狂飙与撞墙：中国人形机器人的“数据大跃进”
2026年8月17日，中国宇树科技（Unitree）研发的机器人“超人”（Superman）跑出了12.66米/秒的惊人速度，打破了尤塞恩·博尔特创造的人类百米世界纪录——不过，它在冲过终点后一头撞在了墙上 [1]。
这一戏剧性的突破迅速点燃了资本市场。两天后，宇树科技在上海证券交易所上市，首日股价狂飙460% [1]。
然而，“超人”撞墙的尴尬一幕折射出了行业的现状：硬件已基本搞定，但软件（大脑）还远远落后 [1]。
今年中国人形机器人的销量预计将达到5万台，是去年的三倍多 [1]。为了让这些机器能够真正实用，行业正掀起一场疯狂的“数据争夺战”。
一、 核心瓶颈：机器人大模型差在哪里？
目前的机器人基础模型参数量仅有几十亿 [1]。但要让机器人完美模仿人类的身体运作，其参数量需要达到数千亿级，这与目前驱动聊天机器人的大语言模型（LLM）相当 [1]。
然而，机器人的训练比聊天机器人难得多：
- 互联网文字 vs. 物理世界： 聊天机器人可以在互联网海量文本上直接训练 [1]。
- 多维度的物理感知： 要让机器人拿起杯子倒咖啡，它必须理解自己的空间位置、杯子的易碎度、液体的黏稠度等 [1]。这些数据无法从虚拟文本中获取，必须来自真实的物理世界或极高精度的模拟环境 [1]。
二、 数据的两条路径：真机数据 vs. 第一人称数据
目前，人形机器人训练主要依赖两种物理数据 [1]：
- 真机数据（Real Machine Data，最关键）： 由机器人亲自操作（远程控制或自主运行）产生的数据 [1]。这是目前最宝贵、最紧缺的数据 [1]。
- 第一人称数据（Egocentric Data）： 人类穿戴传感器设备（如触觉手套、VR头显）工作时记录下的动作数据 [1]。
三、 中国的“人海战术”：53个机器人训练中心
为了获取极其稀缺的“真机数据”，中国正在全国大兴土木，建立机器人训练中心。根据Interact Analysis的数据，中国目前已建成53个专属训练中心，另有34个在建或规划中 [1]。
以湖北人形机器人创新中心（武汉）为例 [1]：
在这个庞大的设施中，多达100台机器人每天花费数小时模仿人类 [1]。在一个模拟咖啡厅的工位上，一名戴着传感器手套的年轻人在做冲泡咖啡的手势，旁边的机器人则精准地同步其动作，用真正的开水冲泡咖啡，手腕和手指的移动细节逼真得令人毛骨悚然 [1]。隔壁则在模拟药房抓药、便利店理货、工厂流水线等各种工作场景 [1]。
在上海，一个可容纳1000台人形机器人的超大型训练中心正在建设中 [1]。浙江某小城甚至已经拥有了6个训练中心 [1]。
四、 烧钱的代价与“政府买单”
这种“人工教机器人”的训练方式极度昂贵 [1]：
- 设备成本高： 训练用人形机器人单台成本高达10万人民币（约1.5万美元） [1]。
- 数据损耗大： 机器人每倒水8小时，只能产生大约3小时的“有用数据”，其余因动作失误而被判定为废数据 [1]。
- 单位成本昂贵： 汇丰银行估算，这类训练的成本高达每小时500-700元人民币 [1]。而开发出能胜任日常繁杂任务的机器人，预计需要1亿小时的训练数据 [1]。
谁在为此买单？
幸运的是，中国地方政府承担了大部分账单，约八成训练中心有国资背景 [1]。地方政府向企业采购机器人（2026年上半年，中国制造的人形机器人有高达70%流向了这些训练中心，约1.3万台），再将训练产生的数据卖回给企业 [1]。这不仅解决了企业资金链问题，还拉动了当地的机器人产值 [1]。
五、 人力红利的新玩法：运动数据标注员
除了真机数据，中国厂商还在积极榨取“第一人称数据” [1]。
京东（JD.com）已启动项目，付费让10万名员工和50万社会闲散人员佩戴传感器设备记录日常动作 [1]。在江苏的一处基地，人们在模拟超市里搬运货物并获取报酬。京东计划在未来两年内收集1000万小时的真实人类场景动作数据 [1]。
虽然这类数据由于人体关节与机器关节的差异，使用价值较低，且需要大量人工进行“动作打标” [1]。但正如中国曾在早期通过海量“图像标注员”赢得了计算机视觉的先发优势一样，中国正计划在机器人领域复制这一“人海战术” [1]。
六、 中美路线之争
中美在人形机器人的训练思路上呈现出截然不同的路径 [1]：
- 中国模式（重资产、重补贴）： 在未来几年生产成千上万台昂贵但暂时无用的机器，寄希望于通过庞大的物理训练中心，在未来淬炼出便宜且实用的智能机器人 [1]。
- 美国模式（轻资产、高效率）：
- 特斯拉（Tesla） 主要利用自有的千兆工厂和仓库直接训练机器人，省去了专门建造训练中心的费用 [1]。
- 其他美国初创公司则更偏爱利用人类视频直接进行AI训练，或将穿戴设备的采集工作外包给人力成本比中国更低的落后国家 [1]。
未来展望
尽管中国在机器人数据收集上几乎锁定了全球领先地位，但代价极其高昂 [1]。
鉴于目前的技术瓶颈和漫长的数据积累期，人形机器人的真正商业化落地在2030年前很难实现 [1]。摩根士丹利预测，到2030年中国人形机器人年销量可能达到45万台，但在那之前，它们中的大多数依然会显得有些笨拙，并继续在各种测试中“撞墙” [1]。