机器人要变强，先撬开工厂抽屉

10月12日，上海国家会展中心，第二十六届中国国际工业博览会开幕。开幕式上出现了一个耐人寻味的场面：中国工程院院士、阿里云创始人王坚，当着全场工业界的面，替宇树科技创始人王兴兴“要数据”。他的话很直白——工业界的数据都锁在每个人的抽屉里，机器人行业要有根本变革，工业界应该把数据拿出来。

与此同时，大洋彼岸传来另一个信号：全球第二大企业雇主亚马逊正在机器人身上下重注，用机器工人支撑其规模扩张。

一边是院士公开倡议、创始人点头要数据；一边是需求巨头亲自下场建闭环。当AI真正走进工厂，这条路上最贵的东西，已经从机器人本体，变成了数据。

🏭 工博会换了主角：从秀肌肉到秀脑子

展台上的主角换了，产业叙事就换了。

不到工博会，很难直观感受中国制造业今天的规模。31万平方米展览面积，来自24个国家和地区的3200多家参展商，近300项首发首秀展品——这是本届工博会的底色。

但真正值得琢磨的不是数字，而是展台上在“演”什么。

过去的工博会，最吸睛的往往是大型工业机器人、高精度数控机床和高速运转的自动化生产线——比的是力矩、精度、速度，本质上是“秀肌肉”。而今年，《IT时报》记者在现场看到的是另一幅画面：黑湖科技的AI Agent在展台上读取图纸、解析工艺，并进一步参与生产排程和订单管理；两台节卡协作机器人根据任务目标，自主安排操作步骤，完成一项新能源电机装配任务。

注意这两个细节的共同点：机器人不再只是“执行预设动作的工具”，而是在“理解任务、规划步骤”。从展示工业能力，到展示工业智能——这是今年工博会最值得关注的变化。

这个变化背后的产业逻辑很清晰：设备层的能力已经过剩，中国工业机器人的装机量和密度常年位居全球前列，纯粹的“力气活”已经卷不出差异化。厂商们开始把叙事重心转向“会思考的机器”——也就是具身智能与工业AI的融合。

但悬念也随之而来：当人工智能从电脑屏幕走向真实工厂，它真的准备好了吗？展台上的演示跑得再漂亮，到了充满粉尘、噪音、工艺know-how的真实产线，一切都要重新验证。而验证的燃料，恰恰是最稀缺的那种东西。

🗄️ 王坚的倡议：数据锁在抽屉里，机器人永远在门外学艺

工业数据不开放，机器人就只能靠仿真“隔空学艺”。

开幕式上那场关于人形机器人何时走进工厂的讨论，意外成了一次工业数据开放的现场倡议。

王坚的比喻很形象：“今天工业界面临的挑战是，工业界所有数据还是锁在每个人的抽屉里。”他随后把话说得更重：“机器人行业如果要有一次（根本）变革的话，工业界应该把工业数据拿出来给机器人企业。”

这番话戳中了这个行业最尴尬的一环。过去几年，人形机器人的进步肉眼可见——本体成本在降、硬件可靠性在升、算力在涨，宇树科技们把整机的价格打到了从前不敢想的区间。但具身智能的“智能”二字，靠的是数据喂养，尤其是真实物理环境中、真实任务里的操作数据。

仿真可以造出无限多的场景，但仿真与真实之间永远存在落差：工件公差的微小差异、光照与反光、装配时那一下恰到好处的力反馈——这些恰恰是工业数据里最值钱的部分。而它们在哪？在每一家工厂的MES系统里、在每一条产线的历史工单里、在老师傅的操作记录里。

王坚说的“抽屉”，锁住的不只是数据文件，更是这些企业的工艺know-how。对一家制造企业来说，产线数据就是护城河的一部分，凭什么拿出来？

这就是问题所在：机器人企业需要数据才能进化，制造企业握着数据却缺乏共享机制。这个死结不解开，人形机器人进工厂就始终停留在“展示”层面——演示线上行云流水，量产线上无人敢用。

这个死结有多紧，可以从另一个侧面看出：国际机器人联合会（IFR）发布的《世界机器人报告》显示，2024年中国工业机器人新增装机约29.5万台，占全球总装机量的一半以上，制造业机器人密度达每万名工人470台，位居全球第三——设备层的“肌肉”早已过剩，但可用于训练具身智能的真实工业场景数据集，目前在全球范围内仍屈指可数。也正因为如此，当智元机器人在2024年底宣布开源AgiBot World百万条真机数据集时，才会在行业内引发那么大的动静——稀缺的东西，才会被当成大事。

🤖 王兴兴答“当然”：两个字背后是一本难算的账

"AI需要所有数据”——需求端从不掩饰，难的是供给端。

王坚倡议话音落下，主持人随即转向王兴兴：你需要这些数据吗？

王兴兴的回答干脆利落：“当然。"他还补了一句：“AI需要所有的数据。"

两个字，没有客气，没有迂回。这在情理之中——宇树科技今年7月发布的全新人形机器人R1，起售价定在了3.99万元人民币，把整机价格又往下压了一个数量级。硬件正在快速“白菜化”，但当机器人真的要上岗拧一颗螺丝、插一根线束时，它需要的不是参数表，而是成千上万次真实操作中积累下来的力控、时序和容错经验。

而这样的经验，恰恰是最难批量生产的。行业里主流的做法是遥操作采集：一名操作员戴着手套主从操控机器人，一遍一遍完成同一条轨迹。一条高质量的真机数据，背后是熟练操作员以小时计的人工投入，这还没算场地、工装夹具和数据标注的成本。智元机器人为了凑齐AgiBot World那100万条数据，动用了100多台机器人、在100多个真实场景里采集了数月——这是全行业都眼馋的投入规模，但对单家企业而言，靠自己“搬砖”式采集，永远追不上模型对数据的胃口。

这就是王兴兴“当然”二字背后那本难算的账：机器人本体的摩尔定律已经启动，而数据的供给还停留在手工作坊阶段。 账本的两端在以完全不同的速度奔跑，中间的缺口，只能靠工业界的数据开放来填。

📦 亚马逊的算盘：100万台机器人，先跑通数据闭环

需求巨头不等数据开放，直接自己造了一个。

当中国的机器人企业还在为真机数据四处“化缘”时，大洋彼岸的需求巨头给出了另一种解法：既然数据最贵，那就自己下场，让机器人跑在自己的场景里，数据闭环从第一天就是自己的。

亚马逊对机器人的投入不是新闻，但投入的规模值得重新掂量。早在2012年，亚马逊就以7.75亿美元收购仓储机器人公司Kiva Systems，创下当时的收购纪录，此后将机器人逐步铺满自营仓库。今年6月底，亚马逊宣布已部署第100万台机器人——而在2024年底，其全球员工总数约为156万人，机器与人的数量，已经站在了同一条起跑线上。

真正值得制造业琢磨的是这100万台机器人背后的算法。今年，亚马逊发布内部生成式AI模型DeepFleet，用于调度全球仓储机器人的协同运行，官方数据显示，机器人车队的行走效率因此提升了10%。在亚马逊的口径里，如今约75%的客户订单交付过程有机器人参与。今年10月，《纽约时报》援引其获得的内部文件报道，亚马逊计划在2033年前实现约75%运营环节的自动化，这或将使其减少约60万个美国岗位的招聘。

更关键的动作在今年5月：亚马逊发布具备触觉感知能力的机器人Vulcan——它不是简单地“看到”物体，而是在抓取中“感受”到力度和位置，并把每一次抓取的结果变成新的训练数据。触觉、力反馈、真实任务中的容错经验，这些王坚口中“锁在抽屉里”的最值钱的东西，亚马逊正在自己的仓库里以百万台为单位持续生成。

这是一个绕开“数据共享”死结的打法：我不来要你的数据，我用自己的场景、自己的订单、自己的机器，把数据从头造出来。 代价是巨额的前期投入和漫长的时间，但收益同样巨大——数据闭环一旦跑通，规模越大，成本越低，护城河越深。

🧭 下一个战场，不在车间，在数据

王坚的倡议是号召，亚马逊的闭环是答案之一，中国的工厂必须给出自己的答案。

把工博会上的一幕和亚马逊的算盘放在一起看，这场变革的轮廓反而更清晰了。

王坚的倡议点破了一个共识：具身智能的下一步不在电机和减速器上，而在数据上。但倡议之所以需要“当众喊出来”，恰恰说明市场机制还没有自发地解决它——让一家制造企业把产线数据交给机器人公司，等同于让后者参与优化自己的核心工艺，这中间缺的不是意愿，而是利益分配和数据安全的机制设计。

亚马逊给出了一个答案：场景巨头亲自下场，用规模换取数据主权。这个模式的前提是拥有亚马逊级别的业务体量和资本实力，对绝大多数中国制造企业来说并不现实。

对中国而言，更现实的路径或许是介于两者之间：由政府和行业协会牵头建设共享训练场和数据平台——事实上，国家地方共建的人形机器人训练场已经陆续落地，智元开源AgiBot World也是一种自下而上的尝试——让工厂以可控的方式“出租”数据，让机器人企业以付费或联合开发的方式获取数据，把锁在抽屉里的工艺know-how变成可以定价、可以交易的资产。

10月的工博会上，王坚替王兴兴喊出了需求；大洋对岸，亚马逊用100万台机器人跑出了参照系。剩下的问题是留给中国工业界的：当机器人进工厂的最大瓶颈从本体变成了数据，谁先想清楚数据的分配机制，谁就先拿到下一轮产业变革的入场券。