让机器人刮胡子的人，不信数据堆量

2021年，卢策吾办了一场具身智能论坛，到场7个人，讲到一半走了三四个；隔壁计算机视觉会场，坐了几百人。四年后，这条赛道吸走了风投业最热的钱。

但最热的时候，这位穹彻智能的联合创始人兼CEO反而变得"吝啬"——不给拍脑袋的答案，凡事拿实验说话。他甚至做了件听起来疯狂的事：让机器人拿刀片给自己刮胡子。

这背后藏着当前具身智能行业最危险的一场认知战：到底该信数据总量，还是信数据之外的东西？

🪒 一把刀片，测的不是勇气是泛化

先说这个刮胡子实验本身。

卢策吾大概是世界上第一个让机器人拿刀片给自己刮胡子的人。这个动作看似行为艺术，实际是具身智能里最难的一类测试：接触式操作、高安全要求、毫秒级力控反馈。刀片贴在脸上，模型只要有一次没收敛的输出，实验者就要见血。

这不是炫技。敢做这个实验，前提是系统对未见过的情况有足够的泛化与兜底能力——数据里不会有"给卢策吾刮胡子"这一条，机器人面对的是训练分布之外的真实世界。

卢策吾的履历撑得起这种激进：2014年他去斯坦福大学人工智能实验室做博士后，师从李飞飞；2023年，他牵头撰写并确立了"具身智能"的中文标准术语定义，由中国计算机学会发布；同年11月，穹彻智能从非夕科技孵化成立，他出任CEO兼首席科学家。机器人顶会最佳论文榜上，也常有他的名字。

产业逻辑在这里很清晰：当操作精度和安全要求高到一定程度，堆数据的边际收益会快速下降。擦桌子可以错十次重来，刮胡子一次都不能错。前者靠模仿学习灌数据就能做到80分，后者的最后20分，靠的是力控本体的积累、对物理世界的先验建模，以及安全兜底架构——这些恰恰是"数据总量"这个单一指标衡量不了的东西。

📉 从7个人到最热赛道：转折发生在2023

具身智能的爆发不是匀速的，转折点非常明确——2023年。

那年7月，谷歌把大模型直接接到机器人的动作输出上，发布RT-2，VLA（视觉-语言-动作）路线由此起步——"大模型+机器人"第一次有了跑通的技术范式。8月，宇树推出首款通用人形机器人H1。11月，穹彻智能成立。此后资本涌入，全球具身智能赛道成为吸金重镇。

回头看卢策吾2021年那场只有7个听众的论坛，你会发现行业热度的钟摆摆得有多快：2021年具身智能是无人问津的冷门，2025年已经是VC连夜排队的地方。

但冷清里走出来的人，往往对热闹最警惕。据多位接近行业的人士透露，各家数据采集团队这几年疯狂扩编，遥操作真机的工位一个接一个排开，"采集小时数"成了融资PPT上的核心数字。

这就是问题所在：当所有玩家都用同一个指标讲故事，这个指标就失效了。百万小时遥操作数据，本质上是在用人力堆一个统计分布——它能教会机器人擦桌子、叠衣服，但教不会它面对刀片时的分寸感。

⚠️ 百万小时幻觉：数据不是不够，是结构不对

卢策吾在中文世界提出了"无本体采集"的概念——不依赖真机本体，从人类视频、互联网数据中提取可迁移的动作知识。

这背后是对"数据堆量"路线的直接质疑。目前行业里的数据来源大致分四类，各有各的账：

产业逻辑很直白：真机遥操作这条路的物理天花板已经写死了——全球没有任何一家公司能靠人力采到覆盖真实世界长尾场景的数据量。迷信百万小时数的人，是在用工业时代的产能思维解决智能时代的泛化问题。

这也能解释为什么穹彻智能敢做刮胡子实验——答案不在数据量里，而在数据之外：力控本体的硬件积累、对物理接触的建模、把无本体采集的先验和真机反馈对齐起来的系统能力。数据是燃料，但发动机不是数据本身。

🏆 榜单开始说话：自进化路线的另一重信号

数据幻觉之外，另一条战线也在打响——基准评测。

在RoboDojo-Agent榜单上，GPT-6 Astra拿了28.97分，而Manifold AI的流形空间把分数拉到了46.58，给"机器人自进化"技术路线立了标杆。这个分差传递的信息很硬：单纯靠基础模型能力下沉，并不意味着机器人在物理世界的任务上就自动变强。大模型 Intelligence ≠ Embodied Intelligence，两套考卷的评分标准完全不同。

把玩家放进四象限里看，格局会更清楚：

• 真机遥操作堆量路线（右下偏左）：落地快但泛化弱，天花板可见，正滑向存量玩家区；
• VLA基础模型路线（谷歌RT-2系）：泛化潜力大，但落地价值还在兑现早期；
• 自进化路线（Manifold AI流形空间）：在基准上开始拉开分差，商业化验证待补课；
• 安全泛化+无本体采集路线（穹彻智能）：用刮胡子这类高难度接触操作证明能力上限，向领跑者象限移动。

值得注意的是，这几条路线并非互相替代，而是互补的栈位关系——先验、反馈、自进化，最终要拧成一个系统。但资本叙事往往把简单的那条线讲成终局，这正是"百万小时幻觉"屡屡奏效的土壤。

💡 判断：比数据更贵的，是数据用不起来的人

收敛一下这轮产业逻辑。

第一，数据规模竞赛的上半场已经结束。真机遥操作数据的采集成本和分布局限决定了它只能打底，不能封顶。2024年后入场、还在用"小时数"讲故事的团队，讲的大多是去年往前翻的历史。

第二，安全是具身智能从演示走向商用的硬门槛。刮胡子实验的真正价值，是把"系统泛化+安全兜底"这个模糊概念变成了一个可感知的极限测试。服务机器人要进家庭、人形机器人要进产线柔性工位，绕不开这一关。

第三，评测基准正在成为新的话语权战场。当RoboDojo-Agent这类榜单开始区分模型分数和具身分数，行业的评价体系就在从"融资叙事"向"工程实证"迁移。这对务实的团队是好消息，对概念玩家是坏消息。

小结

2021年7个人的会场，2023年的技术转折，2025年的数据幻觉之争——具身智能用四年时间走完了概念普及，现在开始走最难的那段路：把演示变成产品，把小时数变成泛化能力。

卢策吾的刮胡子实验和Manifold AI的榜单登顶，指向同一个判断：下一阶段的胜负手不在数据总量，而在数据的结构、物理先验的深度和系统的自进化能力。当潮水退去，能拿刀片不伤人的团队，才配谈量产。而那些还在PPT上数百万小时的，建议先回答一个问题——你的数据，机器人真的用得起来吗？