希鸥网产业观察:在人形机器人赛道融资热度持续走高的当下,具身智能的训练数据供给问题正成为行业绕不开的关卡。这条赛道的核心看点不在本体硬件的迭代速度,而在真机数据能否支撑起一个可泛化的智能系统。
创业邦出品的《Signals》访谈节目中,清华系投资人周天奇给出一个判断:人形机器人赛道热度拉满,但底层短板依旧突出,巨大的真机数据鸿沟横亘在前。他同时指出,仿真弥补不了全部短板,ChatGPT级别的产品还没有出现。该节目聚焦AI、硬科技与创新趋势,以深度访谈形式呈现从业者对技术节点的判断。
周天奇所交待的,是一个结构性缺口:真机数据与仿真数据之间存在量级差异,而仿真环境无法完整复刻真实物理交互中的摩擦、形变与意外状况。这意味着依赖仿真堆量的训练路径存在上限,真机采集的稀缺性由此凸显。他所指的“ChatGPT级别产品”,对应的是具身智能在通用任务上出现可复用的能力跃迁,而非单点场景的演示。
他的表态指向一个明确预期:具身智能的爆发尚未到来,当前阶段仍处于数据基建的积累期。仿真能补一部分课,但补不了全部;产品层面的临界点,要等真机数据规模与模型能力同时到位。这一判断对赛道的时间表给出了偏谨慎的坐标。
希鸥网认为,具身智能当前的瓶颈不在算法叙事,而在数据采集的成本结构与复用效率。谁能在真机数据采集上把单条成本压下来、把跨场景复用率提上去,谁就握住了下一轮的入场券。对创业者而言,可行的动作是先锁定一个高频、闭环、可量化的细分作业场景做数据沉淀,用最小可行产品验证采集效率,再谈泛化。
以上内容由希鸥网整理自网络,仅为传递商业信息,不构成任何投资建议。如有侵权请联系删除。
第39届华商创新论坛将于12月27日在杭州举办,同时第十二届金鸥品牌榜·2026年度创新案例库开放申报了,免费提报,独立评估,入榜品牌将获得电子版《入榜证明》及年度专题公示,优秀案例可获得深度专访+全平台分发。 如需修改或发布文章,请加微信号:sheisceo
