中国机器人企业加码具身智能模型研发 真实操作数据成竞争焦点 原创

产联社编辑｜开蓉蓉

图片由AI生成

【产联社】中国机器人产业的竞争，正进一步延伸至智能模型与真实操作数据。11月2日，路透社发布的调查报道显示，随着人形机器人在运动控制和硬件制造方面取得进展，多家中国企业加大模型研发投入，尝试让机器人理解环境、学习新任务并适应不同作业场景。

路透社援引的IT桔子数据显示，2026年上半年，中国具身智能领域完成322笔融资，规模达935亿元，约为上年同期五倍。相关融资覆盖机器人整机制造商及专门研发智能模型的企业。

报道提及，Spirit AI、ACE Robotics、灵波科技和DexForce等企业正分别通过人工示教、可穿戴设备采集、多本体数据训练及仿真训练积累训练数据。模型能否跨任务适配、降低人工示教成本并实现稳定部署，正成为影响企业技术投入和商业化路径的重要因素。

图源：arabnews

机器人竞争延伸至模型能力

过去几年，中国人形机器人在行走、奔跑及复杂运动控制方面取得进展，但运动能力与实际作业能力并不等同。工业和服务场景要求机器人识别物体、理解任务，并在环境变化时持续完成操作，单纯依赖预设程序难以覆盖全部情况。

路透社采访的多家企业认为，机器人智能模型仍是制约应用扩展的重要环节。随着本体制造能力提升，企业开始探索能够适配不同机器人和任务的通用模型，以减少针对每个场景单独开发控制程序的需求。

美国企业也在推进相关研究。Physical Intelligence、Skild AI和Generalist等公司尝试通过基础模型，使机器人在较少额外训练的情况下掌握新技能。据路透社报道，Generalist披露，其GEN-1.5模型在观看3至12秒的操作示范后，可完成约60%的简单任务。

中国企业则探索不同技术路径。自变量机器人（X Square）此前公布的研究显示，机器人可以通过单段人类操作视频学习部分操作技能，而无需针对每项任务重新训练模型。不过，不同企业的任务难度、测试条件和成功率口径并不一致，尚不能据此直接比较中美企业的整体技术水平。

真实操作数据成为训练重点

与主要利用互联网文本训练的语言模型不同，具身智能模型需要学习物体运动、接触反馈和操作结果之间的关系。抓取柔性物体、连接线缆等任务涉及复杂物理交互，仅依靠图像或文字难以完整描述。

因此，真实操作数据成为机器人模型训练的重要资源。据路透社报道，中国企业通过人工示教、可穿戴设备采集和仿真生成等方式积累训练数据。其中，Spirit AI已雇用约1000人记录日常及工业操作活动；ACE Robotics利用可穿戴传感器采集工作人员的动作和抓握力度，以获取更接近实际操作过程的数据。

蚂蚁集团旗下灵波科技（Robbyant）披露，其模型训练使用了约16万小时数据，包括5万小时人工引导的机器人运动数据。公司还使用来自17个品牌、20种机器人配置的数据进行训练，尝试提高模型在不同机器人本体上的适配能力。

另一条路线是通过仿真环境扩大训练规模。DexForce利用计算机生成的场景训练机器人。该公司称，部分工业任务可在6至8小时内完成部署准备，并在特定精密操作中实现超过99.9%的成功率。上述数据属于企业披露的特定测试或应用结果，不能直接推广至其他任务。

仿真训练也存在局限。虚拟环境难以完全复现真实物体的摩擦、形变及接触反馈，模型从仿真转向现实场景时，仍可能出现性能下降。

图源：arabnews

数据质量与实际部署仍是关键

随着具身智能训练规模扩大，数据数量与模型实际表现之间的关系受到更多关注。自变量机器人管理层在接受路透社采访时表示，相比单纯扩大数据规模，数据质量对模型训练更为重要。

机器人不仅需要识别正确动作，还必须理解动作执行后的物理结果。若训练数据缺少失败恢复、复杂接触及环境变化等信息，即使数据规模扩大，也未必能够有效改善真实作业表现。

中国企业具备机器人制造、零部件供应及工业应用场景等产业基础，有利于开展真机测试和持续收集数据。不过，路透社调查也提及，先进计算芯片获取限制、训练成本及不同机器人硬件之间的适配问题，仍可能影响模型研发效率。

与此同时，模型评测成绩与商业化能力之间仍存在距离。机器人能否在工厂和物流场景长期运行，需要综合考察任务成功率、故障恢复能力、人工干预频次和单位时间产出，而非仅依据单次演示或实验室测试结果。

从硬件运动能力到具身智能模型，中国机器人企业正在探索跨任务学习和真实环境适应能力。后续竞争不仅取决于模型规模和训练数据数量，更取决于数据质量，以及模型能否在实际作业中保持稳定表现。

信息来源：路透社2026年11月初调查报道《China's robot makers have mastered the moves.Now comes the race for brains》，以及报道援引的IT桔子数据和相关企业披露。

免责声明：本文仅供参考，不构成任何投资建议。

商务合作，请联系侯经理 18801065284（微信同号）

报料及内容合作，请联系chanlianshe2026（微信号）