核心内容总结
具身智能（能和物理世界互动的机器人AI）赛道正热，但行业对“百万小时数据就能迎来GPT时刻”的说法存在误区——数据的有效性（信息密度、难例覆盖、可迁移性）比规模更关键。当前行业从“堆数据”转向“拼效率”，落地优先工业/商服场景（轮式机器人比人形更实用），模型路线（VLA vs世界模型）短期无需二选一，数据公司的护城河是“采集-训练-部署-失败回流”的闭环，而非单纯的数量。中美无明显代差，中国在供应链和硬件上有优势。
详细拆解
1. 百万小时是噱头？有效数据才是真金白银
很多人说具身智能需要“百万小时数据”，但酷哇科技彭湃举了个反常识例子：普通道路跑100公里，模型学不到啥；菜市场里飘的一只塑料袋，却能暴露激光雷达和视觉对柔性障碍的判断差异——这就是“信息增益”的区别。
关键判断：
- 数字来源不靠谱：很多“百万小时”是从语言模型Token量换算来的，既无法验证也无法证伪；
- 有效数据看三个指标：①可解释（失败能归因到角度/力度/策略）；②难例密度（暴雨、人车混行等少见但易出错的场景占比）；③跨本体复用（数据能给不同机器人用，不是一次性成本）；
- 停止“堆数据”的标准：新增数据的业务价值＜采集成本（经济学拐点），比如某场景数据够到99%成功率，再采就不划算。
2. 数据金字塔变了：人类视频打底，真机难例当尖
训练具身智能的“数据配方”不是固定的，现在形成了动态金字塔：
- 底层：人类第一人称视频（比如网上的做饭、扫地视频）——规模大、跨机器人能力强；
- 中间：仿真/合成数据——用来模拟极端场景（比如核电站故障），补充现实中难采集的失败案例；
- 顶层：真机难例（实际运行中遇到的问题）——价值最高，能直接提升模型稳定性；
核心逻辑：三层要循环（比如真机遇到塑料袋难题，用仿真重现，再用人类视频补充类似场景），而不是固定比例。千寻智能郭俊良补充：纯人类视频缺机器人交互细节，UMI设备（手持夹爪采集示范）更贴近机器人动作，所以中间层也会加UMI数据。
3. 模型路线：VLA和世界模型，短期不用二选一
行业有两派：VLA（直接从视频学动作）和世界模型（先学物理规律再决策）。嘉宾们认为：
- 数据够大时，差距不大：千寻实验发现，数据规模到一定程度，两种路线效果差不多；
- 分层系统更实用：Google Gemini Robotics就是例子——高层模型负责理解任务（比如“扫地”），低层VLA负责执行（比如“转动扫刷”），SLAM等现有能力直接调用；
- 商业场景不需要“大一统”：光轮智能廉和说，很多客户只要机器人能稳定完成某件事，不需要一个模型干所有活。
4. 商业化：先从“中间地带”落地，人形不是必须
上一代自动化是“改造环境适应机器”（比如封闭商场的扫地机器人），现在具身智能要“机器适应人类社会”（比如开放人行道的环卫机器人）。
落地优先级：
- 排除极端：①高度定制的工业场景（传统自动化已成熟，利润低）；②家庭场景（太复杂，有老人孩子宠物，短期难赚钱）；
- 选中间地带：工业/商服场景（比如工厂搬运、商场清洁）——有定制需求但需要泛化，人机交互不频繁；
- 人形机器人不是刚需：千寻郭俊良说，轮式底盘加升降机构，能覆盖95%以上当前任务，客户关心的是“能不能稳定干活、维护成本低、ROI划算”，不是机器人像不像人。
5. 数据公司怎么活？闭环比规模重要
数据公司的核心竞争力不是“采得多”，而是“让失败回得来”：
- 闭环是护城河：采集→筛选→训练→部署→失败回流→再训练，形成飞轮；比如机器人扫马路时被塑料袋卡住，数据公司要把这个失败案例记录下来，让模型下次避开；
- 数据要解耦：刻行时空郑宇靖说，数据不能绑定某款机器人，要能迁移到不同本体（比如换个夹爪，旧数据还能用）；
- 靠近模型团队：光轮廉和说，数据公司不能只交文件，要知道模型缺什么能力，提供有“新增信息”的数据（比如重复的普通场景数据没用，难例才有用）。
结语
具身智能的竞争已从“比谁数据多”转向“比谁效率高”。百万小时只是起点，真正的分水岭是：谁能把真实世界里昂贵的失败案例，变成模型下次不犯错的经验。对普通用户来说，未来看到的机器人可能不是人形，但会更聪明——能在菜市场躲开塑料袋，能在人行道避开外卖车，真正融入我们的生活。