当宇树科技创始人王兴兴携身高近2.7米的载人机甲机器人GD01登上美国《时代》周刊封面时，这本杂志用了一个颇具野心的标题——”机器人迎来重大时刻”。封面文章将机器人的崛起比作《星球大战》与《银翼杀手》的领域：机器人在现实世界行走、观看、倾听并进行物理互动。
然而，在这场关于”钢铁之躯”的狂欢背后，一个更隐秘、更关键的战场正在悄然展开。摩根士丹利在其研究报告中明确指出，人形机器人竞争的关键胜负手已从展示技术转向”专有数据飞轮”。造出一台能跑能跳的机器人是一回事，能否喂养出一颗真正聪明的”大脑”，则是另一回事。
摩根士丹利预测，到2035年多达1300万个人形机器人可以在人类中间行走——相当于玻利维亚的人口数量；预计到2050年这一数字将上升到10亿，届时该行业可能价值5万亿美元。但这些数字的实现，前提是机器人必须”学会”如何在复杂的物理世界中行动。而学习的燃料，正是数据。
当前，全球主流企业正在用截然不同的方式构建自己的”数据工厂”。
特斯拉的路径，是将汽车领域的数据优势平移到机器人身上。 据报道，特斯拉在2024年6月后明确放弃了动作捕捉服和虚拟现实头显的传统方案，转而采用纯视觉训练策略。公司组建了一支鼎盛时期超过100人的数据采集团队，每位员工在8小时轮班中需佩戴搭载约5台摄像头的头盔与重达数十磅的背包，从多角度记录自己执行拿杯子、擦桌子、拉窗帘等日常动作的全过程。特斯拉负责Optimus硬件研发的总监康斯坦蒂诺斯·拉斯卡里斯曾公开表示：”我们的机器人正在通过人类视频直接学习新任务！”马斯克甚至宣称，Optimus最终将能够通过观看YouTube视频学习执行任务，并定下了年产100万台的目标。这套逻辑的核心在于：依托百万辆汽车FSD积累的海量真实驾驶与交互数据，反哺人形机器人，形成”车—人”数据协同飞轮。
宇树科技走的则是另一条路：用消费级产品铺开数据采集的天罗地网。 据公司招股书披露，其四足机器人与人形机器人2025年合计出货量中，面向消费与商业领域的占比已超过七成。从家庭陪伴的Go系列机器狗到通用人形机器人G1、R1，再到今年5月正式亮相的量产级载人机甲GD01，宇树的产品线覆盖了从客厅到工厂、从室内到户外的多元场景。更值得关注的是其在上海的布局——公司在杨浦区复兴岛部署机器人启动基于真实场景的多样化数据采集，这片面积约1.3平方公里的区域拥有工业、生活、零售、娱乐、户外等多类封闭和开放场景，被定位为”天然场景池”。与此同时，宇树还联合上海技术交易所打造具身智能数据基础设施，试图解决行业普遍面临的数据权属不清、定价无据的困境。
Figure AI则选择了一条更聚焦的垂直路线。 这家公司与宝马集团深度绑定，其Figure02机器人在宝马斯帕坦堡工厂稳定运行近一年，支撑超过3万台宝马X3整车生产，累计搬运9万余件钣金件，可在2秒内将零部件以5毫米级精度放置至焊接工装。2026年，新一代Figure03已正式部署，具备触觉手指传感器等硬件升级。宝马进一步将这套体系拓展至欧洲，2026年2月在莱比锡工厂启动人形机器人试点项目。这种模式的优势在于：在特定工业环境中深耕高质量任务数据，形成”场景即数据，数据即壁垒”的闭环。
三种模式各有优劣，但核心逻辑高度一致——谁能在真实世界中更高效、更大规模地采集高质量数据，谁就能在这场大脑争夺战中占据先机。
当视觉和语言数据已被巨头瓜分殆尽，后来者如何突围？一个被行业长期忽视的关键变量正在浮出水面——触觉。
英伟达CEO黄仁勋在2026年CES展会上直言：”我们不仅使用眼睛，也拥有触觉，而机器人目前只有’眼睛’，因此它们需要具备触觉能力。”拧瓶盖需要感知阻力变化，抓衣服需要感知形变程度来调整握力，轴孔装配需要感知微米级的力反馈——这些操作的决定性信息来自触觉，而非视觉。纯视觉模型无论看多少数据，都无法从像素中推断出”拧紧了”还是”没拧紧”。
正是在这一背景下，戴盟机器人联合Google DeepMind、中国移动、新加坡国立大学、香港科技大学、上海交通大学等数十家机构，发布了全球最大规模含触觉全模态物理世界数据集Daimon-Infinity。该数据集依托自研的视触觉传感器，包含11万个感知单元、120Hz高分辨率触觉信息，涵盖接触力、接触形变、接触状态及物体材质与形貌等高密度全模态数据。验证结果显示，模型在该数据集预训练后，仅需约十分之一的数据量即可在轴孔装配、果蔬切削等精细操作任务中达到更高成功率，训练效率提升10倍。目前，该数据集已面向全行业开放10000小时数据，首批1000小时已在阿里魔搭社区上线开源。
这一举措的战略意义远超数据本身。它意味着，触觉数据可能成为中小团队和开源社区弯道超车的关键突破口——当巨头们在视觉数据的红海中厮杀时，触觉领域仍是一片相对空白的蓝海。
然而，数据的力量也是一把双刃剑。
设想这样一个场景：若少数公司率先垄断了机器人理解世界所需的”常识”数据——物体属性、物理规律、社交礼仪、环境交互——它们将构建起怎样的技术壁垒？后发企业和研究机构被锁定在数据鸿沟之外，创新空间被压缩，行业可能走向寡头垄断。这并非杞人忧天。据了解，当前行业普遍面临数据跨境与跨主体交易缺少规则参照、权属不清、定价无据的困境，产业资源难以高效协作。
互联网时代的数据开放与封闭之争，似乎正在机器人领域重演。摩根士丹利的报告也指出，行业竞争的关键胜负手已从展示技术转向为客户验证投资回报率。当数据成为最核心的生产要素，谁掌握了数据的采集、流通与定价权，谁就掌握了下一个时代的话语权。
2025年11月，国家发改委新闻发言人在发布会上指出，”速度”与”泡沫”是前沿产业发展中需要把握平衡的问题，并表示我国人形机器人企业数量已超150家且持续增加，其中过半为初创或”跨行”企业。监管层在鼓励创新的同时，也着力提示需防范产品同质化”扎堆”上市、研发空间被压缩等风险。这一表态，或许正是对数据垄断隐忧的间接回应。
行业需要在商业利益与技术普惠之间寻找平衡点。正如宇树科技在上海打造的数据基础设施所尝试的那样——由独立第三方直接对接下游模型研发方，而非采用行业通行的”本体厂商数据回购”路径——或许能为数据的公平流通提供一种新的可能。
硬件决定机器人能不能动，数据决定机器人聪不聪明。当《时代》周刊将聚光灯打在那些钢铁之躯上时，真正的决胜点，或许藏在那些看不见的数据洪流之中。这场大脑争夺战，才刚刚开始。
你认为，未来机器人理解世界所需的”常识”数据，应该由少数巨头私有，还是像互联网一样开源共享？
