机器人不缺模型，缺的是数据闭环

估值从24亿美元冲向56亿美元，Physical Intelligence只用了一年；让机器人拿刀片给自己刮胡子的卢策吾，坚持不给任何“拍脑袋”的数字。两拨人殊途同归地指向同一个判断：具身智能的竞争，正在从模型军备赛转向数据闭环争夺战。模型再大，喂不进物理世界的数据，机器人就永远停留在演示视频里。

这篇文章想讲清楚三件事：数据闭环为什么是机器人最大的瓶颈；百万小时叙事错在哪；以及当Gemini Robotics、GR00T N1这类通用基础模型开始向机器人动作层下沉时，数据的价值坐标该如何重排。

📉 从7个人的论坛到最热的钱

时间拨回2021年。卢策吾办了一场具身智能论坛，到场只有7个人，讲到一半又走了三四个；隔壁计算机视觉的会场，坐着几百人。那一年，具身智能在中文世界甚至没有统一的概念——2023年，中国计算机学会才发布由卢策吾团队牵头的“具身智能”中文术语条目。

转折点恰恰落在2023年。看这条时间线：

2023年2月智元机器人成立，7月谷歌DeepMind发布RT-2（论文2023年7月28日上arXiv），首次把视觉-语言模型直接接到机器人动作输出上，VLA路线由此起步；8月宇树推出全尺寸人形H1；10月，谷歌联合全球21家机构发布Open X-Embodiment数据集，汇集了超100万条轨迹、覆盖22种机器人本体——这是机器人领域第一次尝试用“互联网化”的方式聚合操作数据；11月穹彻智能从非夕科技（Flexiv）孵化成立。此后资本涌入，这条赛道吸走了整个风投业最热的钱。

产业逻辑其实很清晰：VLM积累的视觉与语言能力，第一次让“大脑”勉强够用，行业的注意力随即从“机器人能不能走”转移到“机器人能不能干活”。而“能不能干活”这件事，卡住的从来不是参数量，而是数据。

🔁 莱文的那道题：互联网数据喂不饱机器人

说这句话的人有足够的底气。谢尔盖·莱文，加州大学伯克利分校教授、机器人学习领域引用率最高的学者之一，他在谷歌大脑时期主导的机械臂集群抓取项目（QT-Opt，2016—2019年，7台机械臂累计采集约58万次抓取尝试）奠定了业界对机器人自主采集数据的认知。2024年，他与前谷歌大脑科学家卡罗尔·豪斯曼、斯坦福教授Chelsea Finn等人共同创立Physical Intelligence（下称PI）。

PI的融资节奏是具身智能热度最直观的刻度：2024年11月，PI完成4亿美元融资，估值24亿美元，投资方包括贝索斯、OpenAI、Thrive Capital、Lux Capital等（信源：CNBC、《纽约时报》，2024年11月）；据彭博社2025年报道，新一轮融资谈判的估值已达约56亿美元——一年时间估值翻了一倍多，且尚未交付任何量产产品。

PI的核心目标不是造某一种形态的机器人，而是构建物理世界的通用基础模型：让机械臂、轮式设备或双足机器人，像加载通用操作系统一样，具备理解物理世界、拆解任务并完成精细操作的能力。从2024年11月发布的初代模型π0，到2025年4月的π0.5（首次泛化到训练中从未见过的真实家庭环境），再到2025年11月引入RE