在2025年世界人工智能大会（WAIC）上，具身智能的数据瓶颈成为最受关注的议题之一。亮源新创创始人姜旭在主论坛对话中直言，具身智能本质是大模型向物理世界的延伸，其发展将沿“规模化预训练→规模化对齐→规模化部署”三阶段演进，而当前行业连最基础的预训练阶段数据缺口都未填上。这一判断引发广泛共鸣，但如何解决数据问题，论坛嘉宾并未给出详细解答。

雷峰网AI科技评论走访WAIC上的具身智能企业后发现，今年参展的具身数据基建公司数量显著增加，其中简智机器人提出的“Model-Ready Data”（开箱即用数据）概念，为行业提供了清晰的解决路径。简智机器人认为，当前互联网沉淀的百亿小时人类视频只能支撑模型“看懂世界”，无法支持机器人完成精准物理交互。真正需要的数据必须同时具备三个核心特征：高精度、多模态和多样性。

高精度是基础门槛。行业普通方案的手部关节追踪误差普遍在2-3厘米，相当于成年人手指直径，导致模型学到错误因果关系。简智通过端到端自研算法和多源传感器融合，将手部关节追踪稳定误差降至亚厘米级（小于1厘米），成为行业首个实现该精度的无本体采集方案。多模态则依赖硬件能力，简智采用六目同步相机，不仅向外拍摄环境，还向内覆盖腿、膝盖、腰部动作，同时通过电子皮肤+仿生关节直接测量抓握力度、接触面积和摩擦力，补足触觉模态。多样性方面，简智自研DPH指标，量化“同一技能下每小时数据由多少人、在多少场景下完成”，确保数据来源的丰富性。

在算法层面，简智构建了完整的Data Foundation Model（DFM数据基础模型），实现端到端数据处理。其核心应用是视频生成模型补全关键帧，当手部被物体遮挡时，模型基于前后帧信息预测被遮挡部分的手部姿态，将无效帧比例控制在3%以内。此外，自研感知压缩算法将六目相机原始数据压缩至2%，并在设备端完成端侧质检，直接过滤30%的无效数据，大幅降低传输和存储成本。

硬件设计上，简智坚持全链路自研，从摄像头、关节传感器到计算单元、电池管理和热管理均自主开发，团队包含大量消费电子行业资深工程师，设计之初就考虑百台、千台甚至万台规模量产的一致性。其无本体采集方案从设计之初就面向人形机器人终极需求，完整覆盖腰、腿、全身运动链，输出SMPL-X人体网格，还原人做动作时的全身协同、重心变化和平衡逻辑。

场景多样性方面，简智针对专业场景（如实验室、高精尖制造、化工）和商业场景（如厨师、理发师）的采集需求，通过极致轻量化和无感化设计，确保不干扰专业人士的正常操作。其数据交付采用流式交付模式，客户无需等待硬盘邮寄，可直接在自己的服务器上按需调取数据集，甚至对接训练流水线。

作为第三方数据基础设施厂商，简智明确业务边界：不做与客户绑定的真机数据（头部厂商会自己做），不做具身基座模型，不做机器人本体，只专注数据这一件事。这种中立性已获得大厂客户认可，目前简智正助力小米、蚂蚁灵波等头部模型公司。

从WAIC现场反馈看，具身智能正从“拼参数、拼Demo”进入“拼落地、拼工业化能力”的新阶段。数据基础设施的重要性才刚刚被行业认识，未来百万小时甚至上亿小时的真实场景数据，才可能触发模型能力的涌现。