斯坦福《2026 AI Index Report》给行业撕开一道口子：机器人在仿真操作基准中的任务成功率已达 89.4%，进入真实家庭环境后只剩 12%。博登智能创始人兼 CEO 赵捷正把这道「断层」做成生意——公司在手订单接近 10 亿元，年内计划交付约 5 亿元，年产 50 万小时真机训练数据。
斯坦福《2026 AI Index Report》给出的这组对比，可能是具身智能行业今年最刺眼的数据：在仿真操作基准中，机器人的任务成功率已经做到 89.4%；一旦进入真实家庭环境，成功率就跌到 12%。
这不是工程细节问题。这是路线问题。
大语言模型靠互联网文本就可以「喂养」，机器人却学不会这个世界——关节扭矩、触觉反馈、每一次失败与纠正，都必须由真机在物理世界里逐条生产。因此行业的数据逻辑注定是：采集 → 训练 → 部署 → 反馈，循环永不停止。
89.4%
可控、可重复、成本低；但物理规律被简化，与真实世界存在系统性偏差。
12%
光照、扰动、物体形态无穷多样——「见过」与「做过」之间，隔着一道 Sim2Real 鸿沟。
注：数据来自斯坦福《2026 AI Index Report》。仿真与真实环境的成功率差，不是简单的误差，而是「模拟中理解世界」与「在真实世界里操作世界」的本质距离。
具身智能数据不是一种，而是一座金字塔。赵捷把它分成三层，它们会长期共存、各司其职——不是哪一种完全替代另一种。
注：金字塔结构为赵捷在对话中给出的分层方式。越往顶层，数据获取越难、单条数据承载的有效信息越多；各层数据长期共存，模型在不同阶段需要不同组合。
比普通真机数据更贵的，是失败那一刻的数据。
博登智能正把这门生意规模化。公司目前在手订单接近 10 亿元，计划年内完成约 5 亿元交付，很多订单预付款比例在 20%–30%。真机数据按小时采购，客户需求已经从较小规模，走向数万小时、十万小时甚至更大的项目。
训练场的钱花在哪里？赵捷给出了一个大致的成本结构：本体与运营各占约 40%，场地约占 20%。机器人本体的更新周期约一年半到两年——不同本体有不同关节与控制方式，同一个任务不一定能直接复用，但多本体也让数据覆盖更多技术路线。
注：三大中心分别位于宁波、湖州、马鞍山，总面积超过 3 万平方米，覆盖家庭、零售、工业、办公、仓储等上百类场景。成本比例为赵捷在对话中给出的估算，不同训练场会因技术路线不同而有所变化。
客户按小时采购数据，但博登不希望只被当成一家数据采集公司。赵捷的定位是：覆盖采集、标注、训练与验证的物理 AI 基础设施服务体系。客户最终拿到的，不是一批孤立的数据文件，而是一套可以持续生产、训练、验证和迭代的数据闭环。
具体来看：BRIC 负责采集视觉、力觉、关节角度、动作轨迹等多模态数据；BASE 通过 200 多个预标注模型和人工校正，把原始数据加工成训练数据，部分任务效率最高提升 7 倍，综合准确率超过 99%；Blink 统一管理数据版本、算力与工作流。
这也定义了数据公司的竞争壁垒——不是雇更多标注员，而是平台能力、供应链与项目管理、对客户模型的理解，以及能否交付可复用的数据产品。质量、成本、交付速度、数据是否真正提升了模型能力，才是客户最后会看的东西。
注：BRIC、BASE、Blink 是博登 Boden Cloud 体系的三个核心平台。效率和准确率数据来自赵捷公开表述，针对具体任务类别可能有差异。
具身智能很热，泡沫论的讨论也没停过。赵捷对泡沫并不悲观——「一个行业如果一点泡沫都没有，说明这个行业可能根本不值得投资。」但局部已经过热，最典型的是世界模型：做的公司太多，很多人讲不清自己和别人的区别，也讲不清核心竞争力。刷榜也不再是唯一依据——「就像两个高中生做小学试卷，都考一百分，这张试卷就无法说明谁更强。」
没有实际订单、也没有很强交付能力的公司，会先感受到行业转向。
明年起，一些世界模型公司可能逐渐被淘汰；第一轮较剧烈的优胜劣汰，预计在未来两三年内显现。
有明确任务的机器人更早产生收入，也更快启动数据飞轮：能力→进场景→采数据→再训练。
赵捷同样不认为「人形」是落地的前提。在一些工业场景里，两只机械臂加视觉系统和足够强的大脑，就能解决很多任务。决定商业化的不是外形，而是有没有确定的场景、能不能稳定完成工作。他还建议，真正的进步往往藏在线索里——看一家公司是否拥有持续的数据回流、可验证的模型能力、以及在失败之后变得更好的机制。
机器人真正的进步，有时就藏在一次失败之后——它有没有记住，人类当时是怎样把错误纠正过来的。
具身智能的竞争，正在从「谁的模型更聪明」转向「谁能持续、稳定、低成本地把真实世界的数据喂给大脑」。数据不是耗材，而是决定模型上限的稀缺资源。下一轮洗牌中，最先出局的，不是没有故事的公司，而是没有订单、没有场景、数据无法回流迭代的公司。
如果你正做本体或模型，最实际的起步点可能不是更聪明的大脑，而是更真实的场景。