机器人缺数据，雇人还是造世界？
Mecka AI 获红杉 6000 万美元押注众包数据采集，李飞飞 World Labs 发布首款可商用世界模型 Marble，DeltaWorld 论文攻克物理一致性。机器人数据供给正分裂为'雇人录'与'造世界'两条路线，本文拆解其成本结构、技术门槛与合流逻辑。
具身智能圈最近流传一句话：大模型不缺算力，缺的是'机器人见过什么'。
三条几乎同时落地的消息，把这个判断砸实了。数据创业公司 Mecka AI 拿到 红杉 6000 万美元，干的活听起来很朴素——付钱让普通人录制日常任务；李飞飞的 World Labs 正式上线首款可商用世界模型 Marble，任意模态输入、生成可交互 3D 世界；arXiv 上的 DeltaWorld 论文则把'物理一致性'这个老问题往前推了一步。
一边在现实里雇人搬砖攒数据，一边在虚拟世界里凭空造场景。两条路线看似相反，其实在回答同一个问题：机器人的训练数据，到底从哪来？
📈 6000 万美元，买的是人肉动作捕捉
最值钱的不是算法，是'一个动作被真实执行的样子'。
Mecka AI 的商业模式简单到近乎粗暴：雇人录制日常任务，把这些演示数据卖给训练机器人策略的公司。红杉给出 6000 万美元，投的正是这个'看起来不够性感'的生意。
这背后是具身智能行业心照不宣的困境。语言模型可以吃整个互联网的文本，视觉模型可以吃全网图片，但机器人需要的 '手如何抓起一个杯子、如何拧开一个瓶盖' 这类数据，互联网上根本没有存量。唯一的来源，是有人真实地做一遍。
产业里已经出现过各种苦活方案：实验室里架着遥操作台，操作员戴着手套一遍遍演示；一些团队甚至拆解人类视频做动作迁移，但噪声和视角问题始终绕不过去。Mecka AI 选择的是最重的路——把数据采集变成一份'零工'，用人力换规模。
据业内私下交流的说法，一线操作团队普遍反映，真机数据的边际成本降不下来，是当前策略泛化能力上不去的直接原因之一。
这里的产业逻辑很清晰：在具身智能的早期，数据采集是一门'劳动密集型'生意，谁先把采集规模化和标准化，谁就握住了上游阀门。 红杉下注的不是技术壁垒，而是这个阀门位置本身。
🌍 Marble 上线：世界模型走到收银台
李飞飞押注的，是'不采集也能造出数据'的另一条路。
2025 年 11 月 13 日，World Labs 正式发布 Marble——这是李飞飞 2024 年 5 月创业以来推出的首款可商用世界模型。相比两个月前的早期预览版，Marble 支持更多种模态的输入，生成的 3D 世界在丰富度和细致度上都有明显提升。
发布当天的社交媒体反响相当热闹，a16z、YC 的多位活跃投资人都做了转评。同期，李飞飞还发布了长文《From Words to Worlds: Spatial Intelligence is AI's Next Frontier》，把'空间智能'这个概念正式推到了台前：她认为，AI 的下一站不是更强的语言，而是理解并生成三维空间的能力。
从纯研究到可商用产品，World Labs 用了一年半。这件事的产业意义在于：世界模型不再只是论文里的概念，而是开始有了明确的付费对象——需要 3D 内容的创作者、需要仿真环境的机器人团队，都可能成为客户。
上面这条数据闭环，是目前多数机器人团队的标配。问题在于，前半段（真人录制）贵且慢，Marble 这类世界模型想做的，是把中间的'采集-清洗'环节部分替换成'生成'——用模型造出无限接近真实的环境，让策略在里面练手。
值得注意的是，World Labs 从理论研究走到商用上线，走的仍是前沿探索者路线。空间智能叙事能否撑起商业回报，Marble 的第一批付费用户会给出第一个信号。
⚙️ DeltaWorld：物理一致性这道坎
世界模型要真替真机'上班'，先得过物理规律这一关。
DeltaWorld 的论文开篇就点破了现有世界模型的软肋：多数模型直接预测下一个完整隐状态，容易漏掉机器人动作引起的细微变化，导致预测画面出现物体相互穿透、过度形变这类'物理上不成立'的结果。对语言模型来说，幻觉顶多是胡说八道；对机器人世界模型来说，一次物理幻觉就可能让策略学到错误的因果。
论文给出的解法是 Delta Latent Transition Model（Delta-LTM）：不直接预测下一个状态，而是预测'动作引起的隐特征变化量'，再叠加到当前状态上得到下一状态。这个'只学变化量'的思路，让模型对动作如何改变世界更敏感。针对穿透和形变问题，论文又引入 Interaction-aware Latent Alignment，构造反事实交互区域来监督交互相关的隐变化。
评测上，DeltaWorld 在 IWS 操作基准和一个自建跨机器人数据集上验证，后者覆盖多种机器人本体和操作任务——这个评测设计本身就是个信号：世界模型的通用性，正在按'跨本体'的标准来要求。
把三条消息放进这张图里看，格局一目了然：众包录制技术门槛不高，但商业价值已经被资本确认；世界模型生成技术门槛最高，商业化刚起步；物理一致性研究离钱最远，却决定着世界模型能不能真正用于策略训练。
物理一致性不是学术洁癖，而是'合成数据可不可信'的分水岭。 学到一个会导致物体穿模的动作，在仿真里无所谓，部署到真机上就是事故。
⚖️ 买数据还是造世界：其实不是二选一
两条路线争的不是地盘，是同一条流水线的不同工位。
把 Mecka AI 和 Marble、DeltaWorld 放在一张表里对比，差异一目了然：
| 维度 | 众包数据采集（Mecka AI） | 世界模型生成（Marble / DeltaWorld） |
|---|---|---|
| 数据来源 | 真人录制日常任务 | 模型生成可交互 3D 环境 |
| 成本结构 | 边际成本随人数线性增长 | 前期训练贵，生成近乎零边际成本 |
| 物理真实性 | 天然真实，无需校验 | 需攻克穿透、形变等一致性问题 |
| 规模化方式 | 招更多人、标准化流程 | 扩大模型与算力 |
| 当前角色 | 训练数据的'锚' | 训练数据的'放大器' |
真数据的优势是'真实'：力学反馈、物体材质、人的操作习惯，都是物理世界免费附赠的；劣势是贵、慢、任务覆盖有限。合成数据的优势是'无限'：环境可以随意变化、动作可以反复重放；劣势是分布偏移——仿真里练出来的策略，到了真机可能水土不服。
所以更可能的终局不是替代，而是分工：用少量真实数据锚定分布，用世界模型在这个分布附近做指数级扩增。 这也是数据飞轮的完整形态——真机部署产生回流数据，回流数据校准世界模型，更准的世界模型再生成更多可用的合成数据。
水面之上是发布和融资，水面之下才是真正的竞争：数据资产的积累速度、一致性技术的成熟度、以及评测标准的制定权。谁先定义'什么样的合成数据可用于训练'，谁就在下一轮竞争里占住生态位。
具身智能的瓶颈，从来不在机器人的'身体'，而在'经验'。Mecka AI 用钱买经验，World Labs 用模型造经验，DeltaWorld 们在保证造出来的经验不违反物理定律。三条线在 2025 年底同时提速，指向同一个判断：机器人数据的供给端，正在从手工作坊走向工业化——而工业化的标志，是采集、生成、校验三件事各自成为一门独立的、可以收钱的生意。
接下来的看点很实际：Marble 的首批商用客户里会不会出现机器人公司？Mecka AI 的众包数据能不能标准化到'按任务类型明码标价'？如果这两个问题的答案都是'是'，那具身智能的数据底座，就算真正打下了第一根桩。