科技基础设施成机器人“训练场”，为破解数据缺口提供支撑

如果说大语言模型是让人工智能学会了人类的语言与逻辑，那么“具身智能”则是要让人工智能穿上物理的躯壳，走进真实的世界。然而，当一个“初出茅庐”的机器人尝试拿起水杯或迈出第一步时，现实世界的高昂试错成本成为了横亘在产业面前的最大阻碍。

要想让机器人真正在物理世界中游刃有余，要先为它们建造“健身房”与“训练场”。4月13日，在由上海市发展和改革委员会、上海市科学技术委员会指导，上海市经济信息中心、上海张江（集团）有限公司承办，上海市经济信息中心未来产业高端智库智力支持的“上海市重大科技基础设施用户战略咨询委员会第二期产业创新沙龙”上，科研学者、行业专家与投资人齐聚一堂，围绕“重大科技基础设施赋能人形机器人产业”这一主题展开探讨。

资本狂热与数据缺口

在资本端，具身智能正处于空前的“狂热期”。上海孚腾私募基金管理有限公司执行董事严祎祎表示，行业已进入从技术验证迈向规模化落地的关键阶段，资本市场对具身智能赛道的关注度显著提高。她提到，2026年开年至今，国内具身智能已披露融资超30起，融资总金额约200亿，远超2024年同期的70亿和2025年同期的126亿。

张江集团产业促进中心研究员彭泽州说，根据2025年投融资事件数据，生物医药行业涨幅6%，人工智能行业涨幅约60%，而具身智能涨幅达到了206%。“一个具身智能公司融到资的几率是非常高的。”他说。

严祎祎指出，政策红利、“国家队”等战略资本的入场以及本土模型性能提升带来的技术溢价等因素共同推高了市场对具身智能的期待，但与此同时，行业仍面临着技术复杂度极高、核心零部件国产替代以及市场接受度等严峻挑战。

在彭泽州看来，现在具身智能并不缺钱，真正缺的是数据，而且是“非常大”的数据缺口。在他看来，算法人才可以高薪争夺，算力也可以通过投入获得，但真实世界的数据并不是简单花钱就能买来的。尤其是高价值、强专业、强场景约束的数据，更加稀缺。

他认为，如果把具身智能和智能驾驶类比，当前行业拥有的数据量距离真正成熟所需的规模仍有巨大差距。哪怕把目前企业手里的数据都汇总起来，和未来产业真正需要的数据总量相比，可能还差百倍以上。

正因如此，围绕数据采集、数据标注、仿真生成和场景开放的基础设施，正在变成具身智能产业链中越来越关键的一环，也是“训练场”的价值凸显的原因。

过去，人们更容易把重大科技基础设施理解为面向前沿科学问题的“国之重器”，而不一定将其与机器人产业直接联系起来。但在具身智能时代，基础设施不只是做科研的地方，也可能成为训练数据的来源、模型验证的平台和产业协同的节点。几名与会嘉宾呼吁，应当加强各方合作，让更多基础设施能够赋能行业。

机器人“健身房”

具身智能的“进化”高度依赖试错与交互。如果在真实物理世界中让一台造价高昂的人形机器人去学习开门、倒水或穿越障碍，不仅跌倒损毁的成本极高，数据采集的效率也很低。因此，构建各类虚拟与现实交织的训练场，成为了产业破局的关键。

上海人工智能实验室主任助理、领军科学家、上海创智学院副院长乔宇在分享中指出，解决数据少、训练难的有效途径之一，是构建一个具身仿真环境和数据生成体系，并与真实数据相融合。研究人员在虚拟世界中建立起包含各类材质、力学属性和三维结构等的虚拟环境，将数字机器人放入其中进行成千上万次的演练。这如同为机器人打造了一个“黑客帝国”般的“数字母体”，让机器人在接入现实躯体前，就已经在虚拟工厂或家庭中完成了海量长程任务的试错与学习。

纯虚拟的数据始终与真实物理世界存在差异，机器人最终还是要双脚落地。上海傅利叶智能科技股份有限公司副总裁戴志辉展示了一种半实物物理训练设施。

这套系统类似于一个专为机器人打造的“5D沉浸式影院”。其中，机器人的面前是一块巨大的环幕，播放着公交车、地铁或喧闹街市的实景视频。与此同时，机器人脚下踩着的并非普通地面，而是可以动态模拟各种颠簸、倾斜路况的六自由度平衡平台。在这套设施中，研发人员可以精准监测机器人在面对复杂视觉干扰和脚下动态变化时的平衡能力与动力学数据。

落地场景：介于标准自动化和高价值任务之间

科技基础设施不仅能提供数据和新材料，本身也有望成为机器人的落地场景。乔宇在演讲中举例，在核聚变设施的建设与维护中，环境中充斥着高辐射与极端温度，这是人类肉身难以承受的禁区。如果具备空间理解和精细操作能力的机器人集群能在此替代人类进行零部件搬运与检测，将是产业落地的重大突破。

然而，彭泽州指出，高价值场景往往伴随着极低的容错率。无论是造价昂贵的同步辐射光源，还是动辄损失百万美金的半导体晶圆制造车间，当前的具身智能都难以进入。因为目前的人形机器人系统尚缺乏绝对的稳定性和基于实时操作系统的确定性。在这些零容错的极端场景中，任何一次轻微的小脑控制延迟，都可能导致灾难性的财产损失。

在此次讨论中，嘉宾们对落地场景的判断虽然不完全一致，但有一个共同倾向：机器人率先落地的场景，大多会出现在介于“完全标准化自动化”与“高风险、高价值人工任务”之间的区域。

在工业制造中的部分环节，尤其是柔性装配、搬运和协同操作，被认为仍有较大空间。与传统工业机器人相比，具身智能并不擅长替代那些高度固定、流程已优化到极致的工作；相反，它更适合进入那些变化较多、还依赖人工经验的环节。华东师范大学国家可信嵌入式软件工程技术研究中心副主任王江涛提到，未来几年，制造业、物流业以及部分医疗和陪护场景，可能会更快看到落地。

有与会者表示，相较于高度自动化的成熟工业，农业反而可能是值得关注的方向。农业场景天然具有更强的柔性和更大的人工依赖，同时一些现代设施农业已经具备较好的环境可控性。