具身智能不是单纯缺数据，而是开始进入有效数据稀缺的阶段，同时这会进一步重构数采公司的商业模式。

具身数采的鬼故事越来越多了。

最近一个在行业里流传的案例是：一家公司批量买回数据，团队里一半的人被拖去干同一件事：数据清洗。折腾了将近一个半月，数据终于能喂进模型、正式用于训练。但此时一算，数据的有效率只剩10%。（所谓有效率，是指清洗、对齐之后能真正进入训练、并且对模型能力产生正增益的比例）

而押注这10%训练出来的的模型，在一些场景的表现，反而不及从前。

钱是按全量数据付的，真正用上的只有十分之一。

这是今年上半年，包括头部具身数采公司在内的行业真实遭遇。外界很容易把它归为这看似是「数据欺诈」，但我们认为，这不是谁骗了谁的问题，这实际上是整个行业高估了数据规模的价值，低估了数据质量的系统性代价后，实实在在踩过的坑。

在数据热急速升温的今天，行业不缺通用数据，缺的是能让模型能力升级的有效训练数据，这一观点应该成为一项新共识。

单一强调数据量的获取，却忽视了数据之于模型训练的系统性，即便有了庞大的数据量，并不是每一家模型公司都能吃得下。

具身模型训练对算力卡数量和训练周期的要求，也已经和过去不同：一家头部模型公司告诉我们，以10万小时数据为例，在卡充足的前提下，跑完一轮完整训练可能要两个多月。这超出了很多公司的预期，他们等不起。

如果突破唯「数据量」论的迷思，回归具身数据采集的起点，我们应该重新思考几个问题：

• 具身模型需要采集的高质量数据，到底是什么数据？
• 为什么高质量的数据难以规模化？
• 行业缺的，真的是更多卖数据的公司吗？

只采集视频数据，无法支撑下一代具身模型

业内流传着一个多家公司技术负责人之间的估算：要做出一个真正可用的具身模型，大约需要100万到200万小时的训练数据。

需要强调，这是行业判断，不是被验证过的定律，但它足以解释，过去一年围绕「如何快速拿到百万小时级数据」的竞争为何迅速升温。

为了规模化获取人类操作经验，以 UMI 为代表的无本体、野外采集路线开始受到关注。

这类方案的核心思路并不复杂：不再要求数据采集者必须站在机器人旁边，而是让人直接在真实环境中完成操作，再通过便携式设备记录动作和环境信息。

UMI本身采用的是手持夹爪与视觉等组合，并通过相对轨迹等方式将人类示范转化为机器人可学习的动作表达。其价值恰恰在于降低了数据采集对真实机器人本体的依赖，让人类操作经验可以更加低成本地进入训练环节。

问题也从这里开始。

当行业把「规模化采集」理解成第一目标时，第一视角（Ego-centric）视觉数据的局限性开始越来越显性。

具身数据采集的底层逻辑，是将人的动作以一种尽可能稠密、真实的状态描述清楚，并将人与物理世界发生交互的过程原汁原味地保留下来。

而以视觉为主的第一视角数据，看似记录了大量信息，实际上首先记录的是像素与像素之间的关系。

它能够告诉模型看到了什么，但未必能够完整告诉模型为什么这样动、接触发生在哪里、用了多大的力以及物体为什么会这样变化。

手部遮挡、空间深度、接触状态、力觉和触觉，都会成为单纯视觉输入的天然盲区。

这并不是说视觉数据没有价值。恰恰相反，UMI等工作已经证明，视觉主导的人类示范数据能够学习动态、双手、精细以及长时序操作，并且能够在新的环境和物体上实现一定程度的泛化。

真正的问题是：当具身模型继续向更复杂、更精细的物理交互发展时，单一视觉模态还能不能覆盖模型真正需要的信息？

答案越来越明确，至少，具身智能缺的不是更多的视频数据。

当下的具身数据采集，需要经历一场从表层像素模仿到底层物理规律学习的转变。这个转变的核心在于：喂养具身模型的高质量数据，到底是什么？

在模型训练当中，有价值的数据并不是简单记录「发生了什么动作」，而是最终让模型学会动作为什么有效，以及在什么条件下仍然有效。

传统的 UMI 式数据采集解决的是「如何低成本获得人类示范」，但当模型继续向更高阶的物理交互发展，数据本身也需要继续增加新的维度。

未来高价值具身数据需要同时满足三个条件：高保真、多模态、多样性，这三个条件并不是简单的并列关系，而是一个不断收窄的筛选过程。

能提供高质量数据的公司已经不多；

能同时提供多模态数据的更少；

能够同时满足高质量、多模态，并且保持足够多样性的公司，则更少。

首先是高保真。

数据表达形式和精度指标，需要尽可能接近人类与物理世界真实发生交互的维度。

比如，人类与物体的真实接触面是皮肤，而不是人体内部的骨骼。

当采集系统只记录手部骨骼运动时，它可以描述手在哪里，却未必能够精准描述手和物体在哪里发生了物理接触。

这也是为什么，随着具身模型对精细操作要求提升，手部空间几何精度越来越重要。

业内一些团队正在尝试进一步降低手部追踪误差，以更精准地还原人与物体之间的接触关系。具体的误差水平则取决于传感器、追踪方案和使用场景，不能简单用一个数字概括整个行业。

其次是多模态。

多模态数据的价值，在于让模型从看见动作进一步走向理解交互。

语言模态能够提供长时序任务的语义和意图信息，帮助模型理解连续动作背后的任务逻辑；触觉、力觉等模态则能够提供视觉之外的接触反馈，为动态泛化和精细操作提供更多信息。

这也是为什么，以 UMI 为代表的无本体数据采集路线正在发生新的变化：

从单一的视觉轨迹，逐步走向视觉、触觉、语言等多模态信息融合。

与此同时，硬件也开始从局部手部采集，向「头+手」等更加完整的人体操作视角演进。

最后是多样性，因为数据极其容易「偷懒」。

如果采集数据的多样性不足，模型可能在限定的4-5个特定任务上表现良好，一旦切换环境、物体或者操作方式，就迅速失效。

所以，真正有价值的数据不是重复采集同一种动作，而是让模型看到足够多的任务、环境、物体、操作方式和失败情况。

在高保真、多模态、多样性三个维度上下功夫，是具身数据摆脱单一视觉数据主导、迈向下一阶段的必经之路。

只有理清模型真正缺少的高质量数据是什么，才能谈得上「高质量数据为什么难以获取」。

高质量与规模化，为什么难以兼得？

以 UMI 为代表的无本体数据采集路线流行之后，一种新的想象随之出现。

既然不需要机器人本体，只要放开采集，数据是不是就可以像互联网文本一样快速 Scaling up？

事实证明没有那么简单。

很多人低估了高质量具身数据的扩容难度，但背后涉及数据采集设备、传输、存储、清洗、标注、治理乃至最终进入训练的整个链路。

从底层来说，数据质量取决于数据采集设备的易用程度。

好的采集设备，应该尽可能不影响采集者原本的工作，甚至理想状态下，采集者应该感觉不到自己戴着数采设备。

这是保证原始数据质量的前提。

试想一下，如果采集设备过于笨重，或者存在明显的侵入感，采集者就会开始为了适应设备而改变动作。

这种被设备扭曲的非自然交互数据，最终可能让模型学到错误的操作方式。

与此同时，在不依赖实验室大型动捕和激光雷达的前提下，如何让便携设备同时实现足够高的空间精度和足够长的工作时间，也成为规模化采集必须面对的问题。

这两个指标往往又互相牵制。

精度越高，意味着传感器、计算和校准要求越高；

模态越多，意味着设备、同步、传输和数据治理复杂度越高；

设备越复杂，又越容易影响采集者的自然动作。

这就是高质量数据为什么很难简单复制互联网数据Scaling逻辑的原因。

一些高自由度灵巧采集设备在实际长时间作业中的稳定性，目前仍然存在挑战。

采访中，行业人士曾向我们描述过一些极端案例：设备连续工作一段时间后出现发热、故障，甚至需要中途休息和维护。

这些问题在实验室小规模采集时并不明显。

但当数据采集从几百小时扩大到几万小时，设备稳定性就不再是一个产品问题，而会直接变成商业问题。

设备的易损率不仅拉低采集效率，也会带来硬件维护、替换以及人员等待等额外成本。

真正困难的还在后面。

当数据规模继续扩大，采集链路本身会出现「堵车」。

一家具身公司如果每天生产大量数据，那么从采集到上传，再到存储、抽取、质检和清洗，每一个环节都需要同步扩容。

数据量越大，存储和带宽压力越大；

模态越多，同步和治理难度越高；

而一旦其中一个环节处理能力不足，前面的采集能力就会被浪费。

所以，数据采集行业真正的 Scaling，并不是把采集设备铺出去那么简单。

它要求整条链路一起扩容。

尤其在 UMI 所代表的众包、野采模式下，数据可能来自全球不同地区、不同人员和不同类型的场景。

UMI方案展示多种任务演示

万小时级数据进入系统之后，如何完成收集、质检、算法处理、清洗和标注，并且保证不同数据之间的时间、空间和语义关系能够正确对齐，本身就是一项复杂的工程。

这也解释为何，当人们的关注焦点一味集中在「是否缺数据」时，很容易过度宽容数据的无效性。

具身数据下一阶段的竞争，可能会从粗放的「大网过筛」，转向更加精细化的数据治理。

真正决定数据价值的，不再是采了多少，而是：采集了多少，最终能够真正进入训练，并且让模型能力发生变化。

这也意味着，数据采集公司必须承担越来越重的前期投入。

比如简智机器人就告诉我们，真正跑通无本体数据采集的完整商业链路，需要上亿元规模的资金投入。

这也是为何，看起来轻量的「野采」背后，实际上是一门重投入生意。

算一笔成本账，看清高质量数据公司为什么稀缺

无论重视数据规模，还是强调数据质量至上，本质上，模型公司算的都是一笔经济账。

数据质量差，对应的数据价格自然便宜。

业内其实分得清垃圾数据，否则低质量数据也不至于只能打价格战。

那么，卖高质量数据的公司为什么稀缺？这个答案一方面可以从数据采集公司的成本结构里找到。

据我们多方调研，目前数据采集链路中，占比最高的成本仍是数据治理，其次是硬件，最后还有场地、运营和人力等成本。而且，这个结构还在变化。

过去的数据可能主要是视频，但随着模型能力提升，数据需求开始从纯视觉向触觉、力反馈以及更多模态扩展。

这意味着，数据治理的复杂度不会因为数据规模扩大而自然消失。

恰恰相反。从纯视觉走向多模态之后，清洗、对齐、质检、标注和合规等工作本身都会变得更加复杂。

但这并不意味着治理成本会永久上升。

未来真正决定治理成本的，反而是数据公司的算法和自动化能力。

如果治理仍然依赖大量人工，那么数据规模越大，成本越难下降；

如果能够让模型参与数据筛选、质检、对齐和治理，随着算法效率与算力利用率提升，治理成本反而存在持续下降的空间。

这意味着，数据公司的下一轮竞争，可能不是谁拥有更多人工，而是谁能用更少的人处理更多的数据。

这也是高质量数据为什么很难做到又好又便宜的核心原因。

反观硬件成本。传感器、采集手套、头显等设备，未来可能逐渐趋近于消费电子的供应链逻辑。供应链越成熟，硬件成本越有下降空间。场地和运营成本同样如此：

眼下兴起的众包模式，正在用更低的场地成本替代过去自建数采场的重资产做法。

所以，从长期来看：硬件会越来越便宜，场地会越来越轻，真正难降的，是数据治理成本。而这恰恰也是数据公司真正需要建立能力的地方。

数据公司真正的价值，不是卖数据

算完成本账，回到一个更根本的问题：数据公司的价值，到底在卖什么？

单纯卖原始数据的市场空间有限。但如果一家数据公司能够进一步成为模型公司的数据基础设施，故事就完全不同了。

模型公司寻找一家外部数据公司满足需求，很多时候比自己重新从0到1搭建完整采集体系更有效率。

Scale AI就是一个典型案例。去年6月，Meta以约143亿美元取得Scale AI约49%的股权，并让Scale AI创始人Alexandr Wang加入Meta负责新的超级智能实验室。这并不是一次简单的买数据，而是巨头对数据基础设施价值的一次重注。

当然，具身数据和互联网数据存在明显不同。标准化硬件更容易满足通用采集需求，但在具身数据快速演化阶段，未必能够持续满足高阶、多模态数据的需求。

从技术演变来看，算法对数据存在路径依赖，模型需要什么样的数据，决定了硬件应该如何采集；硬件能采集什么，又反过来决定了算法能够学到什么。

因此，软硬件闭环联合创新，可能成为一些数据公司建立长期护城河的重要方式。

但同时也延伸出另一个问题：如果未来机器人能够自主探索物理世界，并自己完成数据采集，今天的数采公司还有存在的价值吗？

答案是有价值，但价值会发生再次分化。机器人自主探索，会让原始数据的供给量进一步增加。

这意味着，靠卖硬件、卖原始裸数据的低端中间商，大概率会越来越难；但具备数据治理、数据筛选、模型反馈和数据闭环能力的公司，反而可能迎来价值释放。

「10%有效数据，卖出100%价格」的生态，最终可能成为过去式。数据采集公司的商业模式正在进化，数据量的扩张是明牌，真正需要竞争的是有效数据的生产效率。

一个判断是，参照语言大模型中的 Token 概念，具身智能真正需要的，是那些能够直接对模型能力产生增量的有效训练数据。

某种意义上，模型需要的不是数据本身，而是数据中包含的有效技能信息。沿着这个思路往下推，数据会越来越不值钱，但持续产出有效「技能 Token」的能力，会越来越值钱。

还有一个容易被忽略的原因，进一步支持这个判断：数据本身有明显的时效性。

模型在变、机器人在变、任务在变、数据格式也在变。几年前采集的数据，即使当时有效，今天也未必适用。

这意味着，一家数据公司如果只是把数据一次性卖出去，商业价值非常有限。

离客户太远，就拿不到反馈；拿不到反馈，数据资产就会逐渐老化，最终沦为低毛利的苦力生意。

不少投资人向我们直言：具身数据采集行业真正有壁垒的公司，其实并不多。一些技术方案可能存在一年甚至一年半的窗口期，但从更长期看，单一硬件很难形成真正的壁垒。

传感器、采集手套、头显、端侧计算盒子……大部分基础要件本身并不存在极高的技术门槛。

所以做一家卖数据的公司起步并不难，难的是，既懂数据，又懂具身行业，还懂 AI，并且真正为这个行业踩过足够多的坑。

这也解释为什么今天重新看数据公司的路线之争，硬件与算法分开，还是软硬件一体，会发现它并不是简单的技术路线之争，背后其实是两种商业模式的竞争。

从投资人的视角看，未来数据公司的竞争，最终会落到几项非常具体的能力上：

懂一个足够深的场景；

具备高效率的数据处理能力；

能直接服务头部客户的交付能力；

任何一环缺失，都可能让数据公司重新滑回低毛利的分包生意。

所以，数据采集公司真正需要争夺的，也因此不再只是采集端的规模，而是从采集到治理，再到模型反馈和客户交付的完整闭环。

文中部分行业观点与信息，来自简智机器人联合创始人朱雁鸣、云道资本合伙人曹稷山等其余受访者向《智见autoweek》提供的采访内容，谨此致谢。