具身智慧行業正迎來一場關於“訓練燃料”的結構性變革。艾歐智慧聯合創始人丁哲章近日在交流中指出，過去一年，用於訓練具身大模型的資料來源，已從以真機資料和模擬合成數據為主，明顯轉向以人類資料為核心的新範式。

丁哲章回顧稱，2025年全年，行業幾乎都圍繞真機採集展開，國內資料採集場建設、關鍵論文成果均聚焦於此。然而，真機資料採集成本高昂、效率受限，難以滿足基礎模型對數十萬乃至百萬小時級訓練資料的需求。轉折點出現在2025年底，行業發現了一條更容易規模化、採集效率更高的路徑——“以人為本”的採集方式，即通過攝像頭、智慧眼鏡等裝置記錄人類第一視角的操作過程。

這一趨勢在資料構成上體現得尤為明顯。丁哲章觀察到，2025年之前，許多公司的訓練資料大部分是真機資料，或是“10%-20%真機資料加80%-90%模擬合成數據”的組合。但進入2026年，人類資料的濃度和行業認可度顯著提升，模擬合成數據的聲量則相對減弱。部分原先用於填充資料量的模擬資料需求，已轉向無本體的人類資料採集。

儘管範式轉變，真機資料的地位並未被撼動。丁哲章強調，無論預訓練階段採用何種資料路線，在最終部署到物理世界的環節，都必須依靠真機資料來確保實際效果。目前，行業主流策略呈現混合趨勢：預訓練階段可能採用“模擬合成數據+人類資料”混合，後訓練階段則使用真機資料，並輔以少量模擬合成的邊緣案例。模擬合成數據在涉及小腦運控、危險環境互動等場景中，因其不會損傷機器人本體，仍有不可替代的加速訓練價值。

從需求端看，丁哲章透露，當前最受關注的資料型別主要有兩類：一是包含靈巧手長程精細操作的資料，這得益於近期靈巧手硬體的迭代；二是機器人全身運動資料，這與近半年來湧現的全身遙操作基礎模型密切相關。

這場資料範式的遷移，也深刻影響著產業鏈上游。騰訊雲異構計算產品副總監黃陽透露，2026年騰訊雲在具身智慧領域的算力消耗規模預計較2025年增長約4至5倍，其中增長主要發生在資料採集與清洗階段。資料處理需求的激增，正推動資料服務商與雲廠商深度繫結。例如，艾歐智慧與騰訊雲的合作已深入資料平臺底座，騰訊雲提供底層儲存與算力，艾歐智慧負責前端資料平臺工具與管理，共同支撐從採集、清洗、標註到訓練排程的全鏈路，其整體方案成本可下降30%以上。

儘管資料採集範式不斷最佳化，但丁哲章也冷靜指出，人類資料雖採集門檻更低、速度更快，但其後端向機器人本體的轉化過程代價不菲，從採集到訓練轉化的總代價與真機資料路徑相差無幾。當前，整個具身智慧行業仍處於早期階段，資料飛輪尚未真正啟動。他認為，市場對機器人能力的期望與其真實能力之間仍存在差距，大規模落地的案例並未顯著增加。

丁哲章看好一種漸進式商業化路徑：機器人以部分自主方式進入真實場景，由人類通過遙操作完成剩餘任務，在此過程中持續積累真實執行資料，逐步提升自主能力。這一路徑與自動駕駛通過量產車輛回傳資料形成迭代飛輪的邏輯頗為相似。他預計，隨著未來兩到三年更多機器人進入真實場景，行業有望逐步建立起自己的資料飛輪。