科普时报记者 陈杰
“具身智能正在迎来ChatGPT时刻，2027年将成为整个机器人行业的临界点。”在2026年世界互联网大会上，宇树科技创始人王兴兴抛出了自己的最新研判。
过去几年，具身智能行业的目光大多盯着机器人能跑多快、跳多高、抓取多灵巧，这些单点能力构成了技术想象力的天花板。而进入2026年，行业的叙事发生了安静却关键的转向——演示视频里表现优异的机器人，能否在真实产线、仓库或门店里稳定运行数千小时，并且把这种能力复制到第一百台、第一千台机器上？
王兴兴认为，包括宇树在内，机器人数据的利用率仍然偏低，但随着AI模型实现自进化，机器人有望提高数据利用效率，加快技术迭代。京东集团技术委员会主席曹鹏在乌镇峰会上的判断也颇具代表性：物理AI已开始规模化落地，竞争焦点正从单点能力转向算力、数据与场景，“物理AI的竞争，不只是模型和本体的单点竞争，更是体系能力的竞争”。
具身智能体系能力的第一道裂缝，出现在数据上。
国金证券数据显示，截至2026年初，全球高质量真实物理交互数据存量仅约50万小时，而训练一个通用具身模型至少需要千万小时级数据——存量不足需求的5%。真机采集慢、贵、难以规模化，不同本体之间的数据格式又互不兼容，“数据孤岛”进一步放大了供给缺口。
分析人士指出，当前物理AI商业化的首要制约，不是算法或硬件，而是“缺少把数据评价与真实部署连接起来的基础设施”。换言之，行业缺的不只是数据本身，更是一套能让数据从产生、训练到部署反馈持续循环的系统。
在这一背景下，宇树科技与光轮智能日前达成战略合作，双方将发挥机器人本体、运动控制、感知系统、力控灵巧手及开发生态方面的技术优势，围绕模型训练、机器人能力验证和真实场景应用展开合作。
显然，这并非一次简单的数据采购。一方是机器人本体与运动控制领域的头部企业，在自由度、负载能力、传感器配置和力控灵巧手上有深厚积累；一方是物理AI数据与评测基础设施领域跑出的独角兽，覆盖人类视频数据、仿真合成数据与规模化评测。双方合作的切口很明确：把“本体侧的任务需求”与“基础设施侧的数据供给”真正对接起来，通过真实部署与反馈平台，收集机器人在实际任务中的执行偏差与失败样本，探索建立“部署—反馈—训练—评测—再部署”的持续迭代机制。
如果这一机制能跑通，机器人能力进化将不再仅依赖一次性的大规模数据灌注，而是嵌入真实运行的反馈循环。
宇树科技当下的处境，恰好构成这一闭环的典型需求场景：2025年其人形机器人销量跃升到5000多台，平均售价从59万元级降至26万元级，商业化放量的趋势已经确立。只不过，销量放大并不自动等于能力提升，机器人进入越多真实场景，暴露的执行偏差就越密集，这些问题又恰恰是传统离线训练难以系统捕获的。光轮智能则可以通过评测把现场失败结果带回，定位是数据不足、场景偏差还是模态缺失后，再定向补采数据、迭代模型。
当然，这种企业级的战略合作离产业级规模化验证仍有差距，但产业指向性十分清晰——具身智能的下一战，比拼的不再是谁的本体更像人，而是谁能让“本体加基础设施”跑通持续进化工程闭环的体系能力。
网友评论
