先问个事，你猜现在人形机器人行业最缺的是什么？
电机？减速器？灵巧手？
都不是。
缺的是数据，缺到离谱的那种。

8 月的 2026 世界机器人大会上，宇树科技的王兴兴把话挑明了：
机器人本质上由 AI 驱动，而 AI 的发展高度依赖数据，有多少数据，尤其是有多少高质量数据，就有多少 AI 能力。
这句话听着像常识，其实是个警报。
财联社的记者在大会现场转了一圈，发现一个特别拧巴的现象：机器人的“四肢”已经很灵活了，翻跟头、搬箱子、拧螺丝，炫技炫得飞起。
但“大脑”还是营养不良，严重缺乏理解物理世界的大规模训练数据。

缺多少呢？
光轮智能的总裁杨海波给了个数字：去年行业的数据需求还是几百、几千小时的量级，今年直接跳到上百万小时，增幅百倍甚至千倍。
而行业共识是，要做出真正可用的具身智能，至少需要千万小时量级的多模态数据。
目前全球的有效积累，不到需求的 5%。
你品品这个数字。
缺口九成五，产业却已经嗷嗷待哺了。

为什么会这样？其实想想也不难理解。
大语言模型命好，身后站着互联网几十年的文本积累，等于一出生就继承了全人类的图书馆。
具身智能没这个福气，它面对的是非结构化的物理世界，视觉、力觉、触觉，每一项都得从头采，一帧一帧攒，一小时一小时熬。
而且比“量”更头疼的是“质”。
墨奇智能的黄青虬点破了这层窗户纸：采集设备普遍陷在精度和便携性的死结里。要动作捕捉精准，设备就笨重得没法随身带；要轻便随身，精度又垮了。两头堵。
所以今年大会上，所有企业不约而同盯上同一个命题：给具身智能修数据底座。

路数大致两条。
一条是把人当老师，采集人类示范数据当“教科书”。光轮智能发布了全球首个十万小时级的全模态人类行为开源数据集，覆盖 128 类场景、超过 1.5 万项任务，还搞了个 5 年 100 亿的数据共建计划，核心就是统一行业标准，让不同设备采的数据能凑在一起用。
另一条是用仿真当“练兵场”，在虚拟世界里先练，再往现实迁移。
优必选走的是自研全栈的路子，搞了个小参数、高性能、全开源的基座大模型。
源络科技更务实，直接在实验室里搞“白天人工精细操作、夜间机器人自主补位”，让机器人先在最规整的场景里练手。

最值得琢磨的是普渡的路数。
人家的机器人早就规模化商用了，每年产生超过 5000 万小时真实运行数据，其中导航数据 3650 万小时，操作数据 1580 万小时。
每多卖一台机器人，就多一个数据源，数据回流越快，模型进化越快。
看懂了吗？这就是飞轮。

聊到这，说说我个人的几点看法。
先说盲区。
大众看人形机器人，眼睛总盯着那两条腿，谁走得稳、谁会后空翻，谁就赢。这回大会释放的信号恰恰相反：硬件的军备竞赛正在退潮，数据的军备竞赛刚刚开闸。
腿是面子，数据才是里子。
未来两三年，判断一家机器人公司值不值钱，别看它展台上的表演，看它后台攒了多少小时的真实数据。

再说变量，时间窗口。
致同的报告特意提醒，真实数据采集效率和仿真迁移成功率，都可能扰动产业路径。翻译过来就是：窗口就这么几年，谁先跑通私有数据飞轮，谁就抢下通用能力涌现的先发权。
后发者不是慢一步的问题，是可能永远追不上。
想想当年的搜索引擎和移动支付，赢家通吃的故事，在机器人行业大概率重演。

还有一点，开源数据集这件事，表面是情怀，底下是卡位。
光轮把十万小时数据免费开放，看着是散财，实际是在立标准。谁的数据格式成了行业通用语言，谁就成了这个生态的“收税人”。
安卓免费，谷歌照样赚得盆满钵满，一个道理。
当然，我这番判断也有边界。
仿真迁移万一出现技术奇点，数据缺口可能被算法直接抹平，今天抢数据的公司就变成囤了一堆废矿。
再一个，千万小时的共识本身就是估出来的，没准五百万小时就够用，那飞轮转得快的优势就没那么悬殊了。

话虽这么说，大方向不会变。
前两年大家比谁的机器人更像人，往后比的是谁的机器人更懂这个世界。而这个“懂”，没有捷径，就是一小时一小时喂出来的。
机器替人干活的前提，是人先教会机器。教会机器的前提，是人先把自己干活的样子，原原本本记下来。
到头来，人还是那座桥。