北京发布《具身智能机器人产业高质量发展行动方案》,提出在不少于100个真实场景中采集超100万小时高质量数据,新增建设总规模超过50000 PFLOPS的具身智能专用算力集群,集中攻关高端柔性触觉传感器、微型执行器等关键环节,并培育一批头部人形机器人企业。
这份方案最值得注意的地方,不是数字大,而是它选择补贴“公共品”,而不是补贴整机。这是一个方向性的判断。
具身智能的瓶颈不在硬件样机,而在数据。语言模型可以爬互联网,机器人没有“互联网”:每一条抓取、行走、摔倒的数据都要真机跑出来,成本高、速度慢、还难以复用。100个场景、100万小时,本质上是把数据采集从企业的成本项变成公共品。
算力同理。5万P放在单个企业身上是天文数字,作为区域专用集群则是可分摊的基础设施。政策把钱花在“所有公司都要用、但没人愿意单独建”的地方,是这一轮产业政策最务实的变化。
对比过去几年的产业扶持,常见的做法是给整机厂订单补贴、给产线补贴。这类补贴见效快,但容易变成“谁能拿到补贴谁活”。数据与算力是前置投入,谁都能用,补贴的是整个行业的地基。
一座大型智算中心通常是几千P的规模,5万P意味着专门为具身模型训练准备的独立供给。它的意义不只是训练更大的模型,而是支撑“多模态加世界模型加强化学习”这种极度耗算力的训练范式。
训练成本被外部化之后,中小本体厂才有可能参与基础模型的竞争。否则这个行业会迅速收敛到两三家有算力的公司,剩下的人只能做代工。
这也解释了一个现象:过去两年具身智能的融资大多流向本体公司,今年开始向数据与算力基础设施分流。资本终于意识到,没有数据,本体的智能上限是被锁死的。
值得注意的是方案把“评测体系”和“榜单”一起写进去了。具身智能目前缺少公认的评测标准,各家发布会的数据互相不可比。谁先把评测立起来,谁就掌握了“什么叫做好”的定义权。这件事的商业价值,可能比多建一个算力中心更大。
真机数据的价值在于“真实”。仿真可以生成无限数据,但物理摩擦、材质形变、光照变化、人类行为的随机性,仿真永远差一截。100万小时的意义,是让模型见过足够多的“不完美的真实”。
难点在标准化。100个场景、不同本体、不同传感器配置采出来的数据,如果格式与标注不统一,放在一起也训不了模型。方案提到“全流程高质量数据供给范式”,指的应该就是这套标准。它比采集本身更难,也更容易被忽略。
粗略估算一下采集成本:一台机器人一天的有效采集时间通常只有几个小时,100万小时意味着数千台设备连续运转数月,还要配上场景、场地、安全员和标注人力。这也是为什么单靠一家企业做不成,必须是区域级的组织能力。
还有一个绕不开的问题是产权。数据由谁采、归谁所有、其他企业能不能用、怎么定价,这些规则如果不定,100万小时可能变成几家企业的私有资产,公共品的初衷就落空了。
第一受益的是本体厂与数据服务商,前者拿到场景与算力,后者拿到订单。第二是仿真引擎与合成数据公司,真机数据再多也需要仿真来覆盖长尾。第三是传感器,柔性触觉是当前人形机器人最明显的短板之一,方案把它单列为攻关方向,说明需求已经被确认。
需要冷静的是两件事。场景开放涉及安全责任划分,机器人进了学校、医院、工厂,出了事故谁担责,规则还没写完;数据产权与共享机制也未明确,“公共数据”怎么用、谁能用,会决定这100万小时的最终价值。
第三件需要冷静的是时间。数据采集、标准制定、模型训练、真机验证,一轮下来至少两年。政策的效果不会体现在明年的发布会上,而会体现在2028年某家公司的产品可靠性上。
场景的选择也有讲究。工厂的重复工位适合采数据,但长尾少;家庭场景长尾多,但难以规模化采集;医院、学校对安全要求最高,开放最难。方案列了100个场景,真正的价值在于覆盖工业、商业、家庭三类不同分布,而不是凑满数量。
政策给的是公共品,不是订单。公共品见效慢,但它决定三五年后这个行业还有没有新公司能进场。对创业者来说,这类政策最大的价值不是省钱,而是降低了“从零开始”的门槛。