编者按：过去一年，行业对训练数据的需求从几千小时攀升至上百万小时，但机器人缺的不只是“更多数据”，而是真正能被模型学会的数据。近日，在AGI Playground 2026的一场对谈中，诺亦腾机器人创始人兼CEO戴若犁从数据供给方的视角，分享了他对机器人数据瓶颈的判断：行业研发路径正在倒转，先确定什么数据可用，再设计模型与硬件；今天的模型还用不上的模态，也值得现在就采集下来；具身智能数据需求已足够大，值得拥有从零设计的专用采集硬件；而进入真实环境采集数据，则意味着要直面成本、精度与完整性的“不可能三角”。从事动作捕捉15年的戴若犁还给出了一个判断标准：“当我的客户不再主要是教授和研究负责人时，我会认为机器人的GPT-3时刻已经到来。”
以下为精编整理的对谈实录，启明创投微信公众号经授权转载。
具身智能今年这么火，最火的却是数据公司，所有人都想要数据。
过去一年，行业对数据规模的需求，从几千小时迅速上升到几十万乃至上百万小时。不少机器人公司开始自建数据工厂，人体视频、遥操作轨迹和合成数据也被不断加入训练集。但随着数据量增长，大家发现，机器人缺的可能并不只是“更多数据”，而是能够描述真实物理交互、可以跨本体迁移，也能被模型有效学习的数据。
在AGI Playground 2026的一场对谈中，诺亦腾机器人（Noitom Robotics）创始人兼CEO戴若犁，从数据供给方的视角，讨论了机器人数据真正的瓶颈。
戴若犁从事动作捕捉 15 年，2025 年成立诺亦腾机器人，专注为机器人与具身智能提供数据基础设施。团队目前以ModalityNet数据平台为载体，建设有OM、MOV与 ITW+三类以人为中心的多模态数据集，它们直接记录人在真实环境中的交互，需求方可通过映射、重定向或强化学习对齐不同机器人形态，而非依赖传统遥操作。
以下为对谈内容节选，经编辑整理。
01/
先有数据，再有模型和机器人
Founder Park：过去两年，具身行业对数据量的要求，已经从几千小时增长到几十万乃至上百万小时。为什么？
戴若犁：早期的思路很直接：先用现成部件组装一台人形机器人，再叠加VLA或世界—动作模型，最后根据系统需要补数据。
现在，这条路径开始倒过来。团队会先确定什么数据能提供最完整的信息、是否可以规模化采集，再围绕可用的数据集设计模型，最后围绕模型设计机器人硬件。
例如，轻量化的多摄像头头显可以同时采集第一视角视频、手部姿态和身体姿态，也具备规模化的潜力。行业第一阶段解决的是“让机器人动起来”，接下来要解决的是泛化和高灵巧操作，数据问题因此被推到了最前面。
Founder Park：行业缩小差距的一种方法，是不断增加模态，包括力觉、触觉、音频和深度。但更多模态真的能缩小差距吗？今天的基础模型已经能利用这些额外信号了吗？
戴若犁：人完成交互时从来不只依赖视觉。我不用看，也能伸手拿到胸牌，因为此前的视觉记忆、本体感觉和触觉都在发挥作用。如果我们希望机器人学习同样的交互，训练数据至少也应该保留视觉、触觉，以及准确的手部和身体姿态。
今天的模型还不能充分吸收所有信号，但这不意味着采集阶段可以把它们舍弃。我们不是在适配某一种当下的模型架构，而是在为未来做准备。音频今天也许还用不上，却可能记录了重要的交互事件。只要投入产出比合理，我宁愿现在就保存，也不希望几年后重新采集十万小时数据。
如果一种信息在采集时没有被记录，事后很难从数百万小时视频里补回来。
Founder Park：假设多出一亿美元，你会把它投向更好的硬件、更多模态，还是更多遥操作产生的真实机器人数据？
戴若犁：我会把大部分资金投入专用采集硬件。具身智能数据已经形成足够大的需求，值得拥有从零设计的采集硬件。
如果具体分配这一亿美元，我会给不同模态各投入约2000万美元：包括触觉、第一视角视觉、深度与高精度4D点云、真值级全身姿态，以及手部姿态与环境重建。目标是让设备兼顾成本、精度、易用性、低佩戴负担和续航，最好还能为普通人的日常生活提供价值，让人愿意长期佩戴并贡献数据。
02/
走出数据工厂，直面“不可能三角”
Founder Park：无论第一视角数据还是机器人数据，目前大多仍在专门搭建的环境中产生，而不是来自真实的养老院、仓库、工厂或家庭。阻碍行业进入真实部署环境的，究竟是技术、经济性，还是场景准入？
戴若犁：这是一个不可能三角。在非受控环境中规模化采集，往往必须牺牲精度或模态完整度。数据工厂不可能搭建一万种厕所；要学习泛化的清洁能力，最终必须进入真实家庭，但很多传感器在那里又无法使用。
因此，我们需要新的硬件：从依赖墙面基站的outside-in tracking，转向inside-out tracking，还要把所有信号统一到同一个时间域和笛卡尔坐标系。目前市面上还没有一套完整的现成方案。
Founder Park：机器人数据的下一次范式变化会是什么？行业距离自己的GPT-3时刻还有多久？
戴若犁：当我的客户不再主要是教授和研究负责人时，我会认为机器人的GPT-3时刻已经到来。
今天，即使产业合作本质上也仍是研究项目，里程碑往往是CoRL、ICRA论文，而不是工业级部署或营收。我的粗略判断是，还需要五年以上。
作者｜ Li Yuan
