近期，在娱乐圈内频频爆出各种黑料，引发了公众的广泛关注与热议。这些信息涵盖了从明星私生活到行业潜规则的方方面面，有的令人震惊，有的则再次引发了对名人形象的质疑。随着社交媒体的发达，各种爆料层出不穷，究竟真相如何，还有待进一步的揭示。然而，面对黑料的传播，我们需要保持理性与客观，勿让情绪主导判断。

“人形机器人练习的问题归根到底便是数据的问题”。多位采访目标向新京报贝壳财经记者表达了类似的观念。

从不同企业近期的一些战略布局动作来看，数据的重要性正在进步。3月17日，傅利叶正式开源全尺度人形机器人数据集Fourier ActionNet，并发布全球首个全流程东西链，首位批上线超3万条高质量真机练习数据；3月10日，智元机器人正式发布首个通用具身基座大模型—智元启元大模型（GenieOperator-1），凭借人类和多种机器人数据，让机器人获得学习才能；1月9日，银河通用机器人发布端到端具身抓取根底大模型GraspVLA，运用组成数据学习测验。

萨摩耶云科技集团AI机器人职业研究员郑扬洋以为，“数据未来会成为摆开企业距离的重要因素，具有高质多样化数据集的企业，能在练习、优化机器人模型上获得优势，进步自己的商场竞争力。”。

供具身大模型学习的数据远低于通用大模型可学习的数据。

从职业开展的前史来看，人形机器人并不是一个新鲜的事物，但在ChatGPT发布今后，商场将AI带来的幻想空间和具身智能进行了结合，期望大模型能够赋予机器人更高的智能水平，热度开端上涨。

人形机器人本质上是一个智能体，要想做出和人类相同的动作，需求巨大的数据作为练习的根底，培育出功能优异的具身智能大模型，机器人才有或许完成泛化的才能。

“咱们能够随意拿起一个水瓶或许咖啡杯，但对机器人来说，这是两个彻底不同的物体，用多大的力，摩擦系数的巨细是多少都不相同，这些都是需求机器人经过学习的数据核算而来。”银河通用机器人公司某算法工程师告知贝壳财经记者。

大言语模型之所以能够快速开展，和数据量满足有着直接关系，网络上的文本、图片、视频以及各种揭露材料都是模型能够学习的。但到具身大模型范畴，可供学习的数据并不多。

清控金信本钱高档出资司理万安在承受贝壳财经记者采访时指出，“机器人练习所需求的是对三维空间的运动描绘的数据，而现在这些可供机器人学习练习的数据量远远不够。”。

“具身智能大模型的开展远落后于通用大模型的开展。”宇树科技创始人王兴兴曾揭露表明。

但现在各家企业现已开端发力处理“数据饥渴”的问题。傅利叶将开源全尺度人形机器人数据集Fourier ActionNet，据介绍，该数据集包括了傅利叶GRx系列一切机型的各类使命练习，完好记载机器人在实在环境中的使命履行数据；智元机器人此前发布的智元启元大模型将结合互联网视频和实在人类演示进行学习，增强模型对人类行为的了解；银河通用机器人将运用仿真数据进行练习学习。

上一年12月底，国家当地共建具身智能机器人立异中心与北京大学核算机学院联合推出了一个大规模多构型具身智能数据集和Benchmark——RoboMIND，支撑多本体使命并具有通用性。

“数据集能够经过供给高质量的练习数据进步机器人的功能和适应性，下降开发本钱，推进职业规范化和技能立异，然后加快机器人企业的商业化进程。”郑扬洋指出。

既要比拼数据类型，又要比拼数据本钱。

尽管各家企业在运用哪种数据进行练习的方面有不同挑选，但他们一起需求考虑的一个问题便是数据的本钱问题。曩昔数据搜集的本钱居高不下，人力、物力以及时刻本钱都限制了高质量数据的获取。

据相关媒体报道，2024年8月，特斯拉为了处理数据缺少的问题开端招聘了“数据搜集操作员”，详细工作时刻则是“三班倒”，预期时薪为25.25美元至48美元。特斯拉的Optimus（擎天柱，特斯摆开发的一款人形机器人）交际媒体账户曾发布过一段视频，展现了该岗位的详细工作内容，在视频中，一名操作员穿戴动作捕捉服，戴着触觉手套和VR头显拾取物体，而虚拟版特斯拉Optimus机器人则履行相同的动作。

万安告知贝壳财经记者，“现在规模大的本钱就来自人力本钱，动作数据的杂乱程度很高，要完成预期的练习效果需求海量高质量数据。例如一个简略的‘倒水’动作就需求学习几百条数据。”。

在郑扬洋看来，除高本钱之外，数据搜集还存在数据质量良莠不齐，如不同传感器存在采样精度差异的问题，职业缺少数据集的处理规范，对数据的处理办法不一将导致数据难以同享和通用。

相较于具身大模型的开展和打破，机器人硬件本体的立异会相对愈加简单一些。宇树科技之所以能够在这一次机器人热浪中遭到较高的重视，就在于本体的运动操控。王兴兴曾指出，由于有了四足机器狗的技能堆集，做人形机器人相对来说会比较简单，硬件等一些零部件是能够通用的。

多位受访者将当下人形机器人的开展阶段与前期自动驾驶技能的开展进行类比，丰厚海量的数据和满足的算力是自动驾驶技能得以遍及的关键因素。人形机器人未来想要遍及，数据的打破至关重要。

“不同企业之间在练习数据上不只要比拼数据类型，还要比拼数据本钱。至于数据类型和本钱哪个更重要，取决于企业的需求和使用场景。”郑扬洋以为。

在她看来，仿真数据的搜集本钱相对较低，但或许需求额定的资源来缩小仿真与实际之间的距离，企业在挑选数据搜集方法的一起，也需求考虑到本钱的影响，在搜集方法和本钱之间找到平衡。数据将会成为未来摆开企业距离的重要因素。

但万安也坦言，“现在数据的搜集还处在较为初期的阶段，这些数据在人形机器人实际操作落地的阶段将会起到哪些效果，还没有看到明显的差异化，还需持续调查。”。

新京报贝壳财经记者 张晗。

修改 陈莉。

校正 柳宝庆。