在深圳光明区的一间实验室里，一组特殊的“教学”正在进行：技术人员戴上虚拟现实设备，远程引导机械臂完成抓取药品、折叠衣物等精细动作。这并非一般的操作训练，而是具身智能领域的重要数据采集工作——系统会把每一次动作轨迹精确记录下来，作为训练机器人“大脑”的关键素材。当前，制约全球具身智能发展的首要难题是数据不足。不同于自动驾驶或自然语言处理可以从互联网获取大量现成数据，机器人行为数据很难“现成可用”。业内人士认为，主要原因有三点：实体机器人尚未大规模商用，真实自然行为数据来源有限；不同应用场景差异大，往往需要定制数据集；动态环境下要提升动作的泛化能力，必须依赖大量样本支撑。
具身智能要从“能演示”走向“能上岗”——既需要更强的模型——也离不开可靠的数据底座。把数据采集、标注和管理做成可复制的基础设施，意味着行业开始补上长期被忽视的“地基”。当数据供给形成规模并逐步标准化，机器人能力迭代将更可预期，产业落地也有望从零散试点走向更广泛的应用场景。