WRC 2026 数据暗战:真实数据缺口超99%,极端工况数据成最稀缺"硬通货"
本届 WRC 上,人形机器人在传送带上分拣包裹、在工位上拧螺丝——"干实事"成为常态。但更值得关注的暗线是数据:当前国内真实物理交互场景合规数据仅 50 万小时,而机器人商业化落地需要 数千万小时,缺口超过 99%。从"十万"到"千万",中间隔着两个数量级。
本届 WRC 上,人形机器人在传送带上分拣包裹、在工位上拧螺丝——"干实事"成为常态。但更值得关注的暗线是数据:当前国内真实物理交互场景合规数据仅 50 万小时,而机器人商业化落地需要 数千万小时,缺口超过 99%。从"十万"到"千万",中间隔着两个数量级。
"有多少数据,尤其是有多少高质量数据,就有多少AI能力。"——宇树科技创始人王兴兴在WRC 2026上的这句话,几乎是所有参展厂商心照不宣的共识。
人形机器人的四肢已经练得差不多了:能跑、能跳、能空翻、能上下楼梯。但"大脑"还饿着。问题是,喂大脑的那口数据从哪来?
一组在WRC上被反复引用的数据是:当前国内真实物理交互场景合规数据仅 50 万小时,而机器人商业化落地需要 数千万小时,缺口超过 99%。从十万到千万,中间差着两个数量级。
实验室环境、仿真合成、人类示教视频——相对标准化、结构化、安全可控,但规模有限,且与真实物理世界存在偏差。
需要数千万小时的真实物理交互数据,涵盖极端工况、失败案例、长尾场景,才能支撑机器人在复杂环境中自主决策。
注:数据缺口基于WRC 2026上多家厂商引用的行业数据,真实场景合规数据仅50万小时,商业化落地需求达数千万小时,缺口超过99%。
面对同一道"数据饥荒"难题,各路玩家做出了截然不同的选择。每一种路线背后,都是对"数据从哪来"这个根本问题的不同回答。
光轮智能 发布全球首个十万小时级全模态人类行为开源数据集 EgoSuite-Open100K,覆盖 7 大类环境、128 类场景,走"群众路线"——一个人采不完,就让全行业一起采。
星海图 坚持优先使用真实数据,其 GOD 数据集全球下载量第一;同时仿真论文引用量位居世界模型领域第一。两条腿走路,一条负责"脑补世界",一条负责"脚踏实地"。
希迪智驾 1900 台无人矿卡在 40 座矿山真实运行,每天产生感知、决策、执行全链路一手数据——不是实验室数据,是机器在地狱环境里"干出来"的数据。
章鱼动力、自变量、大晓机器人 等厂商集中发力数采硬件——鱼眼头环、肌电手环、数采手套——缺数据?那就卖你采数据的工具。
傅利叶、强脑科技 探索脑机接口与数据采集的结合:采集人执行、想象、遥操作三种状态下的脑电差异,为运动想象研究提供基础设施。
注:以上五条路线并非互斥,部分玩家同时采用多条路线。分类旨在呈现当前行业在数据获取上的多元化探索。
盘点完上面的路线,你会发现一个问题:所有玩家的数据——不管是人类行为视频、仿真合成还是真机遥操作——几乎都来自相对标准化、安全可控的场景。
但有一类数据,上面所有方法都采不到。
那就是 极端工况下的真实物理交互数据——地下 1000 米的矿井里、上千摄氏度的冶炼炉旁、露天矿山的爆破区边缘。这些场景,人类不愿意去(63% 的矿山事故是人为造成的),仿真模拟不了(非结构化极端工况的物理复杂度超出仿真引擎的建模能力),遥操作采不动(通信延迟、遮挡衰减、多车信道拥塞)。
希迪智驾 握着的,恰恰是这批数据。
希迪智驾CEO胡斯博在WRC演讲中说了一句关键的话:"自动驾驶沉淀的不仅是算法和里程,还是1900台车每天在40多座矿山里跑出来的认知,更是机器对物理世界的理解。"
基于这批数据,希迪构建了 三层架构的重载具身智能技术平台:底层是统一数据引擎,中间是重载世界模型,上层是集群决策与调度系统——单场景可调度超1000个智能体。
更值得关注的是,希迪没有停留在"运输"环节。70% 的矿山作业环节是非运输的——钻、爆、挖、装。希迪正在把从运输数据中训练出来的"大脑"向全工序延伸:挖采机器人已出货 34 台,露天矿装药机器人实现全环节无人化,冶炼抱罐机器人在上千摄氏度高温下转运 75 吨渣罐。
注:希迪智驾定位为"大脑供应商",不做终端,只做重型机器智能化的技术合伙人,沿着载体、场景、出海三条线扩张。
如果说数据是黄金,那这一派卖的就是挖矿的铲子。WRC 现场,数采硬件厂商集体爆发,展示了从采集、标注到跨本体应用的完整链路。
鱼眼头环 + 肌电手环 + 外骨骼同构数采手套,全球首次实现肌电跨个体零样本泛化,让人类操作数据近乎无损地对齐真机。
三款数采硬件统一数据输出标准,采集素材能无缝接入自己的数据服务管线,降低数据使用门槛。
ACE Ego Kit + ACE Data Engine + ACE Ego Matrix,构建从采集、自动标注到跨本体应用的完整链路。
整合真机执行、真人示教与仿真生成三种数据来源,把人的动作经验转化为机器人学习的数据。
无论哪种做法,这一派的核心逻辑都很直接:你们都缺数据,那我就卖你们采数据的工具。
注:数采硬件厂商的产品多处于早期商业化阶段,部分方案尚未在产业端大规模验证,但其"卖铲子"的商业模式在数据饥荒期具有明确的增长逻辑。
WRC 开发者之夜上,有人提出了一个 五层数据递进框架,清晰揭示了当前数据格局的层次:
这五层里,前三层可以靠开源、靠硬件、靠仿真来规模化——光轮们在拼数据规模的广度,章鱼们在拼数采工具的精度,星海图们在拼真实+仿真的平衡。
而最后两层——失败数据和产业场景闭环数据——只能靠真刀真枪在产业现场跑出来。这恰恰是希迪智驾握住的牌:1900 台无人矿卡在 40 座矿山里,在粉尘、高温、强混行的环境下,持续生产着全行业最稀缺的那批"脏数据"。
当 300 多家企业在展馆里教机器人怎么抓取、怎么分拣、怎么拧螺丝的时候,1900 台无人矿卡正在矿山里真实运行,每天产生着无法被复制的产业闭环数据。
人形机器人的终局是走进家庭,但在那之前,有一批机器必须先走进地狱。而地狱里跑出来的数据——极端工况下的失败记录与产业闭环——才是真正无法被复制的护城河。数据竞赛的终局,不在实验室,而在矿山、冶炼炉和矿井深处。
希迪智驾重载具身智能技术平台已在全球近 40 座矿山落地,覆盖运输、挖采、装药、冶炼等全工序环节。关注其官网获取最新技术白皮书与商业案例。
希迪智驾 · 重载具身智能平台注:本文为二次创作快讯,所有数据引自 WRC 2026 公开报道,具体产品信息以官方发布为准。