最近看到‘给机器人当老师’的报道，点出了具身智能行业一个被低估的硬伤：高质量物理交互数据极度稀缺。全球仅50万小时，对比大语言模型动辄数亿小时的训练数据，简直是九牛一毛。这解释了为什么数据采集员门槛低但要求身高体重——硬件手套和动捕设备规格固定，本质是当前传感器和标注流程尚未标准化。
从技术角度看，这不仅是数据量问题，更是数据质量与多样性问题。个人经验，早期做机械臂抓取时，我们花在数据清洗和场景标注上的时间远超模型训练。如今具身智能要泛化到家庭、工厂等非结构化环境，数据采集必须从‘表演式操作’转向‘任务式交互’，比如让采集员随机打翻杯子、重新摆放，才能覆盖边缘案例。
一个值得讨论的技术问题：能否通过合成数据或仿真环境（如Isaac Sim）生成足够真实的物理交互数据，替代部分真人采集？另一个是：未来如果数据采集员成为标准化职业，是否意味着具身智能的‘劳动力成本’会重现大模型时代的‘数据民工’模式？
这背后映射出行业趋势：算法已非唯一瓶颈，数据供应链的工业化程度将决定具身智能落地速度。参考自动驾驶的教训，早期依赖人工标注，后来转向仿真和自监督学习，具身智能可能也得走类似路径。但物理交互的随机性和触觉反馈的复杂性，让仿真数据可信度存疑。谁先解决数据规模化与真实性的矛盾，谁就能在下一轮竞争中占据高地。