一条30秒真机数据要10到15元！采集1小时成本上千，凑20万小时需两亿以上——对大模型预训练却只是沧海一粟。

过去拼谁机器人跑得快，2026年拼的是数据从哪来。

真机数采太贵，Scaling看不到头。仿真数据几乎零成本，但模拟与真实世界有偏差，真机上场就翻车，只能打辅助。

行业转向人类数据。纯视频路线成本极低，已做到20万小时规模，但缺触觉和关节信息，只能做预训练。外骨骼手套路线能采关节角度和指尖触觉，精度亚毫米级，可直接驱动机器人，但硬件限制了扩张速度。

更关键的是模型范式变了。隐式世界模型只建模必要状态变化，不预测完整画面。同样50小时数据，显式路线训练成本是隐式的约八十分之一。英伟达、OpenAI都在大规模采购人类数据。

但最反直觉的是：10万小时可能不如1000小时管用。同样是1000个任务，每个任务只采1小时和每个任务采100小时，训练效果几乎等效。任务多样性>物体多样性>场景多样性，这条优先级很多人还没搞懂。

灵初智能采了10万小时人类数据，最终只筛出约5417小时真机等效数据。数据量≠数据质量，这个判断比路线之争更值得警惕。

人形机器人商业化，2B场景比2C快3到5年。但资本高度集中，上半年约460亿融资里，70%早期轮次流向头部10家。

你觉得机器人进工厂和进家庭，哪个会先成真？