机器人产业升级：从“会运动”到“会理解” 模型数据成竞争核心

在机器人产业领域，一场深刻的变革正悄然发生。过去，机器人大会上备受瞩目的“明星”是那些能够完成复杂动作的机器人本体，人们关注的焦点在于机器人能完成哪些特定动作。然而如今，产业关注的重点已经转移，从单纯关注“机器人能做什么”，转变为探索“机器人如何学会更多事情”。

在近期举办的世界机器人大会现场，记者观察到，众多企业展示的内容有了显著变化。以往，企业多侧重展示机器人行走、抓取、运动控制等单项能力，但现在，越来越多的企业开始围绕具身智能模型、世界模型、数据采集、仿真训练等底层能力进行布局。这表明，机器人产业的竞争已从过去单纯的硬件性能比拼，升级为“模型 + 数据”的综合能力竞争。

这一转变的背后，是人工智能技术向物理世界的加速拓展。业内人士指出，机器人若要真正融入生产生活场景，不仅需要具备执行任务的能力，更要形成对现实世界的理解能力。随着机器人“大脑”不断进化，模型和数据已然成为产业发展的新焦点。

机器人产业正经历从“动作智能”到“认知智能”的关键转变。过去，机器人主要依靠预设程序完成固定任务，面对开放环境时往往力不从心。而在新的发展阶段，机器人需要具备理解场景、学习任务以及迁移能力。世界模型也因此成为行业关注的重点方向。千诀科技创始人、CEO高海川在接受采访时表示，从技术演进规律来看，基于世界模型的路线将成为下一阶段人工智能竞争的重要方向。世界模型的核心并非简单生成内容，而是对环境状态、变化规律以及行动与环境变化之间的关系进行建模，以此帮助模型预测未来状态并支持决策。

机器人学习方式的变化也体现了这一趋势。大晓机器人董事长王晓刚称，过去一年，行业对机器人学习真实物理世界的认知从“以机器为中心”转变为“以人为中心”。过去，机器人主要依赖单一本体数据和遥操作方式训练，但这类数据难以迁移到其他机器人和复杂环境中。未来，机器人进入开放世界，需要提升面对未知场景和新任务时的泛化能力。

当前，具身智能模型仍处于从技术探索迈向规模应用的关键时期。银河通用创始人兼CTO王鹤表示，具身智能基础模型尚处于早期阶段，在具体任务中仍需进一步训练和适配。不过，随着基础模型能力不断提升、后训练需求降低，机器人应用规模有望进一步扩大。

随着模型能力提升，数据成为机器人智能进化的重要支撑。与数字世界大模型不同，具身智能面对的是现实物理世界，需要大量包含动作、环境、空间关系和交互过程的数据。如何获取规模化、高质量的数据，成为影响机器人能力提升的关键因素。光轮智能联合创始人兼总裁杨海波表示，2026年是具身智能数据规模化的元年。随着行业从展示型Demo走向真实部署，数据需求快速增长。过去行业数据需求集中在数百小时、数千小时级别，如今头部客户需求已提升至十几万小时甚至百万小时规模。

与此同时，数据竞争从“拼数量”转向“拼质量”。杨海波称，当前企业更关注数据的多样性和有效性。机器人面对真实世界时，需要覆盖不同环境、不同任务和不同变化条件的数据，仅有规模增长不足以支撑模型能力提升，数据质量和评测能力正成为产业重要壁垒。数据供给方式也在改变。过去机器人训练主要依赖人工示教和遥操作，如今真实数据、仿真数据、人类行为数据等多种数据形态正相互结合。高海川表示，世界模型需要建立对真实世界运行规律的理解，这不仅需要视觉数据，还需要包含物理交互信息的数据支撑。未来，随着世界模型向机器人等物理场景延伸，对高质量、多样化数据的需求将持续增长。

随着数据规模扩大，让数据转化为通用能力成为新的竞争方向。星海图市场部经理王甜琪表示，行业已从过去针对单台机器人进行任务调试，转变为通过具身智能基础模型预训练，再向不同机器人本体迁移。通过模型能力复用，机器人面对新任务、新环境时，可减少重复训练成本。

机器人产业正步入从单点技术突破迈向基础能力建设的新阶段。多位受访人士认为，未来竞争的关键，不仅是制造性能更强的机器人，更是围绕模型、数据、仿真和训练体系，构建支撑机器人持续学习和能力提升的基础设施。