我先联网核查 “Human Data” 在具身智能与机器人数据赛道的最新动态。
找到了原始报道和一篇数据缺口长文，我去读全文。
我继续读完原始报道后半部分，把硬件参数和数据体系细节坐实。
再补齐报道结尾和这家数据公司的融资、定位信息。
已核实：原始报道、数据缺口长文、DAS 2.0 产品细节和融资信息都已拿到。以下是按你指定格式输出的版本。
通用大模型确实已经能 “指挥” 机器人了 ——Claude 官方提到 Fable 5.2 在没针对具体任务训练的情况下就表现出控制物理机器人的能力，Google DeepMind 也拿出了新一代 VLA 模型，但在这些演示之外，机器人真正卡住的地方并不是 “听不懂指令”，而是 “手上没手感”：它不知道拧瓶盖时该用多大力、抓起杯子时握到什么程度才不滑、打滑之后该怎么补救。这些信息互联网上几乎没有，只能靠人去采，这就是 Human Data（人类操作数据）。所以这一轮 Human Data 的竞争重点已经变了：不再是比谁拍的视频更多，而是比谁采得更准（触觉、力、关节）、对得更齐（多设备 1ms 级同步）、覆盖得更全（从手腕几秒钟扩到全身和完整任务），最后还要能证明这些数据真的把任务成功率抬上去了。
一、先把缺口说清楚：缺的不是 “小时数”，是 “有效信息密度”
行业现在有两个数字经常被拿出来对比：
| 参照系 | 数据规模 | 说明 |
|---|---|---|
| Open X-Embodiment（代表性开源集） | 约 6000 小时 | 早期公共数据集水平 |
| Generalist GEN-0（2025-11） | 超 27 万小时真实物理交互 | 约为开源集的 50 倍 |
| Generalist GEN-1（2026-04） | 50 万小时 | 任务成功率 64% → 99%，速度快 3 倍 |
| 类比推算的下一阶段 | 约 1500 万小时 | 参考 GPT-3 相对 GPT-2 约 30 倍数据扩张 |
50 万小时是什么概念？假设一个人每天观察现实世界 12 小时、连续 80 年，大约 35 万小时。也就是说，目前最强的具身模型，训练数据量大致相当于 “人类一辈子的观察量 ×1.4”，大概处在语言模型的 GPT-2 阶段。
问题在于，具身数据不能只靠时长来堆。一段拧瓶盖的视频里，90% 的时间都在移动、对准和调整姿态，真正决定成败的是接触瞬间的发力、打滑时的修正和失败后的重试。这些片段占比极小，却承载了最关键的监督信号。所以缺口是双重的：规模要涨几十倍，单位小时的信息密度也得涨。这也解释了 T-Rex 那组实验 —— 松下联合 Berkeley、NVIDIA 把指尖触觉引入动作模型后，12 项精细操作平均成功率 65%，去掉触觉直接掉到 42%。
二、为什么 “大模型能控机器人” 反而让 Human Data 更卷
三件事同时发生，把数据推到了台前。
第一，语言模型的能力已经溢出到物理世界，但没有物理反馈就落不了地。 模型可以理解 “把零件放进卡槽”，却不知道卡槽边缘有没有发生相对位移、手指是不是已经顶到位。规划和执行之间的这段空白，只能靠带接触信息的示范来填。
第二，路径已经验证，资本就跟着来。 2026 年全球具身智能创业公司拿到约 110 亿美元风险投资，是 2025 年全年的两倍以上；但 IDC 数据显示，2025 年全球人形机器人出货超 1.8 万台，其中 85% 以上流向文娱表演、教育科研、数据采集和导览导购，真正进厂干活的仍是少数。要跨过 “连续干满一个班次” 这道门槛，就得靠数据。
第三，数据本身成了一门生意。 从卖小时、卖数据集，到卖采集设备、卖数据加工和评测，产业链已经分层。谁能证明 “用我的数据，你的成功率涨了多少”，谁才有定价权。
三、现在真正在卷的四个维度
不是四条独立赛道，而是一套组合拳。
| 维度 | 卷什么 | 典型做法与指标 |
|---|---|---|
| 精度 | 视觉之外的原生物理量 | 触觉空间分辨率、最小检测力、关节自由度、指尖位置精度 |
| 同步 | 多设备是否对准同一次交互 | 统一时钟 + 硬件触发，头手对齐做到约 1ms |
| 结构 | 从局部动作到完整任务 | 手 → 腕 → 全身 → 站位、搬运、转向的连续链路 |
| 转化 | 贵数据能不能教便宜数据 | 配对采集 + 配对监督 + 知识蒸馏，把触觉迁到纯视觉 |
精度这一层，最能看出差距。 简智机器人在 2026 年 11 月 9 日的 CoRL 上发的 DAS Dex 2.0 手套，给了一组很硬的参数：单手 16 块触觉传感器、980 个感知单元、触觉空间分辨率 1mm、最小检测力 0.1N、采样 100Hz，配 21 个关节编码器做到 21DoF，指尖位置精度标称小于 1mm。结构上把主要外骨骼挪到手指侧面，给指背、指腹和掌面让位，就是为了避免 “戴了设备反而不会干活”。
同步这一层，差几毫秒就废一段数据。 按手速 0.5m/s 算，1ms 时间错位对应约 0.5mm 位移，10ms 就是约 5mm—— 对接触、旋转、松手这些快速动作来说，画面和触觉信号就对不上了，模型学到的等于一份答案抄错的练习题。DAS Ego 2.0 与 Dex 2.0 靠统一时钟、硬件触发和曝光控制做到约 1ms 级头手对齐。
结构这一层，补的是 “为什么这次能做成”。 只录手上几秒，模型学会抓，却学不会先站在哪、要不要侧身下蹲、拿起后怎么转身搬走。所以数据体系里加了 Whole-body，拆成策略层（站位与接近）、协调层（躯干肩臂手配合）、执行层（起身转向搬运）。
转化这一层，是把成本打下来的关键。 思路很直接：让戴手套采的高精度数据当 “带答案的练习题”，去监督 Ego + 腕部相机的纯视觉采集，跑通之后，不戴手套也能估出有没有接触、接触在哪、强弱怎么变。需要说清楚的是，这条路仍在探索中，物体重量、隐藏接触这类信息无法仅凭画面确定，预测也不能替代实测。
四、三条采集路线，怎么选
| 路线 | 代表 | 优势 | 天花板 |
|---|---|---|---|
| 真机数据（遥操作） | Tesla、Figure、智元、XDOF（ABC-130K：13 万条轨迹 / 约 3500 小时） | 与目标硬件动作空间直接匹配，适合精细操作 | 依赖机器人、操作员和场地，成本高、扩得慢 |
| 人类操作数据（无本体） | UMI、Sunday Robotics（约 1000 万条轨迹）、Generalist、Human Archive、京东（计划 60 万人 / 2 年 1000 万小时） | 兼顾规模与动作监督，设备可分布式铺开 | 人手与机器人本体存在结构与约束差异，需重定向 |
| 纯人类视频（Ego Video） | NVIDIA EgoScale（超 2 万小时）、Dyna-2（超 100 万小时）、光轮智能 EgoSuite-Open100K（十万小时级、1.5 万场景 / 1.5 万任务） | 规模化潜力最大，成本最低 | 缺可执行动作信号，也缺力与接触信息 |
现在头部公司的配方高度趋同：用大规模人类数据做预训练，再用少量真机数据做任务适配。差别在比例，行业还没有统一最优解。真正的分野不在 “选哪条路”，而在 “能不能把三条路的数据转成同一套可训练的动作与经验”。
五、想搭一套能用的采集体系，照着这份清单走
第 1 步，先问任务需要哪一层信息，再决定配哪套设备。 别一上来就全套装备，那是把成本堆在自己身上。
| 配置 | 采到什么 | 适合什么任务 |
|---|---|---|
| Ego（头戴第一视角） | 环境、任务过程、操作习惯、失败与修复 | 扩场景覆盖、拉数据分布 |
| Ego + 腕部相机 | 双腕近景、接近方向、指部微调、局部形变 | 大批量精细动作数据 |
| Ego + Dex 手套 | 原生关节构型 + 真实触觉 | 高精度监督标尺、难样本 |
| Whole-body | 站位、躯干协调、搬运衔接 | 移动操作、长任务链 |
Ego 2.0 这边的关键升级是：整机 6 颗全局快门相机、30fps 同步成像、水平视野从 270° 扩到 340°、最大垂直视场角 120°，2 颗主相机升到 500 万像素、4 颗 200 万像素，指尖追踪标称精度 4mm；磁吸电池包支持不停机更换，单包续航约 2.5—3 小时。
第 2 步，把采集现场的 “无效数据” 先摁下去。 录到一半没电、头发挡住镜头、画面糊了，像素再高都白费。设备要能自检头部姿态和遮挡，要有一键录制、统一格式（如 MCAP）和批量后处理。
第 3 步，只采一遍不够，要验三件事：
- 遮挡时动作标签还准不准（手被挡住，关键点会不会飘）；
- 外观相同、物理结果不同时能不能区分（同一个动作，接触结果为什么不一样）；
- 连采一个月后信号还稳不稳（材料形变、通道串扰、漂移会不会改写标签含义）。
第 4 步，用结果反推数据价值。 拿一小批高精度配对数据做监督，蒸馏到低成本方案，再上真机跑任务，看成功率、新任务适配成本、迭代周期这三项有没有变好。没有这条闭环，“采了多少小时” 只是一个自我安慰的指标。
六、钱在往哪流：三类玩家，三种活法
| 类型 | 核心资产 | 代表与做法 |
|---|---|---|
| 数据生产网络 | 场景、人力、规模化采集能力 | Build AI（工厂第一视角）、XDOF（真机遥操作）、Human Archive（家政餐饮网络）、京东（自有场景 + 60 万人计划） |
| 部署型数据飞轮 | 真实运行中的执行与结果反馈 | Ambi Robotics（1.5 亿件包裹 / 超 25 万小时，训出 PRIME-1）、Serve Robotics（2000+ 台机器人，2026-11 推出 Physical AI Services） |
| 数据加工与基础设施 | 把原始数据变成可训练、可评测资产 | Encord（标注）、Foxglove（可观测性）、Nomadic AI（异常事件挖掘）、Roboto（故障定位） |
一级市场也在给 “卖铲子” 的加价。简智机器人 2026 年第三季度完成 1 亿美元 A+ 轮，产业方包括上汽集团、百度集团、首程控股、银河通用（GALBOT）、马来西亚 Eastworlds，财务方有光合创投、中信金石、中证投、建银国际、华泰紫金 —— 这家公司成立还不到一年半。它给自己的定位很明确：不做本体，做物理 AI 的数据基础设施，把人类经验转成可训练、可评测的 Human Data。
七、如果你的团队这周就要动手
先别追求 “采得多”。挑一个真实工位上的具体任务，用最轻的配置采 50—500 条示范，验证三件事：模型能不能学会、失败样本够不够、标签对不对得上。跑通了，再加腕部相机提精度；还差接触判断，再上手套做配对监督。
采购设备时按这张表问供应商，问不出具体数字的，基本可以跳过：
| 要问的问题 | 想要的答案形态 |
|---|---|
| 多设备时间对齐做到多少 | 毫秒级，最好给实测值 |
| 触觉零漂怎么控 | 有连续采集一致性测试，而非单次精度 |
| 遮挡场景怎么标 | 有独立测量源（关节 / 触觉）补位 |
| 数据能不能直接进训练 | 有格式、标注规范与已验证的下游团队 |
| 有没有失败与修复样本 | 有，而且占比说得清 |
一句能落地的判断：大模型把 “理解任务” 的价格打下去了，Human Data 的价格反而涨了 —— 因为它现在是唯一能给物理世界提供监督的东西。接下来赢的不是采得最多的人，而是能把 “接触、时序、全身、可验证” 四件事同时做到，并且证明数据能换成任务成功率的人。
【常见问题】
问题 1：大模型已经能直接控制机器人了，为什么 Human Data 反而更重要？
回答 1：因为大模型解决的是 “听懂和规划”，Human Data 解决的是 “手上有感觉”。模型能理解 “把零件推进卡槽”，但它不知道推到位没有、用了多大力、打滑了要不要加力，这些只能靠带触觉和关节信息的人类操作数据来监督。所以大模型越强，机器人越需要高质量的 Human Data 来补物理反馈，这类数据的价值是涨的，不是跌的。
问题 2：Human Data 采集是不是架个摄像头把人的操作录下来就行？
回答 2：远不止。只录视频会漏掉三类关键信息：手指被遮挡时动作看不清、接触瞬间的力与触觉完全没有、以及走近目标、选站位、搬运转向这整段过程被截断。所以现在做 Human Data 采集要分层配置 —— 头戴第一视角扩场景、加腕部相机盯手部细节、戴数据手套采真实关节与触觉、再用全身数据把任务链补完整。
问题 3：做机器人数据采集，触觉手套的精度要看哪些指标？
回答 3：看四个能落到数字上的指标：触觉空间分辨率（越细越好，代表方案做到 1mm）、最小检测力（0.1N 级别才抓得住轻接触）、采样频率（100Hz 能跟上快速动作）、以及手部自由度与指尖位置精度（21DoF、亚毫米级）。但更重要的是长期一致性 —— 连采一个月，同样动作的触觉响应是否保持一致，这决定不同批次的数据能不能放进同一套监督体系，也是 Human Data 能不能规模化的前提。
问题 4：为什么多设备采集要强调 1 毫秒级同步，差几毫秒真有影响吗？
回答 4：有，而且很直接。按手速 0.5m/s 估算，1ms 错位对应约 0.5mm 位移，10ms 就是约 5mm。对接触、旋转、松手这些瞬间动作来说，画面显示手指刚碰到，触觉信号却晚了半拍，模型拿到的就是一份答案对错题的训练样本。所以做 Human Data 采集时，统一时钟、硬件触发和曝光控制不是加分项，是及格线。
问题 5：只采视频、不戴触觉手套，机器人能学会精细操作吗？
回答 5：目前学不全。纯人类视频规模化潜力最大、成本最低，但缺少力与接触信息，行业实验里去掉触觉后精细任务成功率会明显下滑。现在更现实的路径是配对监督：先同步采 “视觉 + 触觉” 的高精度 Human Data 当老师，再通过知识蒸馏把接触判断能力迁移到纯视觉方案。这条路线还在探索，物体重量、隐藏接触等信息无法仅凭画面确定，所以关键控制仍要结合机器人自身反馈。
问题 6：普通企业想用 Human Data 训练机器人，第一步该做什么？
回答 6：别先买一整套设备，先挑一个真实工位上的具体任务做小规模验证。用最轻的配置采 50—500 条示范，看模型能不能学会、失败样本够不够、动作标签对不对得上；跑通了再加腕部相机提精度，还判断不了接触再上手套做配对采集。同时按 “时间对齐精度、长期一致性、遮挡处理、数据能否直接进训练、失败样本占比” 这几项去问供应商，问不出具体数字的方案先放一边。
【参考资料】
[2026-11-13]（大模型都能控机器人，Human Data 还得怎么卷？）量子位
[2026-11-13]（30 倍的数据缺口，谁来给具身智能续命？）36 氪
[2026-11-09]（让 Human Data 再次进化：简智机器人 DAS 2.0 将于 11 月 9 日在 CoRL 亮相）36 氪
[2026-11-04]（再融 1 亿美元！上汽、百度、银河通用同时押注一家具身数据公司）机器人大讲堂
[2026-11-02]（简智机器人完成 A+ 轮 1 亿美元融资，加码物理 AI 基础设施）投资界
[2026-10-01]（具身智能发展报告（2026 年））中国信息通信研究院
[2026-09-09]（Beyond Hardware: RealMan Full-Stack Ecosystem for Teleoperation and Embodied-AI Data Production）gladrobots.com
[2026-08-26]（具身产业迎来数据革命，光轮智能推动数据供给从定制化向标品迈进）新华网
[2026-07-03]（NAVIAI-I2 Full-Size Humanoid Demonstrates VR Teleop at AUTOMATE 2026 with Millisecond Latency and Multimodal Data Capture）embodiedglobal.com
[2026-04-23]（Embodied AI Data Collection: Teleoperation Guide 2026）EVS Robot
免责声明：本文依据 2026 年 11 月 14 日前公开的媒体报道、厂商发布资料与行业报告整理，属于技术趋势与产业信息梳理，不构成投资建议、采购建议或技术选型结论。文中厂商参数（视野角度、像素、触觉分辨率、检测力、同步精度、交付量等）均来自公开表述，未经第三方独立复测；融资金额与投资方名单以企业披露为准。具身数据行业仍处快速迭代期，路线判断可能随新论文与新数据快速变化，涉及具体项目立项、供应商签约与合规（含采集人员知情同意、数据授权与跨境传输）时，请以你所在机构的法务、信息安全与技术评估结论为准。