机器人缺数据,真人快不够用了
机器人行业正把宝押在数据上:演示数据喂够,通用机器人就会出现。但真人演示又贵又慢、长尾采不完,专门卖数据的公司已经出现。Agentic Robotics 让机器人部署后自己试错、自己攒数据,正在改写数据获取的成本曲线——而最先跑通闭环的地方,很可能不是客厅,是工厂产线。
过去两年,机器人行业把宝押在一个词上:数据。信仰来自大模型——语料喂够,智能涌现;照此推论,演示数据喂够,通用机器人就会自己走进车间和客厅。但现实是,真人演示又贵又慢,长尾任务根本采不完。于是越来越多的公司把希望押给一个新方向:Agentic Robotics——让机器人自己干活、自己攒数据。这不是玄学,这是数据飞轮一直缺的那一下第一推动力。
📊 数据信仰:大力出奇迹的机器人版
在今天的机器人行业,数据已经不是燃料,是信仰。
翻开 IEEE Spectrum 近期的报道,有个细节很值得玩味:这个行业已经长出了专门"卖数据"的公司——它们不造机器人,只负责收集人类操作演示,再卖给做机器人的同行,iFirsthand 就是其中之一。另一边,头部玩家也在加码:Figure AI 在官网上线了名为 Index 的新项目,商用清洁机器人公司 Sunday 同样在数据路线上持续投入。头部的机器人公司,正把真金白银押在同一句话上:只要人类演示的数据足够多,机器人就能学会人类现在干的绝大多数活。
这套叙事几乎是大模型剧本的翻版——语料喂够,能力涌现。业内私下流传一句半开玩笑的话:现在的机器人公司,一半其实是数据公司。
但 IEEE Spectrum 把话说得很直白:通用机器人到底会不会被数据"喂"出来,至今是一个 open question。没有人知道需要多少数据才算够,没有人确定哪一类数据最关键,更没有人能保证数据攒够之后,能力真的会"自动涌现"。语言模型 scaling law 最诱人的地方,恰恰是它被反复验证过;而机器人版的 scaling law,目前还停留在信念层面。
所以真正的分水岭不在"要不要数据"——这点行业早有共识——而在"数据从哪来、谁来生产"。这才是接下来几家欢喜几家愁的地方。
🖐️ 真人演示:又贵又慢的第一桶金
一条看起来行云流水的演示数据背后,往往是操作员一天里第一千次重复同一个动作。
想象一下遥操作数据车间的日常:操作员戴着主手设备,对着屏幕,把抓取、放置、插装这类动作一遍遍示范给机器人看,一天产出几百条轨迹。数据公司把这套流程标准化,做成生意,卖给需要训练数据的机器人厂商。IEEE Spectrum 的配图给了个绝妙注脚:一只 SCARA 机械臂正小心翼翼地把注射器丢进锐器盒——医疗场景里这个看似简单的动作,背后往往是成百上千条人类演示堆出来的成功率。
几种主流数据来源,摆在一起看就很清楚了:
| 数据来源 | 获取成本 | 采集速度 | 长尾覆盖 | 典型玩家 |
|---|---|---|---|---|
| 遥操作真人演示 | 高(人力密集) | 慢,线性扩张 | 弱 | iFirsthand 等数据公司 |
| 互联网视频 | 低 | 快 | 广但难控制 | 基础模型团队 |
| 仿真合成数据 | 中 | 快 | 强,但有 sim-to-real 差距 | 自研仿真管线的大厂 |
| 机器人自主探索 | 部署后边际递减 | 自持续 | 强 | Agentic 路线 |
真人演示的悖论就在这里:它质量最高,但也最贵最慢。更麻烦的是两层结构性问题——其一,人类演示里带着人的运动习惯,迁移到不同构型的机器人本体上存在 gap;其二,真实世界的任务长尾近乎无限,靠人一条条演示,永远追不上。
所以合理的判断是:真人演示适合做"第一桶金",做高质量的种子数据,帮模型冷启动。但指望它撑起通用机器人的 scaling law,成本曲线会先崩。
🤖 Agentic Robotics:让机器人自己给自己当老师
数据飞轮缺的从来不是转速,是第一次推动。
Agentic Robotics 的核心思路,是不再把机器人当成被动接收演示的学生,而是当成会自己规划、自己试错的智能体。机器人部署到真实环境后,执行任务的成功与失败本身就是数据,自动回流到训练管线——数据采集从"部署前的人工前置工程",变成"部署后的自动副产品"。整个闭环长这样:
这个闭环最诱人的地方,是成本曲线形状的彻底改变。真人演示是线性成本——多要一条数据,就多付一份人力;自主探索则是边际递减——数据越多、模型越好、成功率越高、人工干预越少,数据反而越"好采"。这是和遥操作数据公司完全不同的经济学。
当然,前提条件一点不轻松:机器人需要安全的探索空间,需要可靠的任务成败判定,失败数据还得能被有效利用而不是把模型带偏。这也是为什么业内普遍认为,agentic 闭环不会先在开放的家庭环境跑通——家里没有客观的成功标准,也没有容错的边界。哪里有?产线上。
🎯 牌桌格局:谁靠什么活下去
同一个数据问题,不同玩家押的是完全不同的解法。把主流路线放到一张图上看:
遥操作真人演示处在右上:质量高、泛化潜力大,但获取成本高悬,只能当种子数据用。机器人自主探索落在偏左上的位置——它目前技术还不完全成熟,却占据了最有想象力的象限:一旦闭环跑通,成本优势会随部署规模自动放大,这是唯一一条"越用越便宜"的路线。仿真合成数据是潜力股,瓶颈在 sim-to-real 差距;互联网视频便宜但不可控,只能打底。
值得警惕的是左下和右下的存量玩家。如果 agentic 路线成立,纯卖演示数据的生意会被从根上侵蚀——客户自己部署的机器人就是数据工厂,为什么要持续外采?据多位接近头部机器人公司的人士透露,几家大厂内部已经把"部署规模"当成比"演示数据条数"更核心的指标在看。数据服务商的窗口期,可能比想象中短。它们的出路大概是转型:从卖数据,转向卖高质量种子数据集和难例采集服务。
🏭 工厂先落地:老板只认 ROI,不认 Scaling Law
车间里的老板不关心 scaling law,他关心良率、稼动率和回本周期。
回到那张 SCARA 机械臂分拣注射器的画面——这是 agentic robotics 最现实的起点。医疗耗材分拣、3C 装配、上下料,这类工业场景结构清晰、节拍固定、成败可客观判定,天然适合把数据闭环跑起来。机器人先按演示数据上岗,干得多的任务越来越熟练,干不动的任务暴露出来,难例数据定向补采,模型迭代——每一轮循环都直接兑现在产线指标上。
把当前的痛点和解法对齐着看:
这背后是一条很务实的路径判断:agentic robotics 不会从"通用"开始,会从"特定场景的闭环"开始。每跑通一条产线,就多一块自主探索的据点,数据和工程能力滚动积累,通用性是结果而不是起点。对工厂老板来说,这意味着一套可以被验证的账:演示数据投入换冷启动,部署后的自主迭代换持续提效,回本周期可以算、可以管。那些只会在 PPT 上画"具身智能生态"的公司,到了这一步会现出原形——飞轮转不转,产线上三分钟就看出来。
机器人行业真正的分水岭,从来不是"要不要数据",而是"数据由谁生产"。真人演示撑起了第一桶金,但撑不起 scaling law;Agentic Robotics 给出的答案是——让机器人成为自己的数据工人,把每一次部署都变成一次采集。短期看,这场比赛会在结构清晰的工厂产线上分出胜负:谁先在真实产线跑通"执行—回流—进化"的闭环,谁就先拿到通用机器人的入场券。至于客厅和厨房?让产线先教会它们走路。