李飞飞谈“数据瓶颈”，具身智能训练数据进入“春秋战国”时代，“粮草”从哪里来？

过去三年，行业各方把大量资本和人才投入到硬件本体与模型算法上——谁能做出更灵活的机器人，谁就能占据资本与舆论的制高点。

刚刚举办的 2026 世界机器人大会上，机器人制造商“百家争鸣”，纷纷亮出看家本领，集中展示最新技术与产品。随着具身智能加速走出实验室、迈向真实场景，行业竞争也正在从“比技术”转向“比落地”，一场围绕实际应用与商业化能力的较量正全面展开。

到了 2026 年，战局正在悄然扭转，竞争的重心正在从硬件和大脑转向数据。行业逐渐意识到一个残酷的事实：没有足够多的高质量训练数据，再好的机器人也只是中看不中用。如果把具身智能比作士兵，那么数据就是粮草，而“粮草”问题，远比想象中严峻。

当前具身智能训练数据形式并未收敛，各种各样的数据内容层次出现、正是话语权争夺的“春秋战国”时代。

一、数据为什么已经成为具身智能的核心瓶颈

有一组对比可供参考：大语言模型可以依靠互联网上数十年积累的海量文本数据完成训练，GPT-2 和 GPT-3 的训练数据分别对应约 79 万小时和 1100 万小时。但具身智能呢？截至 2026 年初，全球高质量真实物理交互数据总量仅约 50 万小时。

2026 年 7 月，李飞飞在 a16z 的访谈中也提到：机器人面临一个极其困难的问题，就是非常缺乏数据，无论是训练数据还是评估数据都严重不足，大语言模型只需要理解语义，但机器人必须理解物理世界，一个物体的重量、摩擦力、形变，以及空间中的位置关系、障碍物布局。这些信息不是"看到"就能获取的，必须通过真实世界的物理交互才能采集。

而真实世界的采集，远比想象中困难。不同型号的机器人、不同的工作场景、不同的光照和物体条件，采集到的数据几乎不通用。一台机器人在 A 工厂学会的抓取技能，换到 B 工厂的产线上就要重新训练。

数据的紧缺，就阻碍了具身智能快速、规模化的进入真实世界。

二、具身智能训练数据的“粮草”都有什么种类？

第一类是真机数据。

真机数据是目前数据质量最高的方案，它的采集逻辑很直接：人通过 VR 头显和遥操设备远程操控真实的机器人，让真实机器人完成各种任务，同步采集动作与环境数据。

真机数据的优点是数据保真度高，它直接来自真实机器人的传感器反馈，采集的数据能直接反映机器人操作习惯，为复杂动作提供可靠的数据基础。

缺点也十分突出，一个字——贵。一台机器人硬件成本动辄几十万，采集员需要全天候值守。更致命的是，不同型号机器人的数据不通用，难以跨本体使用。

（图源网络）

第二类是 EGO 数据，也就是第一视角人类数据。

人类每天都在拿东西、开门、做饭、整理物品，这些行为本身就是巨大的具身智能数据来源。Ego-Exo4D 等项目已经开始大规模记录人类第一视角行为。EGO 数据的优势是规模大、成本相对低，可以帮助模型理解人类如何与世界交互。

（图源网络）

第三类是 UMI 数据，即通用操作接口数据。

UMI 的核心思路是把“人的示范”和“机器人”进行捆绑。人类可以通过一个类似夹爪的小型操作设备完成真实操作，系统再把这些动作转化为机器人能够学习的数据。这样可以降低机器人数据采集成本，对于聚焦单一操作任务的中小企业而言，UMI 数据成本更低、可用性更强。

（图源网络）

第四类是仿真合成数据。

仿真合成数据是在虚拟物理世界中批量生成的机器人操作数据。它有点像打电子游戏——在电脑里构建一个虚拟的物理世界，让机器人在里面反复练习。

仿真数据的优点是成本极低、可无限生成、可覆盖各种危险或难以在现实中复现的场景。仿真数据生成成本仅为真机采集的约百分之一，且能快速切换任意环境，这是真机采集无法比拟的效率。

但它的缺点是存在显著的 Sim2Real Gap——由于仿真环境很难 100% 还原真实世界的物体形变和物理特性，仿真数据往往存在偏差，直接迁移到机器人上时会出现“水土不服”，训练出来的策略搬到真机上往往表现不佳。

（图源网络）

三、未来趋势：仿真合成会成为最终答案吗？

面对上述四种数据类型的各自短板，行业一直在探索最优解。

早期工业依赖实物制造和反复试验，研发成本高、周期长。随着标准化试验、工程测试和计算机技术的发展，越来越多的试错从生产现场转移到实验室和数字空间，CAD、CAE、CFD 等设计仿真工具由此成为现代工业研发的重要基础。进入物理 AI 时代，工业时代这一发展历程同样也在悄然发生。

2026 年 7 月，李飞飞的 World Labs 发布“Real-to-Sim-to-Real”引擎。它的核心逻辑是：在仿真环境里批量生成那些在真实世界中极难采集的训练数据。整个策略完全在仿真中完成训练，全程不使用任何真机数据，仅靠仿真数据就完成了从仿真训练到多种机器人真机迁移，真正实现了 0 样本真机训练。

在此之前，艾伦人工智能研究所（AllenAI）发布相关实验论文《MolmoBot: Large-Scale Simulation Enables Zero-Shot Manipulation》已经表明：在机器人训练任务中，构造一个零真机数据的仿真训练场，并生成海量多样化场景——随机变换房间布局、物品类别、光照条件、视角角度和物体位置，模型在训练中掌握的是任务底层的通用逻辑，完全不需要接触真实世界数据。训练完成后直接迁移到实体机器人上，效果甚至超过用昂贵真机数据训练出的顶级模型。

（图源网络）

从过去一年具身行业的发展来看，春秋战国终将走向统一。从工业发展的历史规律来看，仿真的规模化应用，几乎是必然的终局。仿真不是替代了真实，而是让昂贵的真机数据被高效地放大和利用。因此，未来的竞争重点可能不再只是“谁拥有更多机器人”，而是谁拥有更多、更丰富、更还原真实世界的世纪模型。