具身智能的瓶颈不在世界太非标,而在训练目标从未要求模型理解物理。
一、一个被误读的因果
在具身智能的圈子里,“得数据者得天下”几乎是一句公理。建数据工厂、上遥操作采集、堆合成数据,仿佛只要攒够了PB级的视频与轨迹,机器人就能像ChatGPT一样迎来涌现时刻。2026年上半年,中国具身智能数据创业公司拿到的融资超过170亿元,占整个赛道融资的四成左右;全国已建成启用的训练场超过70家,在建和规划的还有40多家。钱、人、场地,全部押在同一个假设上。
但数据的消耗远没有叙事中那么高效。以目前最具代表性的开源机器人操作数据集DROID为例,它收集了76,000条轨迹、约350小时、564个场景、86类任务,规模相当可观。然而在进入实际训练之前,大量原始轨迹被过滤掉了——按业界基于该数据集清洗结果的统计,DROID的保留率只有20.7%,也就是说,接近八成的原始数据没能进入训练集。这是最差的一档,其他路线的数据可用率普遍水平在三到四成之间,即便是质量最好的开放世界人类视频数据集,保留率也只有六成左右。
面对这个现状,行业习惯性地把锅甩给“物理世界的非标性”——世界太复杂,机器人抓个杯子,陶瓷和玻璃的摩擦力都不一样,所以数据当然难以复用。于是解法指向同一个方向:采得更多、采得更真、采得更便宜。
但如果把因果链倒过来看,会发现另一种解释:数据难以复用,不是原因,而是结果。真正的问题出在更底层——我们的训练目标只奖励模型“把事做成”,从不奖励它“把物理规律提炼出来”。一个只被奖励“做成”的模型,天然会倾向于记住场景,而不是理解世界。于是每一个新场景都成了新问题,每一份新数据都成了无法复用的孤立记录。
这个判断,在今年6月一篇由具身数据初创公司领衔、多位研究者合著的立场论文里被明确写了出来。该文指出,更大的模型、更多的示范数据、再叠加一个更懂物理的世界模型,并不能通向真正的物理世界泛化能力。通用机器人真正缺的不是更大的策略模型,而是一套能把非结构化物理行为转化为监督信号的机制。作者提出需要补齐四个接口,其中最关键的一个,就是奖励接口。
“奖励接口缺失”,正是本文想展开的那条线。
二、第一层:奖励错位,模型在“学记答案”而不是“学规律”
要理解具身智能为什么“笨”,得先看清它在被什么标准训练。
过去两年,行业主流是从专家示范里学动作,也就是模仿学习。这条路快、稳,但有两个先天缺陷:一是默认所有示范都是正确答案,模型分不清哪一次操作更好、哪一次走了弯路;二是模型一旦运行到示范没覆盖过的状态,误差会逐步累积,最终偏离干净的行为。
头部团队已经在修补。Physical Intelligence的π0.5用了一种协同训练的思路,把多种异构数据混在一起训练,把陌生家庭环境中的多阶段任务成功率相对前代提升了25%—40%。这个结果很漂亮,它说明数据多样性确实能换到泛化。但π0.5的路径依然是模仿:它学的是“在这样的观测下,专家会做什么动作”,没有解决“好坏判断”的问题。
2025年11月发布的π0.6补上了这一块。它引入了一种结合经验与纠偏的强化学习方法,分三个阶段训练,效果是:高难度任务吞吐量翻倍,故障率降低两倍以上,机器人可以连续13小时制作意式浓缩咖啡。这是真实的进步,而且是方向正确的进步。但请注意它优化的是什么:价值函数估计的是“这个动作有多有利于把任务做成”,奖励信号来自任务成败与专家纠偏。也就是说,π0.6教会了模型区分动作的好坏,可“好”的定义依然是任务成功率和执行效率,而不是“这个动作是否体现了可迁移的物理规律”。
这就是激励错位的精确位置。用一个更好懂的比喻:教一个学生做题,只要他最终填对了答案,哪怕他是把整本练习册背下来的,你也给他发奖学金。结果原题考100分,换个数字就彻底傻眼。人类抓了十次杯子,提炼出的是“摩擦力阈值”“几何约束”“力反馈调节”这样的先验模块,第十一次遇到没见过的杯子能瞬间迁移。而现在的具身模型,明明身在一个自带强物理约束的世界里,却对这些约束视而不见——因为它的奖励函数从来没有逼它去看。
真正的稀缺能力,不是“从一万条轨迹里学会抓一个杯子”,而是“从一万次试错里提炼出能解释所有杯子的规律”。数据的价值高度依赖“被什么样的目标函数消费”。同样的数据,喂给一个只优化任务成功的模型,产出的是更强的场景记忆;喂给一个同时优化规律提炼的模型,才可能产出可迁移的物理先验。
三、第二层:死循环——为什么具身智能走不出项目制
训练范式上的激励错位,落到商业上是一场可被量化的灾难。
因为泛化不足,换一个工厂、换一条产线,哪怕只是零件位置变了,模型就得重新采数据、重新训练。行业里有个常被引用的对比:在宁德时代现场做复杂任务训练,耗时三个月,成功率只有六成左右;而传统工业机器人做同类调试,周期约一周,调试完基本恢复到原性能,后续成本极低。三个月对一周,六成对接近百分之百——这不是技术代差,而是商业模式上的代差。
由此形成链条:奖励错位→记住场景→泛化差→只能做项目→数据碎片化→更依赖堆数据→堆来的是更多记住场景的材料。
柔性制造要求产线频繁换零件,不能每次换产都重训一两个月;闪购仓要应对上万个SKU,靠逐个场景适配,成本根本无法收敛。有意思的是,工业界已经在用另一条路径绕开这个问题:节卡在车灯装配场景,靠力控机器人与视觉机器人双机协同,把不同车型的换型时间压到5分钟,检测准确率99%;变速箱精密装配的装配良率超过99.7%,混线节拍控制在90秒每台;汽车ECU装配用零样本多模态识别,无需大量预训练即可应对多款控制器混料。这些案例说明——当任务边界足够清晰时,靠传统自动化与专用工程的组合,反而比通用具身模型更经济。通用模型的优势必须体现在“换场景不用重做”,而这恰恰是当前最缺的能力。
数据碎片化也在自我强化。去年采集的数据因为没纳入触觉维度,今年可能已经不适配新的训练要求;本体厂商自采的数据往往排他,只能训自己的机器人,跨厂商无法通用,导致整个行业在重复投入做同一件事。天奇股份在江苏建的数据中心提供一个反向参照:它累计沉淀近2万小时、PB级多模态数据,搭建了36个一级场景、163个二级细分采集场景,并自研数据管理系统把原始素材转成标准化可复用资产。这种“把数据当资产治理”的做法,正是为了对抗碎片化——但它同时也说明,碎片化已经严重到需要专门建一套工业化的数据治理体系来对冲。
质量曲线也值得看。北京人形机器人创新中心的数据基地,日产能超500小时、年产能18万小时,已对外交付近3万小时;但基地建立初期数据合格率只有50%左右,经过三个月流程优化才稳定到95%以上。这说明行业正在从“囤小时数”转向“要有效数据”,但底层问题没变:如果模型的目标函数不要求提炼规律,那么即便合格率从50%提到95%,被提纯的依然只是“更干净的场景记忆”。
四、第三层:Benchmark已经不缺,缺的是测试维度
如果因果链的起点是“奖励只奖励走通”,那么解法就不是建更多数据工厂,而是重新定义“什么叫好的具身智能模型”。
这一层需要说清楚一件事:评测基准并不空白,恰恰相反,它已经很拥挤了。国际上,AI2发起的MolmoSpaces是目前公信力较高的零样本评测基准,测的是跨环境的零样本操作成功率;Meta发布的IntPhys 2基于四条宏观物理原则,测的是视频模型能否分辨场景是否符合物理。中国信通院在2026年报告中统计了近800篇论文后指出,一旦加入环境扰动,模型性能普遍跌至30%以下。
把这几件事放在一起,就能看清真正的空白在哪。现有基准的共同点是:它们测“结果对不对”。任务成功了没有,扰动下掉了多少分。它们没有人回答一个更根本的问题——模型是真的从有限样本里提炼出了可迁移的物理规律,还是只是把训练场景记住了?
这个区别不是玄学,它可以被操作化。假设一个模型在同一批杯子、同一张桌子、同一种光照下抓取成功率95%。但如果换一批材质不同、形状相近的杯子——摩擦力变了、重心位置变了、透明度和反光变了——成功率掉到20%,那它学到的就不是“抓取”,而是“这几千帧像素对应的动作序列”。区分这两种模型的唯一办法,是按物理属性而非按场景来构造测试集:把摩擦系数、质量分布、表面反射率、可变形性作为变量维度,而不是把“厨房A”“厨房B”作为变量维度。
举个具体的设计:用100个刚性金属件的抓取样本训练模型,然后测试集更换为柔性硅胶件、易碎玻璃件、粘性软包,观察成功率保留率。如果模型只是记住了场景,面对材质突变时成功率会断崖式下跌;如果它提炼出了可迁移的物理规律,成功率保留率会显著更高。这个“成功率保留率”就是那把尺子的核心指标。
如果真要做一把尺子,它应该长这样:不考单次任务完成率,考的是从有限场景提炼出的规律,在物理属性变化时的存活率。一旦它被确立为标准,就掌握了对所有模型的评判权,因为“你的95%分是怎么来的”这个问题将被强制拆开回答。在它建立之前,没有人能自证自己不是在堆废料——而这个“无法证伪”,正是今天泡沫得以持续的根本原因。谁先造出这把尺子,谁就等于把赛道从“比谁采得多”拉回到“比谁学得对”。
五、结语:回到常识
具身智能现在的火热,很像一场大干快上。大家默认只要堆够了数据,智能就会自动冒出来。
但这篇文章想说的事情更冷静一些:如果目标函数不改,如果继续纵容模型走那条“记住场景拿高分”的近路,而不是逼它去提炼物理世界里的不变性,那么所谓的数据飞轮,不过是把项目制外包用AI的外壳重做了一遍,只是这次多了几百亿资本在烧。
数据当然是必要的。头部团队证明了多样性数据的价值,也证明了奖励信号可以改进,数据中心证明了数据可以被工业化地治理。这些都是真实的进步。但这些都是在同一个目标函数下的优化,它们让模型在“把事做成”这条路上跑得更快,却没有让模型换一条路。
决定胜负的,从来不是你采集了多少万小时的抓取轨迹,而是你的模型在打碎一个杯子之后,除了知道“这个杯子易碎”,能不能提炼出“这类材料在什么力下会碎”。
这个世界不缺数据。缺的是让人不得不去提炼常识的那把尺子。
【注释与参考文献】
立场论文:Motoniq等,arXiv:2606.06556(2026-06),提出数据、具身、世界模型、奖励四个接口缺失。
π0.5:Physical Intelligence,“π0.5:a VLA with Open-World Generalization”(2025-04),co-training方法。
π0.6:Physical Intelligence,π*0.6技术报告(2025-11),RECAP三阶段强化学习。
DROID数据集:76,000条轨迹,保留率20.7%为券商基于清洗结果的统计。
UMI数据可用率30%—40%:券商产业调研。
MolmoSpaces:AI2发起,23万环境、13万物件,零样本操作评测。
IntPhys 2:Meta随V-JEPA 2发布:arXiv:2506.09849,基于四条宏观物理原则。
信通院《具身智能发展报告(2026年)》:扰动下性能跌至30%以下。
宁德时代案例:产业研究口径,非公司正式披露。
节卡、天奇、北京人形基地等案例:均来自公开报道或工博会案例。





