经济观察报记者 周悦 叠衣服，是千寻智能教机器人做家务的第一课。 在北京海淀的一栋写字楼里，采集员坐在机械臂前，夹起、对齐、折叠、放下——每个动作要重复上百遍，只为让机器人学会"像人一样"进行家务劳动。 在北京的不同区域，类似的训练正同步展开：向西，石景山人形机器人数据训练中心，上百台机器人在"九年一贯制"训练区与"机器人大学"场景区中，学习 开门、拿取物品、插花等动作；向南，北京经济技术开发区（下称"北京亦庄"）的北京人形机器人创新中心（国地共建具身智能机器人创新中心，下称"北 京人形"），则将厨房、客厅、超市、加油站等空间1:1复刻，打造沉浸式的采集工厂，整栋楼里分布着数百台左右数据采集本体，包括人形、轮式、机械臂 等。 经济观察报走访发现，北京多家企业与机构已布局数据采集中心，包括智源研究院、银河通用、北京人形机器人创新中心、星海图与千寻智能等，规模从三 四十人到上百人不等。 当前，具身智能正处于"百家争鸣"的技术探索阶段，路线多元，但一个共识日益清晰：高质量数据，是机器人能否走出实验室、真正进入社会的关键。 与大语言模型依赖海量文本语料不同，具身智能模型必须在真实或仿真环境中学习动作、语言、视觉等多模 ...

Physical Intelligence（PI）的联合创始人Sergey Levine高举支持真实数据的旗帜，这个曾经被视作为机器人领域Open AI的企业，它所引领的方向，真的是行 业的最终答案吗？ 近期，加州大学伯克利分校副教授、Physical Intelligence（PI）的联合创始人Sergey Levine在一篇文章中提到，"机器人数据训练，真实世界数据不可或缺"， 引起了行业讨论。 这一观点之所以引发关注，是因为它挑战了业界部分企业"以仿真数据替代真机"的做法。在训练成本高昂、数据获取难的背景下，企业该优先依赖成本低、 速度快的仿真数据，还是回归真实环境、积累高质量的真机数据，成为摆在每一家具身智能公司面前的一道关键技术选题。 PI 曾被视为机器人领域的 OpenAI，也是国内不少企业的对标对象。7月28日，在2025年世界人工智能大会（WAIC）现场，第一财经采访了多位机器人企业 的创始人和技术负责人，试图厘清一个核心问题：在机器人进入真实场景的关键时刻，什么样的数据才真正有价值？ 业界难定孰优孰劣 "仿真数据很难涵盖所有物理世界中我们希望机器人完成的任务。"智元机器人合伙人、具身业务部总 ...