜，但放眼全球，能在这样的密度和速度下“流水线式”生产真机数据的，只有中国。


但这条路的“伤口”同样深不见底。


第一，极端的真机数据缺口。据中国信通院等机构的测算，当前国内已采集、可用于模型训练的合规真实物理交互数据约50万小时；而通用具身模型训练所需数据量级为千万甚至亿小时级别，相对需求的缺口超过99%。一边是数据工厂日夜运转，一边是缺口纹丝不动——这个窟窿靠“笨功夫”短期填不上。


第二，底层算法的代差。国泰海通在2026年9月的中美对比研究中写得很不留情面：中国主导了硬件供应链，但“具身模型缺乏原创性成果，算法层面仍处于跟随阶段”。大规模采集真机数据，并不完全是一个主动的“路线选择”，部分原因是高质量仿真工具链的自主能力仍在追赶。仿真合成数据目前可以压到20到50元/小时，比真机数据便宜一两个数量级。如果仿真能跑出足够的置信度，没有企业愿意用500到1000元一小时的真机成本去堆数据。真机数据的大量使用，既是场景优势的体现，也是仿真工具“还不够好用”的结果。


没有单向度的王炸，只有两条腿走路


中美路线之争，从来不是“中国模式战胜美国模式”的爽文，而是两个盲人摸象的过程，而且两个盲人都在往对方摸到的那一侧挪。


美国过度依赖“数字的完美”，结果Figure和特斯拉都用真实人类数据来补仿真补不上的那一截。中国过度依赖“真机的笨功夫”，结果面临极高的采集成本和底层算法滞后的双重挤压。风洞的历史早就写好了答案：纯数字仿真最终会撞上物理法则的墙，纯物理测试则会被极高的成本拖垮。


谁先打通“数字仿真”与“物理真实”的闭环，谁才是王炸。



中国的高超音速风洞，离不开最顶尖的超级计算机做数据处理；美国的波士顿动力，也早已不得不引入更复杂的强化学习模型。回到具身智能，美国需要让自己的通用模型下凡，到真实车间里接地气；中国需要让自己的场景数据上升，去催生真正拥有通用泛化能力的大脑——同时，把自己的仿真工具链补上来。


IEIC2026揭示了真实的底层逻辑：比谁的机器人跳舞更好看毫无意义。真正的决战，在于谁能率先把真实物理数据的成本打下来，同时把数字仿真的置信度提上去。谁先让“数字的巧”与“物理的笨”握手，谁就能定义下一个十年的工业标准。否则，无论是飘在云端的代码，还是困在厂房里的机器，都只是在各自的茧房里，自顾自地狂欢。


看似是机器人比拼落地能力，本质是中美AI底层路线的百年博弈。纯仿真缺真实、纯实景缺通用，单边优势终将触顶。谁先完成「数字仿真+物理实景」双闭环，谁将垄断下一代工业智能标准。