具身的数据管线，到底应该怎么做？

具身智能行业正陷入一种数据焦虑：数据采集规模在扩大，但模型厂商拿到数据后却不敢确定能训出什么。有数据厂商被客户反问能否顺便把模型也训练出来，反映出双方对数据价值缺乏判断标准。

问题的核心在于数据有效性与规模脱节。年初多家公司宣称要采集百万级数据，如今确有公司达成规模，但模型能力提升并不明显。这说明单纯堆数据量无法解决具身智能的核心难题，数据质量、分布和标注方式可能才是瓶颈。

当前数据管线缺乏标准化和验证机制。模型厂商无法预知数据效果，数据厂商也不清楚什么样的数据真正有用，导致双方都在盲目投入。行业需要建立数据评估体系，让数据采集、清洗、标注、验证形成闭环。

对具身智能公司而言，短期应聚焦小规模高质量数据，而非盲目追求百万级规模。长期则需要与模型厂商共建数据反馈机制，通过模型表现反向优化数据采集策略，才能让数据投入产生实际收益。

本站展示内容为基于公开信息的资讯解读与整理，不代表原文转载。如需核实细节或获取完整报道，请通过下方链接访问原始来源。