具身智能领域正掀起一场数据驱动的产业变革。斯坦福大学最新发布的《2026 AI Index Report》显示，尽管机器人在仿真环境中的任务成功率已达89.4%，但进入真实家庭场景后，这一数字骤降至12%。这种显著落差暴露出行业核心痛点——真实交互数据的匮乏。与可直接利用互联网数据训练的大语言模型不同，具身智能需要的是通过物理世界交互产生的"活数据"，这催生了从数据采集到模型验证的全链条服务需求。
博登智能创始人赵捷在接受专访时指出，行业正经历从技术展示向场景落地的关键转型。过去机器人通过表演和教育场景吸引关注的时代已经过去，当前企业更关注线下消费、工业物流等实际场景的突破。这种转变对数据质量提出更高要求：机器人需要采集关节扭矩、触觉反馈、视觉信息等多模态数据，单台设备每小时产生的原始数据量可达数十GB，但其中真正有效的训练样本不足10%。
数据闭环的形成成为突破瓶颈的关键。赵捷介绍，当机器人执行任务失败时，人类介入产生的纠错数据具有特殊价值。例如，机器人连续二十次成功抓取瓶子后突然失败，人类接管完成操作的过程会生成包含"失败触发条件"和"纠正策略"的珍贵数据。这类数据能帮助模型突破能力平台期，其价值是单纯成功案例的数十倍。目前博登智能已建立覆盖500余台实体机器人的数据工厂，年产能达50万小时真机训练数据。
在技术架构层面，该公司构建了三层数据基础设施体系：底层是覆盖家庭、零售、工业等上百类场景的真实世界网络；中层依托自动化质检和智能流水线技术，将原始数据转化为结构化训练资产；顶层则通过现实世界验证平台，确保模型在物理约束、长尾场景等方面的可靠性。这种端到端的能力使客户获得的不仅是数据文件，而是包含持续迭代机制的完整解决方案。
产业竞争格局正在加速分化。赵捷观察到，当前具身智能数据市场呈现"金字塔"结构：底层是仿真合成数据，中层为第一人称视角数据，顶层则是基于真机强化学习的纠错数据。虽然仿真数据成本仅为真机数据的1/20，但模型落地阶段仍需大量真实数据弥补"现实鸿沟"。这导致行业出现明显分层——具备全链条交付能力的企业订单激增，而单纯提供低端采集服务的公司则面临淘汰压力。
财务数据显示，具身智能业务已占博登智能营收的50%，自动驾驶和大模型业务分别占30%和20%。公司目前持有近10亿元订单，计划年内完成5亿元交付。赵捷透露，数据成本通常占机器人研发投入的20%-30%，某些技术路线下这一比例甚至更高。随着500余台实体机器人在宁波、湖州等基地满负荷运转，公司正通过多本体部署策略覆盖不同技术路线需求。
对于行业热议的"泡沫论"，赵捷认为局部过热确实存在。以世界模型领域为例，大量企业扎堆但缺乏差异化竞争力，单纯依靠刷榜证明模型能力的做法已失去说服力。他预测，未来两年将迎来首轮行业洗牌，没有实际订单和交付能力的企业将率先出局。在人形机器人商业化方面，赵捷持谨慎态度，认为当前稳定性问题尚未解决，特定场景的专业机器人可能更早实现盈利。
这场由数据驱动的产业升级正在重塑AI竞争格局。当被问及如何判断机器人公司真正实现落地时，赵捷强调四个核心指标：真实场景覆盖率、数据闭环持续性、模型验证可靠性以及失败后的迭代能力。"真正的进步往往藏在纠错数据里——系统能否记住人类如何修正错误，这决定了技术能否从实验室走向千家万户。"
