Qzone
微博
微信
100万小时，还不够。
觅蜂科技是智元机器人内部孵化的控股子公司，今年2月成立，定位为物理AI数据服务商。
8月31日，智元机器人内部孵化的控股子公司觅蜂科技，宣布MEgo系列第2万套设备正式下线，同时发布百万小时无本体数据集。这批数据覆盖22大类场景、500余种任务类型、超过1万个真实场景和5万余个物体类别。
图片来源：觅蜂科技
此时，距离觅蜂科技成立不过半年时间，也成为了行业首家对外宣布百万小时级别的无本体数据产能的公司。
但同一天，觅蜂科技董事长兼CEO姚卯青又把行业的下一阶段目标指向了另一个数量级：“通往AGI，物理AI最终需要上千万、上亿小时的数据，今天只是起点。”
100万到1亿，意味着100倍。
这个巨大的缺口，很容易让人产生一种熟悉的感觉。
过去几年，大模型行业已经经历过类似的Scaling叙事：更多数据、更大参数、更多算力，然后等待能力在某个节点突然涌现。
现在，这套逻辑似乎正在被搬到机器人身上。
于是，数采工厂越来越多，无本体设备开始量产，真实世界数据被按“小时”计算，百万小时之后又出现千万、亿小时的目标。
但一个更基础的问题反而值得先问：具身智能真的已经知道自己需要1亿小时什么样的数据了吗？
如果这个问题还没有答案，那么“百万小时”究竟意味着机器人距离通用智能更近了一步，还是仅仅意味着人类第一次具备了大规模生产物理世界数据的能力？
两者其实并不是一回事。
大模型的Scaling，不能简单复制给机器人
机器人缺数据，这一点并不难理解。
语言模型拥有一个天然优势：人类过去几十年已经把大量知识数字化。
网页、书籍、论坛、代码、图片、视频，本身就是现成的训练材料。
但机器人最终要解决的是物理世界的问题。
怎么拿起一个杯子、怎样折叠衣服、怎样把不同材质的物品放进货架——这些人类习以为常的操作经验，并没有天然存在于互联网上。
姚卯青表示，目前物理AI的数据规模相比语言模型还小了“四五个数量级”。在他看来，机器人真正的技能来自经验，“只有见过才会，才能再举一反三”。
问题在于：“机器人缺数据”和“机器人需要1亿小时数据”，中间其实还隔着很远。
大模型Scaling成立的一个重要基础，是文本、图像等数据拥有相对成熟的Token化方式，模型架构、训练目标和评测体系也逐渐收敛。
物理世界却复杂得多。
同样是“拿起杯子”，不同机器人可能拥有二指夹爪、五指灵巧手；不同本体的自由度、尺寸、力矩和控制频率都不同。人类完成一次动作产生的数据，也未必能够直接变成机器人的控制信号。
更重要的是，今天的具身智能甚至还没有完全回答一个基础问题：到底什么数据最有用？
是1000个家庭里各做一次叠衣服，还是一个机器人把叠衣服做10万次？
是人的第一视角视频更重要，还是机器人的关节轨迹更重要？
是让模型见过更多任务重要，还是让它把少数任务做得足够可靠更重要？
这些问题目前并没有统一答案。
所以，“1亿小时”至少在今天还不能被理解为类似“训练某个模型至少需要多少Token”的工程结论。
它更多代表的是一种产业判断：如果具身智能最终需要通向开放世界的泛化能力，那么今天的数据规模远远不够。
至于究竟差多少，行业还在摸索。
为什么“无本体”偏偏在这个时候火了？
也正是在这种背景下，无本体数据开始迅速升温。
过去获取机器人数据，一个最直接的办法是让机器人自己干。
操作员通过遥操作控制机器人完成抓取、搬运、整理等任务，机器人看到什么、关节如何运动、末端执行器经过怎样的轨迹，都同步记录下来。
优点是数据天然贴近机器人。
缺点同样突出——生产效率太低。
京东科技集团副总裁何贺在现场回忆，一年前进行物理世界数据采集时，操作员带着机器人工作8小时，最终可能只有1小时有效数据，同时还要承担机器人、电费、人工和场地成本。
姚卯青则给出了另一个数字：现在几万小时真机数据已经成为一些模型比较普遍的需求，而几万小时真机数据，可能就需要上千台机器人持续采集半年。
这恰恰暴露了一个矛盾。
一边是行业开始相信数据应该Scaling；
另一边是传统数据生产方式根本Scale不起来。
无本体数据，本质上是在解决这个矛盾。
人不再需要遥操作一台真正的机器人，而可以佩戴第一视角、腕部设备，或者拿着夹爪直接完成任务。
觅蜂此次公布的100万小时数据中，50万小时来自裸手采集，35万小时来自腕部采集，15万小时来自Gripper夹爪采集。
现场食堂里的对比更加直观。
传统遥操作8小时可能得到1小时有效数据，而餐饮、保洁工作人员正常工作时佩戴设备，8小时最多可以产生5—6小时数据。
所以，无本体的出现首先解决的并不是“机器人怎样变聪明”。
而是一个更加现实的问题：怎样把物理世界的数据生产成本降下来。
这是两个完全不同的问题。
能够便宜地生产100万小时数据，并不意味着这些数据一定能够带来与数量成比例的模型能力提升。
这也是看待此次“百万小时”最需要区分的地方。
它首先证明的是数据生产能力，而不是模型能力。
100万小时最大的价值，可能不是“100万”
事实上，即使是觅蜂自己，也没有把所有筹码押在小时数上。
此次公布的100万小时数据同时强调了22大类场景、500余种任务、超过1万个真实场景和5万余个物体类别。
这背后其实暴露出具身智能Scaling与大模型Scaling一个非常不同的问题：物理世界的数据很难只用“小时”衡量。
两个数据集都可以叫100万小时。
一个可能来自大量重复任务，另一个可能覆盖完全不同的环境、物体和操作，两者对于模型的意义显然不同。
同样，一段30分钟的数据里，也可能真正有价值的操作只有几分钟。
所以小时数是最容易理解、最容易传播、也最容易被产业统计的指标，却未必是衡量具身数据价值最准确的尺度。
这也是为什么，今天看到“百万小时”“千万小时”“亿小时”这些数字时，需要保持一点距离。
它们说明供给规模正在迅速扩大，却不能直接等价为机器人能力的提升。
真正需要观察的是另一条曲线：
当数据从10万小时增加到100万小时，模型到底提升了多少？
成功率提高了吗？
没有见过的环境中，泛化能力提高了吗？
换一个机器人本体之后，原来学到的能力还能保留多少？
过去不会做的任务，因为这些数据学会了吗？
如果这些问题没有对应答案，那么数据规模本身很容易变成一个漂亮但缺乏解释力的产业KPI。
至少此次发布会上，觅蜂更多展示的是数据规模、覆盖范围、采集和治理能力；至于百万小时数据能够给某个具体模型带来多少能力增益，现场尚没有给出一组可以与数据规模直接对应的完整结果。
因此，“行业首个百万小时”值得记录，但它还不是一个类似“大模型参数跨过某个节点之后出现能力涌现”的技术证明。
这是需要分清的。
机器人需要的，到底是“见得多”还是“练得多”？
再往前一步，具身智能还有一个比数据量更根本的问题。
人的学习并不是简单复制过去见过的所有动作。
一个人第一次学会打开某种抽屉之后，换一间房、换一个把手、换一个高度，大概率仍然知道“拉开抽屉”这件事情应该怎么做。
机器人追求的最终也是这种能力。
也就是泛化。
从这个意义上说，真实世界大规模数据的价值很好理解：
实验室可以搭一个餐厅，却很难搭出1000个不同的餐厅。
真实世界里的光线、桌面高度、物品位置、人流和干扰每时每刻都在变化。机器人见过的环境越多，理论上越有机会学习到任务背后更加通用的规律。
这也是无本体数据最有吸引力的地方。
它把数据源从有限的机器人实验室扩展到了真实世界。
但这仍然只解决了一半问题。
见得足够多，不等于做得足够好。
人类的身体和机器人不同。
人的操作经验可以告诉模型“杯子应该这样拿”，却不能天然保证某台机器人知道自己的几个关节应该转多少度、夹爪应该施加多少力。
因此，无本体与真机之间并不是简单的替代关系。
姚卯青在群访中也承认，无本体更多用于预训练和通用表征学习，而真正针对具体机器人、具体任务进行后训练和落地时，“肯定绕不开对应本体的真机数据”。
腾讯Robotics X实验室产品生态负责人朱亚娟的说法也很谨慎：无本体的“异构+Gripper”可以“一定程度上”替代过去通过本体遥操作解决的问题，但跨本体迁移中精细动作的对齐，仍然需要真机数据来校准。
这两个限定词其实比“百万小时”更值得关注。
因为它说明，行业现在仍然没有找到一种可以包打天下的数据。
机器人既需要“见得多”，也需要“练得多”。
而这两种需求究竟应该如何组合，目前仍然处于探索阶段。
具身智能的“Scaling Law”，还没有被证明
所以，回到最开始的问题：100万小时，还不够机器人“吃”吗？
答案可能是——至少在今天，这个问题还没有答案。但真正值得注意的是另一件事：行业已经开始用“数据规模化”来回答这个问题——而规模化本身，也可能成为答案的一部分。
姚卯青认为，上亿小时才能预训练出足够好的具身基座模型。
这个判断并非没有逻辑。
如果目标是让机器人进入家庭、商场、工厂、仓库乃至更多开放环境，那么它面对的物体、任务和环境组合几乎无限，现有数据显然远远覆盖不完。
但从100万到1亿之间，并不存在一条已经被验证的Scaling Law。
1000万小时是否会出现能力跃迁？
5000万和1亿有什么本质差异？
模型架构进步之后，数据需求会不会反而下降？
不同数据之间应该按照什么比例组合？
这些问题目前都没有确定答案。
因此，此次百万小时数据更准确的意义，或许不是证明“机器人距离AGI又近了1%”。
AGI不是一个可以简单用数据小时数计算的进度条。
它真正说明的是另一件事情：
物理世界的数据，正在第一次具备被工业化生产的可能。
两万套采集设备、百万小时数据、真实场景采集，以及越来越专业的数据加工链路，共同指向一个新产业正在形成——人类过去没有被记录下来的物理操作经验，开始被系统性地数字化。
至于这些数据最终能在多大程度上推动机器人能力Scaling，仍然需要模型训练和真实部署来回答。
所以，对于今天的具身智能而言，真正值得警惕的不是数据太多，而是过早把“数据规模扩大”和“智能能力提升”画上等号。
百万小时之后，行业当然还会继续追逐千万小时、亿小时。
但下一阶段需要证明的，不应该只是数字还能不能继续变大。
而是机器人是不是真的因此变得更聪明了。
换句话说：数据产能的工业化，与智能能力的涌现，是两件独立的事。 前者正在发生，后者仍待验证。而把两者混为一谈，恰恰是当前具身智能叙事中最需要警惕的部分。
当然，在证明这一点之前，还有一个更加现实的问题。
如果行业真的准备向1亿小时迈进，剩下的9900万小时，到底从哪里来？
这将是这个系列下一篇要讨论的问题。
【以上内容转自“盖世汽车”，不代表本网站观点。 如需转载请取得盖世汽车网许可，如有侵权请联系删除。】
延伸阅读：
点击下方菜单栏 “ 
” 选择 “分享”， 把好文章分享出去!
为推荐给更多人
分享写下你的想法>
