2026年春天，在由蓋世汽車主辦的第四屆具身智能機器人產(chǎn)業(yè)發(fā)展論壇，成為行業(yè)技術競逐的縮影。數(shù)據(jù)采集、大模型、人形機器人、泛化能力輪番亮相，但會場內(nèi)的焦慮，也正在逐漸滋生蔓延。

嘉賓們爭相展示自研成果，“我們自研了基礎模型”“我們搭建了全棧操作系統(tǒng)”“我們的數(shù)據(jù)量達到了XX小時”的聲音此起彼伏，背后卻藏著一種揮之不去的隱憂：大家各自為戰(zhàn)、悶頭布局，有限的資源、稀缺的數(shù)據(jù)、頂尖的人才，究竟是在推動行業(yè)加速，還是在制造一場巨大的資源浪費？

這不是一個道德問題，這是一個關乎產(chǎn)業(yè)生死存亡的數(shù)學問題。

數(shù)據(jù)孤島，差了一個量級的“數(shù)據(jù)荒”

如果要讓一個具身模型真正收斂，業(yè)內(nèi)共識性判斷是至少需要幾百萬小時，甚至是上千萬小時的有效數(shù)據(jù)。

據(jù)特斯拉Optimus、波士頓動力等海外頭部企業(yè)公開數(shù)據(jù)顯示，其核心具身模型訓練數(shù)據(jù)已突破百萬小時量級，可在被問及中國現(xiàn)有情況時，千尋智能科研生態(tài)總監(jiān)徐國強直言：“目前國內(nèi)各家具身智能公司的數(shù)據(jù)量加起來可能也就幾十萬小時，距離模型真正收斂，整整差了一個量級?！?/p>

更嚴峻的是，即便把全國所有頭部企業(yè)的數(shù)據(jù)合并，不僅量級不足，數(shù)據(jù)質量也難以達標。

當前國內(nèi)數(shù)據(jù)多集中在機械臂抓取杯子、簡單移動等基礎場景，高復雜度、跨場景的有效數(shù)據(jù)占比極低，即便匯總，也難以支撐模型實現(xiàn)真正的泛化能力。

圖片來源：千尋智能

數(shù)據(jù)壁壘則加劇了這一困境。

如今數(shù)據(jù)不僅是具身智能的生產(chǎn)資料，更是各家公司的“核心資產(chǎn)”。徐國強用“視若珍寶”形容當前的數(shù)據(jù)現(xiàn)狀：“各家的數(shù)據(jù)都握在自己手里，不愿意共享，生怕被對手窺探。”

這種狀態(tài)下，整個行業(yè)就像是在干涸的河床上各自挖井，明明挖深一點就能見到地下水，卻都在淺層徘徊，重復采集基礎數(shù)據(jù)造成的社會資源浪費觸目驚心。

這與汽車產(chǎn)業(yè)早期的數(shù)據(jù)孤島高度相似。早年車企的廠區(qū)工藝數(shù)據(jù)、車路協(xié)同數(shù)據(jù)、車載運行數(shù)據(jù)均被視為核心機密，互通壁壘成為汽車智能化升級的重要瓶頸。

而與互聯(lián)網(wǎng)早期的“信息孤島”相比，具身智能的數(shù)據(jù)壁壘更難打破。軟件時代代碼復制成本為零，但具身智能的數(shù)據(jù)采集需要真實的物理設備、場地和時間成本，機器人每一次抓取、移動、失敗摔倒，都是真金白銀的投入。

轉機已在萌芽。據(jù)徐國強透露，國內(nèi)正推動國家級具身智能數(shù)據(jù)訓練場建設，多所高校已將具身智能專業(yè)納入學科布局，并將數(shù)據(jù)采集納入學生日常考評體系?！敖酉聛磉@個壁壘會逐漸被打破，”他坦言，“現(xiàn)階段的各自為戰(zhàn)是行業(yè)早期的特定現(xiàn)狀，未來數(shù)據(jù)共享的界限會越來越模糊。”

但問題在于，行業(yè)等得起嗎？2026-2027年已被業(yè)內(nèi)視為具身智能人形機器人商業(yè)化的關鍵窗口期，若始終跨不過“數(shù)據(jù)量級+質量”的基礎門檻，所謂的行業(yè)競爭，或許只是一場還沒開始就輸?shù)舻挠螒颉?/p>

而數(shù)據(jù)孤島之外，底層操作系統(tǒng)的內(nèi)耗，正成為產(chǎn)業(yè)前行的另一重枷鎖。

操作系統(tǒng)，等待那個“一統(tǒng)江湖”的破局者

如果說數(shù)據(jù)是燃料，那么操作系統(tǒng)就是引擎。關于未來機器人操作系統(tǒng)會是PC時代Windows那樣的“一統(tǒng)天下”，還是手機時代Android與iOS“二元并存”，業(yè)內(nèi)的看法頗為務實。

當前最核心的問題，并非未來格局，而是當下的內(nèi)耗困局。

穹徹智能研究科學家呂峻坦言，當前行業(yè)尚處早期，技術未實現(xiàn)跨場景通用，即便單一企業(yè)內(nèi)部，不同交付場景仍需多套OS并行，行業(yè)統(tǒng)一更無從談起?！斑@不是企業(yè)做得不好，本質上是具身智能技術還沒達到跨場景規(guī)?；瘧玫乃?。”

這直擊行業(yè)最本質的痛點，技術成熟度遠未達到“標準化”的臨界點。PC時代Windows能一統(tǒng)江湖，核心是底層硬件標準化、軟件需求明確；手機時代的雙雄格局，也建立在硬件形態(tài)趨同的基礎上。

但具身智能時代，機器人形態(tài)千差萬別，應用場景從工業(yè)產(chǎn)線到家庭廚房天差地別，一個模型在A公司的輪式機器人上運行順暢，換到B公司的雙足機器人上可能直接“死機”。

這一幕，與汽車產(chǎn)業(yè)早年的電控系統(tǒng)內(nèi)耗高度相似。早年國內(nèi)百家車企各自自研電控系統(tǒng)，重復投入、效率低下，最終被域控制器統(tǒng)一、車載OS架構融合的趨勢終結。具身智能OS的破局，或許可以借鑒這一標準化路徑。先實現(xiàn)企業(yè)內(nèi)部OS統(tǒng)一，再逐步推動行業(yè)層面的兼容與整合。

呂峻表達了行業(yè)內(nèi)的普遍期待：“我個人更期待未來能有1-2家企業(yè)，推出穩(wěn)定可靠、兼容不同模型和硬件設備的通用操作系統(tǒng)，讓大家少一些同質化賽馬（參數(shù)丨圖片），多一些資源整合，把有限的力量投入到核心技術研發(fā)中?！?/p>

事實上，在資本的渲染下，“競爭”往往被等同于“活力”，但在技術未成熟、基礎科學未突破的領域，過早的、過度的同質化競爭，本質上是對稀缺科研資源的擠占。

如果每家公司都要從零造輪子、寫底層驅動、搭建操作系統(tǒng)，誰來攻克“讓機器人理解人類模糊指令”“跨場景自主適配”這些真正的核心難題？

呂峻的話更拉高了格局：“具身智能是一項需要巨額投入的事業(yè)，更關乎國家層面的技術競爭，內(nèi)耗不起?！倍攪鴥?nèi)企業(yè)在OS層面難以形成合力，未來面對的可能不是商業(yè)競爭，而是國與國之間的技術降維打擊。

開源與整合，站在十字路口的戰(zhàn)略抉擇

面對“各自為戰(zhàn)”的困局，國內(nèi)企業(yè)已開始探索破局路徑，開源與垂直整合并行，最終指向“開源底座+私有數(shù)據(jù)”的混合生態(tài)。

2025年12月，大曉機器人發(fā)布了ACE具身研發(fā)范式，構建“環(huán)境式數(shù)據(jù)采集—開悟世界模型3.0—具身交互”全鏈路技術體系。該體系通過環(huán)境式數(shù)據(jù)采集方案，可實現(xiàn)年千萬小時級數(shù)據(jù)收集；結合開悟世界模型3.0的數(shù)據(jù)增強能力，能夠形成等效上億小時的數(shù)據(jù)訓練效果，緩解行業(yè)長期面臨的數(shù)據(jù)瓶頸。

而如今，大曉機器人繼開源開悟世界模型3.0（Kairos 3.0）-4B 系列具身原生世界模型外，更將以空間智能為底層框架、跨不同具身本體的通用基礎模型“ACE-Brain-0”正式面向全行業(yè)開源。

ACE-Brain-0架構

大曉機器人選擇將核心模型開源，這一看似“反直覺”的動作，實則有著清晰的戰(zhàn)略考量?！熬呱碇悄苣壳叭蕴幱诋a(chǎn)業(yè)早期，商業(yè)化競爭尚未到白熱化階段，當前核心目標是讓更多人參與到研發(fā)中來，實現(xiàn)資源共享——包括數(shù)據(jù)、模型和底層工具鏈。”

這種“基礎設施思維”，旨在攤薄行業(yè)試錯成本。周泉進一步解釋：“我們開源部分數(shù)據(jù)、基礎空間智能模型和世界模型，就是希望開發(fā)者能基于這個底座，低成本探索垂直應用方向，一起完善技術設施，推動行業(yè)整體進步。”

除大曉機器人外，國內(nèi)部分科創(chuàng)企業(yè)也已開放機器人底層控制算法，試圖共同搭建行業(yè)基礎底座，打破內(nèi)卷困局。

與開源趨勢相對照的是垂直整合邏輯，但即便是傾向于垂直整合的用戶方，也對開源生態(tài)抱有開放態(tài)度，蔚來汽車制造運營中心總監(jiān)劉圣祥從汽車產(chǎn)線應用端，給出了最務實的視角。

“我們與生態(tài)合作伙伴，包括模型專家、數(shù)采廠家、機器人廠商深度協(xié)作，核心是解決汽車產(chǎn)線的實際場景問題，推動具身智能產(chǎn)業(yè)化落地?！?/p>

他強調(diào)的合作前提，直指工業(yè)場景的核心痛點數(shù)據(jù)安全與隱私?！拔覀兛梢岳瞄_源模型，但最終部署必須是本地部署，訓練數(shù)據(jù)不能出企業(yè)。”

這也是汽車產(chǎn)業(yè)的共性需求：產(chǎn)線上的操作數(shù)據(jù)、工藝參數(shù)、裝配流程都是核心商業(yè)機密，絕不可能上傳到云端供第三方模型訓練。

比亞迪、特斯拉等車企的工廠機器人應用，也均采用“開源模型+本地微調(diào)”的模式，既降低研發(fā)成本，又保障數(shù)據(jù)安全。

這引出了行業(yè)的普遍共識：未來的具身智能生態(tài)，既不是純粹的開源烏托邦，也不是完全封閉的垂直帝國，而是“開源底座+私有數(shù)據(jù)”的混合形態(tài)。

基礎模型、底層工具鏈開源，降低行業(yè)準入門檻，讓中小企業(yè)和開發(fā)者能低成本參與；企業(yè)私有數(shù)據(jù)閉環(huán)，保障核心利益和數(shù)據(jù)安全，實現(xiàn)個性化場景適配。

這種模式，既避免了數(shù)據(jù)孤島和OS內(nèi)耗，又兼顧了商業(yè)競爭力，而汽車產(chǎn)業(yè)的實踐，已為這種模式提供了可借鑒的范本。

回到最開始的問題：各做各的模型，浪費何時休？

從行業(yè)的討論來看，答案并不悲觀。行業(yè)已經(jīng)清醒地意識到，“數(shù)據(jù)量級差一個零”不是危言聳聽，“操作系統(tǒng)內(nèi)耗”不是杞人憂天。國家力量正在介入數(shù)據(jù)訓練場的建設，頭部企業(yè)開始嘗試開源共享，用戶方則在呼喚一個既能保護數(shù)據(jù)主權、又能降低開發(fā)成本的新型合作模式。

或許，具身智能產(chǎn)業(yè)的“臨界點”，并不完全取決于某個模型參數(shù)量突破了多少億，而取決于行業(yè)能否在“競爭”與“協(xié)作”之間找到那個黃金平衡點。就像當年的互聯(lián)網(wǎng)，只有TCP/IP協(xié)議成為共識，才有了后來的萬維網(wǎng)繁榮。

對于具身智能，行業(yè)需要的可能不是一百個互相不兼容的“操作系統(tǒng)”，也不是一千個互不相通的數(shù)據(jù)孤島。需要的是穩(wěn)定可靠的底層，需要把基礎模型開源，讓開發(fā)者低成本試錯，更需要打破數(shù)據(jù)壁壘，讓國家公共平臺與商業(yè)力量形成互補。

這場“浪費”的休止符，最終將由那些敢于率先打破藩籬的企業(yè)來譜寫。正如汽車工業(yè)百年歷史所證明的，是福特的流水線標準化終結了手工造車的低效，是特斯拉的開源專利推動了電動化的普及。

在具身智能的黎明，我們期待中國的企業(yè)能展現(xiàn)出同樣的遠見與魄力——因為當整個行業(yè)都在泥潭里掙扎時，沒有哪一家能獨自上岸。