在2025年世界人工智慧大會（WAIC）上，具身智慧的資料瓶頸成為最受關注的議題之一。亮源新創創始人姜旭在主論壇對話中直言，具身智慧本質是大模型向物理世界的延伸，其發展將沿“規模化預訓練→規模化對齊→規模化部署”三階段演進，而當前行業連最基礎的預訓練階段資料缺口都未填上。這一判斷引發廣泛共鳴，但如何解決資料問題，論壇嘉賓並未給出詳細解答。

雷峰網AI科技評論走訪WAIC上的具身智慧企業後發現，今年參展的具身資料基建公司數量顯著增加，其中簡智機器人提出的“Model-Ready Data”（開箱即用資料）概念，為行業提供了清晰的解決路徑。簡智機器人認為，當前網際網路沉澱的百億小時人類影片只能支撐模型“看懂世界”，無法支援機器人完成精準物理互動。真正需要的資料必須同時具備三個核心特徵：高精度、多模態和多樣性。

高精度是基礎門檻。行業普通方案的手部關節追蹤誤差普遍在2-3釐米，相當於成年人手指直徑，導致模型學到錯誤因果關係。簡智通過端到端自研演算法和多源感測器融合，將手部關節追蹤穩定誤差降至亞釐米級（小於1釐米），成為行業首個實現該精度的無本體採集方案。多模態則依賴硬體能力，簡智採用六目同步相機，不僅向外拍攝環境，還向內覆蓋腿、膝蓋、腰部動作，同時通過電子皮膚+仿生關節直接測量抓握力度、接觸面積和摩擦力，補足觸覺模態。多樣性方面，簡智自研DPH指標，量化“同一技能下每小時資料由多少人、在多少場景下完成”，確保資料來源的豐富性。

在演算法層面，簡智構建了完整的Data Foundation Model（DFM資料基礎模型），實現端到端資料處理。其核心應用是影片生成模型補全關鍵幀，當手部被物體遮擋時，模型基於前後幀資訊預測被遮擋部分的手部姿態，將無效幀比例控制在3%以內。此外，自研感知壓縮演算法將六目相機原始資料壓縮至2%，並在裝置端完成端側質檢，直接過濾30%的無效資料，大幅降低傳輸和儲存成本。

硬體設計上，簡智堅持全鏈路自研，從攝像頭、關節感測器到計算單元、電池管理和熱管理均自主開發，團隊包含大量消費電子行業資深工程師，設計之初就考慮百台、千台甚至萬台規模量產的一致性。其無本體採集方案從設計之初就面向人形機器人終極需求，完整覆蓋腰、腿、全身運動鏈，輸出SMPL-X人體網格，還原人做動作時的全身協同、重心變化和平衡邏輯。

場景多樣性方面，簡智針對專業場景（如實驗室、高精尖製造、化工）和商業場景（如廚師、理髮師）的採集需求，通過極致輕量化和無感化設計，確保不干擾專業人士的正常操作。其資料交付採用流式交付模式，客戶無需等待硬碟郵寄，可直接在自己的伺服器上按需調取資料集，甚至對接訓練流水線。

作為第三方資料基礎設施廠商，簡智明確業務邊界：不做與客戶繫結的真機資料（頭部廠商會自己做），不做具身基座模型，不做機器人本體，只專注資料這一件事。這種中立性已獲得大廠客戶認可，目前簡智正助力小米、螞蟻靈波等頭部模型公司。

從WAIC現場反饋看，具身智慧正從“拼引數、拼Demo”進入“拼落地、拼工業化能力”的新階段。資料基礎設施的重要性才剛剛被行業認識，未來百萬小時甚至上億小時的真實場景資料，才可能觸發模型能力的湧現。