行业常说的「有效数据十万小时」到底怎么来的？灵初智能用约9.5万小时人类手部操作数据+5417小时真机数据（合计近10万小时，覆盖294种场景、4821种任务）预训练Psi-R2并登顶MolmoSpaces榜单；光轮智能则把10万小时第一视角数据开源成EgoSuite-Open100K。两者口径不同：一个是自采自用，一个是开源共用——这恰恰说明「十万小时」是当前公开可查的天花板，而目标是一千万小时。

机器人缺数据这件事，对比才看得清：GPT-3训练前原始语料约45TB、4990亿token，全部来自互联网上人类几千年攒下的文本——几乎零边际成本获取。而机器人需要的是力度、扭矩、触感，这些从没被任何「粮仓」储存过。文本世界的Scaling Law能跑通，前提是有人免费把教材堆好了；物理世界没有这个人。这也解释了为什么国金证券估算要1000万小时多模态交互数据，全球却不到5%。

同一场具身热潮，两种读法。何小鹏在朋友圈连提四问：若真突破了物理世界模型，为何还要外部采数据？自动驾驶每天数据量是具身的1万倍以上、高质量储备达1000PB，你的有效存储有多大？月训练费多少？部署还要不要现场扫图驻场？直指「具身智能正重演2018年自动驾驶Demo」的循环。另一边伯克利Ken Goldberg在ICRA 2026用「读完大模型数据需10万年、具身只有几年」警示数据万能论，主张数据须与工程方法结合（如Dex-Net）才有效。两方都不否认数据重要，但都不信「堆够量就开窍」。

「上万小时仿真数据只能在旁边打辅助」是主流叙事，但银河通用王鹤给了个硬反问：现在人形机器人跑跳、跳舞这些动作，哪一个是靠真实世界遥操作摇出来的？没有。他承认合成/模拟数据解决不了所有问题，但指出小脑训练（并行训练部分）真实数据一点都解决不了，真机数据只能做后训练。这戳中了数据路线之争的裂缝：仿真有Sim-to-Real gap是事实，「合成数据不能担当主力」却可能被过度概括。谁对谁错，取决于任务类型——精细抓取和全身运动，答案大概率不同。

文章给的判断标准很锋利：哪天1.8米的机器人能直接用1.6米那台采的数据，数据就又开始搬得动了。已有几个可观察信号。行元智能10月发布跨本体数据引擎Chorus，称可实现超40倍有效训练数据扩容、平均转化率85%；乐聚LET2.0用两台标定后的KUAVO 5W交叉验证，包裹分拣成功率88.9%与86.1%，首次跑通同型号跨机复用。但要看清边界：这些验证集中在同型号或已标定的设备之间，「换个体型就作废」的根问题尚未被证明解决。焦点会是标定标准化与迁移算法的收敛速度。

如果每换一副身体、每添一个任务都得重采重训，机器人的能力就永远困在单机单场景里。维他动力秦海龙把问题拆得更细：四足和人形同时进会议室找水杯，空间同、任务同，只有身体不同——哪些能力能继承，哪些必须在物理世界重新学？他们提出「具身基因组」试图抽象出比模型权重更底层的可复用部分。这个问题值得追，因为它决定了数据工厂的商业模式：卖一次性数据，还是卖可迁移的能力。