70所机器人“学校”，还教不会端盘子？

2026年的世界机器人大会，风向变了。

去年大家还在比谁的机器人跳得高、跑得快，今年展区的C位，让给了一群“教机器人干活”的展位。观众头戴采集设备、手持手柄遥控机械臂擦桌子，屏幕上机器人的第一视角被实时录下——这段视频，未来就是机器人的“课本”。

一个不造整机、不训大模型的行业，正在被推到聚光灯下。据中国信通院《具身智能训练场研究报告（2026年）》，截至2026年6月底，全国建成启用超70家训练场，在建或规划46家。而一位接近行业的人士私下说得更直白：“现在拼的不是谁的机器人更帅，是谁家的‘教材’更多。”

这篇文章想回答一个问题：机器人上学这件事，到底卡在哪儿？

先把答案放在前面：卡的不是身体，也不是大脑，是“教材”——高质量的真机交互数据。具体来说，卡在三处：数据量远远不够、数据标准彼此割裂、物理世界的知识没有捷径可走。接下来展开讲。

🏫 从“比武大会”到“开学季”，风向真的变了

先看现场。

2026世界机器人大会展区，一块屏幕循环播放“擦桌子”特写：机械手指触碰桌面，力度、角度实时微调。乍看像机器人自主干活，走近一看——屏幕旁坐着位现场观众，头戴采集设备，手持手柄。机器人的第一视角画面同步传上屏幕，这段遥操作视频经处理后，将成为训练机器人干活的教材。

也就是说，你看的不是机器人在干活，是人在“喂”机器人学干活。

这背后是一批新玩家的集体登场：定位“数据基础设施”“物理AI数据基座”的专业服务商首次集中亮相。它们不造整机、不训大模型，只干一件事——为机器人产业提供最底层的真实世界交互数据。

北京人形机器人创新中心具身智能数据与训练基地负责人夏华林给了一个类比：“现在的具身智能机器人相当于十年前的自动驾驶。”他进一步指出，机器人所需数据比自动驾驶还要多数个量级。真实世界的物理交互数据，是具身智能从“看懂世界”迈向“改变世界”的关键。

这个类比值得展开。自动驾驶当年靠什么起飞？靠的是海量的真实道路数据回灌——每一辆跑在路上的车，都是一台数据采集器。而具身智能现在缺的，正是这一环：机器人还没有大规模部署到真实场景里，没有自然产生的数据，只能靠人“制造”数据。

这就是第一个卡点：数据从哪儿来？自动驾驶的数据是车自己“跑”出来的，机器人的数据却得靠人一遍遍“喂”进去——这是具身智能比自动驾驶更难的地方，也是训练场这个物种出现的根本原因。它的角色类似驾校+驾考基地的结合体：复刻真实场景，让人带着机器人反复练习，把过程数据沉淀下来。

产业逻辑已经很清晰：整机厂商决定机器人的身体，大模型决定机器人的大脑，而数据决定这个大脑有没有可教的东西。前两者卷得飞起，第三块短板如今被正式摆上台面。

🧑‍🏭 一天端一百次盘子，这可能是最枯燥的AI工作

再往产业链的下游看一层，看看“教学”本身是怎么发生的。

华东某机器人训练场里，一位“00后”训练师对着麦克风下达指令：“拿起桌上浅蓝色盘子，放在白色托盘上。”随后操纵机械臂完成抓取、平移、放下。这个看似简单的动作，她一天要重复上百次。

更夸张的是数据量：仅这一个零件分拣任务，该训练场已采集了三四万条数据。每条数据由视频、力反馈和关节角度组成，经清洗后成为高质量数据，喂给大模型。

这些数据是干什么用的？训练机器人的“大脑”。而支撑不到位，后果也很直白——该训练场数据采集负责人郑鑫的判断堪称一针见血：“现实中，高质量数据支撑不到位，机器人就永远摆脱不了遥控大玩具的标签。”

“遥控大玩具”，这五个字基本概括了当下人形机器人商业化的最大尴尬：演示视频里无所不能，真放到展会现场陌生环境里，可能连个杯子都拿不稳。差的不是机械性能，是数据喂得不够。

一线采集师最直接的感受是：任务越来越难，容错率越来越低。早期采集的可能只是抓取放下这类“入门题”，现在要教的是多步骤、带物理细节的真实作业——力度差一点、角度偏一点，数据质量就不过关。

这是第二个卡点：数据质量的容错率极低。把这条数据流水线画出来，大概是这样：

注意最后那一步——失败案例回流。和互联网数据不同，具身数据的标注者是物理世界本身：盘子碎了就是碎了，这条数据的“对错”由物理规律裁决。互联网时代可以爬数据、洗数据、众包标注，几周搞定一个语料库；具身数据只能一个动作一个动作地采，一遍失败了重来一遍。“量不够”和“质量难保”，是环环相扣的。

🏭 70多所学校长什么样？先看两家样本

训练场到底长什么样？素材里给了两个具体样本，足够我们管中窥豹。

8月6日，安徽合肥市具身智能机器人数据采集预训练场内，83台来自不同企业的机器人，在家居、商超、工业等领域的30余个复刻场景中开展实训。

8月10日，位于北京市石景山区的人形机器人数据训练中心内，上百台机器人正在训练师带领下学习人类的生产生活技能——比如练习快递分拣。

汇总一下关键信息：

三个细节值得咀嚼：

第一，“83台来自不同企业”。训练场不是某家整机厂的私人练功房，而是公共基础设施——多家厂商的机器人混在同一种场景里训练，数据标准与采集规范的统一，某种意义上比数据本身更重要。

第二，复刻场景是核心资产。家居、商超、工业，30余个场景，本质是把真实世界的长尾需求切片、浓缩。造一个复刻超市收银台，成本远低于让机器人去真超市“实习”，但采集到的数据分布要尽量贴近真实。

第三，任务清单在快速进化。从端盘子、分拣快递这类“基础课”，到工业场景的“专业课”，课程难度曲线就是整个具身智能行业的能力曲线。

把行业走到今天的节奏放在一起看：

还要泼一盆冷水：70家建成、46家在建，看似热热闹闹，但按夏华林“比自动驾驶多数个量级”的口径衡量，这个规模还远远不够。驾校建起来了，课时量才是决定学员能不能毕业的关键。

这也引出了第三个卡点：各家为战，标准割裂。70多家训练场，如果采集格式、任务定义、数据规范不能互通，每家手里攥的就是一座座数据孤岛，永远拼不成规模效应。

⚠️ 仿真vs真机：数据基座是护城河，还是过渡生意？

最后回答那个绕不开的问题：既然真机数据这么贵、这么慢、这么枯燥，能不能用仿真把它替掉？

先说仿真真正的价值。它擅长的是“放大”：在虚拟环境里，一个擦桌子任务可以同时跑一万次，成本低、速度快、无安全风险。凡是物理规律已经建模得足够好的场景——刚性物体的抓放、规则路径的搬运——仿真都能大规模生成数据。

但仿真的天花板也很清楚：它只能模拟人类已经理解了的物理规律。水流泼洒、软体物体形变、布料褶皱、陌生食材的手感——这些连建模都困难的“长尾物理”，仿真要么失真，要么干脆无能为力。而恰恰是这些长尾场景，构成了机器人进入千家万户的真实世界。仿真数据训练出来的机器人，进了真实厨房，可能连一碗水都端不稳——仿真里没有那碗水会洒的“惩罚”。

多位接近行业的人士都提到了类似的担忧：现在建的是“学校”，将来会不会被“自学”取代？比较可能的答案是折中，而且是一种有明确分工的共存：

• 真实数据负责定义边界：物理规律的最底层校准、长尾场景的第一手样本、失败案例的“ ground truth”，只能来自真机；
• 仿真数据负责放大规模：在真实数据划定的边界内，成倍扩展场景、光照、物体组合的变体。

这也是为什么“数据基座”玩家纷纷强调自己是基础设施而非数据代工厂——前者卖的是标准与网络效应，后者才可能被仿真一键替代。真机采集不会被替代，但它的高价值区，正在从“量”转向“边界”。

所以，回到开头那个问题：机器人上学，到底卡在哪儿？

卡在数据。更准确地说，卡在三件事上：一是量不够——需求比自动驾驶多数个量级，而供给还靠人一个动作一个动作地喂；二是质难保——物理世界是最严苛的标注员，容错率低到力度差一点都不行；三是标准散——70多家训练场若不能打通规范，数据资产就拼不成规模。仿真可以缓解第一件事，但解不开后两件。

这也是为什么这门“必要之恶”的生意，眼下最大的确定性恰恰来自它的笨拙：只要具身智能还处在“能力验证期”，真机数据就是行业的水电煤。类比十年前的自动驾驶，当年拼的是路测里程，如今具身智能拼的就是采集时长与任务复杂度。

回头看那个画面：展会上观众戴着设备、握着手柄，一遍遍教机器人擦桌子。它不性感，甚至有点笨拙。但十年前的自动驾驶，也是从一个人一个人标注路测数据开始的。

机器人能不能真正“毕业”走出训练场，去工厂、超市、家里上岗，答案不在发布会的大屏上，在这70多所学校里，在那一天重复上百次的端盘子动作里。

课程表，才刚翻到第一页。