机器人不缺模型，缺的是“有手感”的数据

所有人都在卷模型参数，但真正卡住机器人的，是数据。

最近一周，两条来自arXiv的论文线索和一笔近亿美元的种子轮融资，恰好拼出了同一个答案：力觉数据、立体视觉数据、开放场景数据——具身智能的“数据三重门”，正在被三种完全不同的打法同时撬动。FACT、StereoEngine、费莫一科技，一个解决“手感”，一个解决“双眼”，一个解决“经历”。这篇文章把它们放在一张桌子上，看看具身智能的数据范式到底在发生什么变化。

🔬 力觉：被忽略的第三种感官

让机器人端起一杯水不洒、拧螺丝不滑丝，靠的从来不只是眼睛。

想象一个场景：机器人帮人递一把剪刀。视觉告诉它剪刀在哪、手该怎么张开，但真正决定“递过去时会不会戳伤人”的，是力——接触瞬间的力有多大、握持时该用多少牛顿。过去几年VLA模型把视觉和本体感觉喂得很饱，力觉却长期缺席。原因很直接：人类演示视频里没有力传感器。

FACT团队把这个问题拆成了两步。第一步，他们先建了一个叫EgoForce的大规模人类触觉数据集，专门捕捉“带力度信息的人类操作经验”，再和机器人示教数据一起做预训练。第二步，模型架构上做了级联设计：先用一个Track引导的粗规划器，联合预测动作、未来视频和视觉轨迹点，形成一个跨本体共享的任务表征；再叠加一个“力-动作联合精调器”，让预测的力和动作在精调阶段互相塑造。

效果最有说服力的地方在于数据效率：只用10条机器人轨迹，搭配90条人类演示轨迹做微调，FACT在十个精细操作任务上的成功率就超过了基线——这十个任务包括工具使用、乐器演奏和精密实验室流程，全是那种“差一点力度就报废”的活儿。

产业逻辑很清晰：人类演示是唯一能规模化扩展的操作数据来源，但它必须被“补上力觉”才能真正可用。力觉数据不再依赖昂贵的机器人端采集，而是从人类经验中蒸馏——这是数据成本曲线的一次实质性下移。

👓 立体视觉数据的“无中生有”

数据不够，能不能“造”出来？StereoEngine给出了一个更激进的答案。

双目立体视觉正在成为机器人操作，尤其是双臂协同操作的新标配，越来越多VLA模型开始吃立体数据。但现实很骨感：大规模真实世界的立体数据集几乎不存在，此前的立体监督主要来自仿真——而仿真到现实的鸿沟，做过Sim2Real的人都懂。

StereoEngine引入了两条互补的合成路线。第一条是“单目升维”：用估计的深度把左目视频变形到右目视角，再用视频扩散模型修补遮挡区域，把普通单目演示直接变成双目数据对——全程不需要在真实双目数据上训练。第二条是“仿真真化”：在仿真里渲染双目画面，再联合生成左右两个 photorealistic 视角，产出左右一致的数据，连真实视频输入都不需要。

合成质量上，它超过了现有基线；更关键的是下游验证——用这些合成数据做策略的中期训练或任务级微调，双臂操作能力有实质性提升。

这件事的产业含义不亚于当年智驾圈的“影子模式”：数据生产的单位成本被压到了接近内容生成的水平。据多位接近学界的人士私下交流，好几家头部具身公司内部都在评估类似的数据合成管线，只是没谁愿意先公开。当合成数据能稳定地“预训练打底、微调兜底”，真机采集就会退守到最关键的闭环验证环节。

🚗 智驾老将，把“无图”经验搬进生活圈

数据范式之争，不只在论文里，也发生在创业公司的路线图上。

刘念邱很难被归进典型的具身创业者模板。他不是从机器人实验室出来的学者，而是典型的“产业老将”：在英特尔做过新工艺和设备研发，创业做过物联网和工业智能化，2018年加入元戎启行后，从硬件一路做到Robotaxi运营、产品、数据、量产和售后。2026年，他创办了费莫一科技，定位“Physical Agent”——机器人最终要进入开放的生活环境，在不同时间、不同地点替不同的人完成任务。

资本用脚投票的速度很快。费莫一科技甫一创业就拿到IDG资本领投、云启资本、滴滴出行、复星锐正、耀途资本、禾赛科技等跟投的近亿美元种子轮——而刘念邱早期见投资人时，甚至没来得及准备商业计划书。

他最反感的，是当下最流行的“先找一个边界清晰的场景”打法。工厂拧螺丝、酒店送东西、仓库搬运——他不否认这些场景的商业价值，但他的疑问一针见血：如果机器人长期只在一个被高度定义过的环境里工作，它积累的能力，有多少能迁移到另一个场景？

这和元戎启行当年的关键转向如出一辙：认为基于高精地图的方案没有未来，砍掉运营中的Robotaxi业务，全力押注无图路线。创业公司的资源不允许两条线都走。如今他把同样的判断搬进具身智能——不预设机器人是某种“职业”，而是让它在商业区、写字楼、住宅这些“生活圈”里当“伙伴”，帮人取东西、买咖啡、丢垃圾。环境越丰富，遇到的人和任务越多，跨场景迁移能力才越可能长出来。

今年的核心工作是初始数据采集，明年开始多点部署，逐步形成“落地—数据—训练—再落地”的闭环。这套节奏，智驾老兵闭着眼都能背出来。

📊 三条路线，同一个底层判断

把三条线索摆在一起，会发现它们其实在回答同一道题：什么样的数据，决定了什么样的天花板。

看这张图就很明白：真机遥操作数据保真度最高但几乎不可扩展，纯仿真数据扩展性最好但保真度存疑。而合成数据和人类演示共训练，正在向右上角的“理想路线”逼近——这就是为什么两条论文路线都值得认真对待。有意思的是，费莫一科技选择的开放场景实采，短期看落在中间偏右的位置，但它的赌注是：随着部署点增加，这条线会持续右移，最终形成别人没有的场景数据护城河。

据业内流传的说法，几家做数据闭环的团队现在有一个共识性判断：未来两年具身智能公司之间的差距，会更多体现在“数据飞轮转速”上，而不是模型结构的花样上。

⚠️ 冷思考：Demo和产品之间，隔着一整条数据闭环

刘念邱说过一句话，值得每个从业者抄在工位上：一个机器人在Demo里完成10次任务中的1次，和用户任何时候叫它都能完成任务，是两套完全不同的标准。

这句话戳破了行业最流行的幻觉。开放世界的复杂度几乎没有上限，而目前所有数据方案——包括本文讨论的三条路线——都还处在闭环的“输入端”。力觉数据补上了触觉，合成数据补上了视觉广度，开放场景补上了经验密度，但“落地—数据—训练—再落地”这个飞轮，还没有任何一家公司真正转起来过。中间每一环的工程损耗、数据配比、评测标准，都还是open problem。

更现实的约束是商业化节奏。真机部署本身就是重资产投入，费莫一科技的近亿美元种子轮说明资本愿意为数据闭环买早期的单，但种子轮的钱撑不起无限期的采集。如果明年多点部署后的数据质量不及预期，或者FACT这类学术成果在跨本体迁移时遭遇工程折扣，估值回调会来得很快。具身智能不缺信仰，缺的是第一次被验证的完整闭环。

但方向已经没有悬念了。当力觉、立体视觉、开放场景这三块数据拼图被同时推动，具身智能的竞争正在从“谁的模型更大”切换到“谁的数据更真、更广、更便宜”。

小结

两条论文和一笔融资，讲的是同一个故事：具身智能的下半场，赢在数据范式而非模型规模。FACT证明力觉可以从人类经验中规模化蒸馏，StereoEngine证明立体数据可以近乎无限合成，费莫一科技则赌开放场景的经验积累才是真正的护城河。接下来两年值得盯住的信号只有一个——谁先跑通“部署即采集、采集即训练”的完整闭环。那一天到来之前，所有的Demo都只是预热。