数采专家交流要点261029

数采专家交流要点261029

数据需求爆发在即。国内外现有具身数据存量合计仅几十万小时，而垂类场景做到可泛化并保证成功率的行业共识门槛是千万小时，跨场景AGI则是500亿-1000亿小时（累计口径）。节奏上，26年国内几十万小时、27年跃升至千万小时级、三年内上亿小时级。

数采范式不会被大厂颠覆、但入口在迁移。23-24年看真机、之后转仿真、25年看UMI、近期EGO成为主流：1）真机质量最高但"用不起"——单工位投入大几十万元，采8小时有效仅约1小时，短期难成主流；2）仿真效率与成本最优（已降至十几二十元），但sim-to-real卡在机械公差等方面，不能做训练主体；3）UMI把效率提到8小时出3-4小时，但跨本体要求夹爪尺寸、开合度等完全一致；4）EGO头环仅三四百克、无本体可众包，是当下规模化主入口——前半程可能持续三到五年，先用EGO把规模做上去，后半程真机数据回流接棒。

价格分层清晰、数据购买方多元。1）原生数据：真机数据500-1000元/小时且基本未降；仿真降至十几元/小时；UMI两三百元/小时；原生EGO最低大几十元、贵的一两百元；2）数据处理：第三方数据处理一百元/小时。3）设备端：EGO头环1-2万元、初级触觉手套千元以内、高精度手套约两三万元。数据购买方主要分为：1）具身初创公司（智元、银河、星海图等）；2）灵巧手厂商；3）互联网大厂（字节、阿里等），海外OpenAI、Anthropic等。

工业侧数据必然私有化。工业物理AI的终局差异不在通用还是垂类模型，而在企业自有工艺数据——通用模型+专有数据少量微调即可，产业数据必为私有，具备现场数据入口与多行业交付能力的工业自动化龙头卡位最优。

模型当前三线并行，落地不等通用基座成熟。1）VLA擅长动作拟合与接触类操作，泛化仍有短板；2）世界模型补强物理规律理解与轨迹规划，再由VLA执行；3）大语言模型理解与泛化潜力强，但精度、幻觉和延迟仍待解决。未来或形成“大模型做大脑、VLA做小脑”，三条路线数据可共用、标注要求不同；短期以现有模型推进垂类落地，长期趋向“通用基座+场景少量数据微调”。