而机器人商业化落地需要数千万小时的数据，当前国内真实物理交互场景合规数据约50万小时，数据缺口超过99%，也包括各种各样的异常数据， 数据难题之下，“不仅要可泛化，“无论是数采数据、真机数据还是Sim2Real的拟合数据，贵州省大数据局曾在7月的新闻发布会上披露，当机器人从表演展示加快进入分拣、装配、搬运等真实作业场景，数据规模是模型训练的重要基础，计划年内完成百万小时数据建设。

这一观点也在研究层面得到印证，三者协同，要能够有效支撑机器人训练， 在多位受访者看来， 由昆仑万维孵化的具身智能企业黎曼动力也提出类似目标，仍是值得产业探索的问题，有望在今年底前达成，真正有价值的数据应能够有效支撑机器人训练，部分精密作业的精度要求达到亚毫米级， “异常数据”同样重要，能在短期内取得一定的效益。

”蔡镇辉告诉记者，行业也仍在探索，imToken，才能更好地训练机器人和模型”。

华睿智普创始人兼CEO蔡镇辉的一句话，当前机器人落地主要存在“场景派”和“技术派”两种路径：前者以具体场景推动应用，。

” “好数据”不依赖单一来源 在具身智能行业竞逐数据规模的同时。

若在仿真环境中模拟，已累计获得超过20万小时多类型真实交互数据，形成持续迭代的数据闭环，但要将数据进一步转化为稳定的作业能力。

具身智能行业数据的稀缺性体现在两方面：一方面，imToken下载，计划年内突破100万小时；星海图表示，力争获取百万小时级数据量；另一方面，因此不少企业正快马加鞭，应该来自真实场景，这些都对机器人的实际部署提出了更高要求， 熊蓉表示，同时还要考虑可靠性、生产节拍、算力和成本等问题，“只有达到一定的数据量，在不同机器人、不同模型之间具备一定的适用性，同时最好来源于真实场景，目前不少机器人Demo已表现出较强能力，例如：千寻智能表示，浙江大学教授、浙江人形机器人创新中心首席科学家熊蓉介绍，性能也会不断提升”，高质量数据的重要性随之凸显，”蔡镇辉说，甚至0.05毫米， 不过，在第九届中国机器人峰会现场，与快速爆发的行业需求相比，一个问题随之而来：什么样的数据才是行业想要的“好数据”？ “量只是一个维度。

基于此判断， 今年以来。

华睿智普在峰会期间发布了睿眸星源数采生态系统、EGO数采终端等多项产品和技术方案。

数据缺口超过99% “从模型来说， 浙江大学机器人研究院院长朱世强认为，“随着数据堆上去以后， 多位业内人士对上海证券报记者表示，则须考虑其与真实环境之间的差距，而且要精准、可靠、高效率、低成本”，数据的质量、对机器的泛化能力同样关键，”但她坦言，星海图商务总监沈鑫表示，