服贸会观察：给机器人“喂饭”，是一门怎样的生意

　　中新经纬9月12日电 (李自曼)一台机器人正从桌面上拿起一张明信片，精准对准印章位置按下，随后将盖好章的明信片投进邮筒，整套动作一气呵成。

　　不远处，另一台机器人端坐钢琴前，弹出一段完整旋律。再往前走，还有机器人正有节奏地敲击编钟，发出清脆的声音。

　　这是11日中新经纬在2026年中国国际服务贸易交易会(下称服贸会)电信、计算机和信息服务专题展看到的几幕。

　　机器人越来越聪明，动作越来越流畅，但让机器人学会这些动作，不仅仅是因为算法迭代，更是因为数据在背后支撑。数据从哪来？怎么变成机器人能用的“教材”？

　　数据量不足实际需求的5%

　　机器人要学会这些动作，首先得有足够的数据来训练。但现实是，数据远远不够用。

　　国金证券2026年7月发布的研报显示，截至2026年初，全球高质量真实物理交互数据总量仅约50万小时，而训练通用具身模型至少需要1000万小时的多模态交互数据，当前数据量不足实际需求的5%。

　　中国信通院人工智能研究所等机构于2026年8月联合发布的《具身智能训练场研究报告(2026年)》(下称报告)也指出，具身基础模型要迎来“ChatGPT时刻”，至少需要千万小时级真实数据，而当前全球可用的高质量真实数据仅为数十万至百万小时级，供需之间存在量级差距。

　　‌凌宇科技(北京)有限公司‌(下称‌凌宇科技)研发总监张丽强对中新经纬表示，大语言模型有互联网多年的文字积累，可以直接训练；而具身智能需要的是对空间信息的感知和对动作行为的理解，这些数据没有成熟积累。“跟大语言模型差距差不多有1万倍。”张丽强说，这也意味着具身智能的数据赛道才刚刚起步，机会很大。

　　数据缺口之外，行业标准也在逐步建立中。

　　某运营商工作人员孟凡在采访中介绍，上个月在冰丝带落幕的第二届世界机器人运动大会上，公司打造的具身智能管理平台，接入了16个国家、666支队伍共2056台机器人。该平台收集的156万条运行数据，是机器人日常状态的数据反馈，包括位置信息、电量情况、关节温度、网络接入情况等。

　　“因为各品牌有差异，管理起来比较复杂，平台做了统一接入、统一建档、统一运营。”孟凡说，现阶段具身智能行业标准不统一、协议接口各有不同，统一整体运维和管理是行业正在解决的问题。

　　上述报告也指出，训练场面临场景任务同质化、数据多样性和流通性不足等共性挑战。不同本体、场景、机构之间的数据难以互通共享，进一步制约了模型训练效果。

　　给机器人配“老师”

　　缺口已然显现，数据从哪来？

　　景辰数智(北京)科技有限公司(下称景辰数智)工作人员师乐姣介绍，“景睿”机器人的数据来自石景山人形机器人数据训练中心。训练过程中，所有机器人都会有一个“老师”(数据采集员)。老师会带着机器人学习相应动作，比如盖章的小demo(示范样本)。在示范教学完成后，通过大量样本采集、标注与多轮质量核验，建成高质量数据集，输入模型开展机器人训练。

　　“真机数据采集现在缺口比较大，我们对样本合格率、采集成功率的要求很高。”师乐姣说，仅盖章这一个流程，从数据采集到模型训练，短程可能在半个月甚至几天就可以完成，但是要保证盖章完整以及每次拾取印章与盖章的可达性，还是需要大量的数据输入与强化学习后的验证。

　　另一种是便携采集模式。据张丽强介绍，凌宇科技在服贸会期间首次公开发布了一套便携式数据采集设备，一天大概能采集8到10小时的工作数据，生产数据量约400G。

　　最困难的是数据处理

　　数据采回来，不等于就能直接喂给机器人。

　　北京数据集团智能院旗下北京数据先行区服务有限公司(下称京数公司)技术研发人员刘永辉向中新经纬表示，从“有数据”到“数据能用”，中间最困难的是数据处理。

　　“原始数据本身没有释放价值，核心在于中间的数据处理环节。”刘永辉介绍，最基础的是清洗，把字段不清晰、字段空白等问题找出来，有些筛选掉，有些打回去更新。清洗完成后，关键是标注。

　　刘永辉称，标注内容取决于实际应用场景：交通自动驾驶要对图像中的车、路边、车道线做语义分割和拉框标记；商务交流、展会交流等不同语种交互场景，标注会侧重转写，把说话中的所有发声单元如实展现出来。“只有把这些信息赋能到原始数据之上，形成的数据集才有价值。”

　　数据从采集到训练再到执行，还离不开底层技术的支撑。

　　北京东土科技股份有限公司(下称东土科技)工作人员向中新经纬介绍，东土科技全国产化智能机器人通用电子架构由“鸿道操作系统+AUTBUS总线国际标准+MaVIEW工具软件平台”组成，包含大小脑融合机制、快速反应的神经网络及确定性控制，可快速开发机器人及应用机器人。

　　该工作人员表示，东土鸿道操作系统搭配AUTBUS、TSN确定性网络，解决机器人数据采集、传输两大痛点：一是时间不同步，二是网络拥堵丢包、传输时延忽快忽慢。

　　(更多报道线索，请联系本文作者李自曼：liziman@chinanews.com.cn)(中新经纬APP)

　　(文中观点仅供参考，不构成投资建议，投资有风险，入市需谨慎。)

　　中新经纬版权所有，未经书面授权，任何单位及个人不得转载、摘编或以其他方式使用。

责任编辑：魏薇 常涛