具身智能行业正迎来一场关于“训练燃料”的结构性变革。艾欧智能联合创始人丁哲章近日在交流中指出，过去一年，用于训练具身大模型的数据来源，已从以真机数据和仿真合成数据为主，明显转向以人类数据为核心的新范式。

丁哲章回顾称，2025年全年，行业几乎都围绕真机采集展开，国内数据采集场建设、关键论文成果均聚焦于此。然而，真机数据采集成本高昂、效率受限，难以满足基础模型对数十万乃至百万小时级训练数据的需求。转折点出现在2025年底，行业发现了一条更容易规模化、采集效率更高的路径——“以人为本”的采集方式，即通过摄像头、智能眼镜等设备记录人类第一视角的操作过程。

这一趋势在数据构成上体现得尤为明显。丁哲章观察到，2025年之前，许多公司的训练数据大部分是真机数据，或是“10%-20%真机数据加80%-90%仿真合成数据”的组合。但进入2026年，人类数据的浓度和行业认可度显著提升，仿真合成数据的声量则相对减弱。部分原先用于填充数据量的仿真数据需求，已转向无本体的人类数据采集。

尽管范式转变，真机数据的地位并未被撼动。丁哲章强调，无论预训练阶段采用何种数据路线，在最终部署到物理世界的环节，都必须依靠真机数据来确保实际效果。目前，行业主流策略呈现混合趋势：预训练阶段可能采用“仿真合成数据+人类数据”混合，后训练阶段则使用真机数据，并辅以少量仿真合成的边缘案例。仿真合成数据在涉及小脑运控、危险环境交互等场景中，因其不会损伤机器人本体，仍有不可替代的加速训练价值。

从需求端看，丁哲章透露，当前最受关注的数据类型主要有两类：一是包含灵巧手长程精细操作的数据，这得益于近期灵巧手硬件的迭代；二是机器人全身运动数据，这与近半年来涌现的全身遥操作基础模型密切相关。

这场数据范式的迁移，也深刻影响着产业链上游。腾讯云异构计算产品副总监黄阳透露，2026年腾讯云在具身智能领域的算力消耗规模预计较2025年增长约4至5倍，其中增长主要发生在数据采集与清洗阶段。数据处理需求的激增，正推动数据服务商与云厂商深度绑定。例如，艾欧智能与腾讯云的合作已深入数据平台底座，腾讯云提供底层存储与算力，艾欧智能负责前端数据平台工具与管理，共同支撑从采集、清洗、标注到训练调度的全链路，其整体方案成本可下降30%以上。

尽管数据采集范式不断优化，但丁哲章也冷静指出，人类数据虽采集门槛更低、速度更快，但其后端向机器人本体的转化过程代价不菲，从采集到训练转化的总代价与真机数据路径相差无几。当前，整个具身智能行业仍处于早期阶段，数据飞轮尚未真正启动。他认为，市场对机器人能力的期望与其真实能力之间仍存在差距，大规模落地的案例并未显著增加。

丁哲章看好一种渐进式商业化路径：机器人以部分自主方式进入真实场景，由人类通过遥操作完成剩余任务，在此过程中持续积累真实运行数据，逐步提升自主能力。这一路径与自动驾驶通过量产车辆回传数据形成迭代飞轮的逻辑颇为相似。他预计，随着未来两到三年更多机器人进入真实场景，行业有望逐步建立起自己的数据飞轮。