编辑｜一砚风雨 186-4914-3149 （商务合作请联系）
来源｜ 中国信通院
资料｜加入付费星球，或者添加小编微信（Battery_Jianghu或文末二维码）领取
本报告导读
规模定律驱动，数据是具身智能发展重要支撑
图灵奖得主理查德·萨顿在《惨痛的教训》一文中指出，回顾人工智能七十余年的发展，随着规模扩展而持续受益的通用学习方法，最终总是更为有效，而且优势巨大。谷歌团队于2009年发表的论文《The Unreasonable Effectiveness of Data》中指出，在机器学习中，数据的规模往往比复杂的模型设计更重要。大语言模型的发展进一步证明了：数据世界的人工智能存在“规模定律（Scaling Law）”，即随着数据规模、模型规模和计算资源的持续扩展，模型能力会不断提升。规模定律已经成为推动人工智能能力突破的重要底层范式。
具身智能作为人工智能与多学科融合的前沿技术，其演进路径的探索主要建立在规模定律成立的假设之上。业界认为，数据驱动的通用学习范式在物理世界依然有效。一方面，视觉语言动作模型、世界模型等通用具身基础模型快速发展，试图将视觉、语言、动作、触觉、力觉等多模态信息统一到同一学习框架中，使模型能够从大规模数据中学习任务语义、物理规律和行动策略。另一方面，产业界和科研界开始遵循“大力出奇迹”的简约扩展策略，用数据驱动的方式，持续整合不同场景、不同任务、不同本体的数据，并依托大规模数据，训练更强大的具身基础模型。
从已有实践看，具身智能模型性能的提升持续受益于数据规模扩展。预训练阶段数据规模的扩大，能够支撑具身智能认知和行动能力的显著提升。2025年11月，美国Generalist AI公司在GEN-0的技术报告中，围绕具身智能领域的规模定律进行了详细讨论，发现预训练数据越多，模型在下游后训练任务上的平均成功率越高，两者之间存在幂律关系。2026年4月，Generalist AI推出了新一代模型GEN-1，使用超过50万小时的真实数据作为预训练数据，在折叠T恤、折叠纸盒、打包手机等任务上的平均成功率达到99%。对比来看，GEN-1的预训练数据较前代GEN-0模型多近1倍，平均任务成功率也提升了约1.5倍。英伟达高级研究科学家Jim Fan认为，具身智能领域正在复刻大语言模型的发展路径。其团队发布的EgoScale论文研究表明，大规模数据能帮助模型学习操作技能，且数据规模与模型验证损失之间存在清晰的对数线性关系。行业越来越倾向于认为，足够多的数据，是具身智能享受规模定律红利的前提。
然而，在数据从何而来这一问题上，具身智能与大语言模型存在天然差异，前者无法复制后者的数据积累路径。对大语言模型而言，有上千年的文字沉淀和全球超60亿网民持续贡献数据，相关机构预测互联网上的文本资料约有300万亿词元（token）。对具身智能来说，所需的视觉、动作、关节扭矩、力触觉等多模态交互数据，此前从未被系统性记录，也无法从互联网直接获取，只能从零逐条生产。行业正沿着仿真和真实两条路径缩小数据差距。一方面，依托物理仿真、数字孪生、世界模型和其他生成式方法，能够快速、低成本地获取仿真合成数据；另一方面，不断完善数据采集系统和本体硬件，持续采集真实数据。人工智能科学家、World Lab公司创始人兼CEO李飞飞近期的访谈6中提到，仿真数据与真实数据是互补关系，仿真能够提供可扩展、可控制的大规模训练数据，但无法替代真实数据。真实数据能够提供真实世界的物理约束和分布特性，是模型最终落地不可缺少的部分。然而当前真实数据面临巨大的资源缺口。据相关预测，假设实现机器人“ChatGPT”时刻的模型参数量级为55B，按大语言模型的缩放定律，训练所需数据量约1.1万亿token7。若全部由真机回流提供，按控制频率8Hz、每步约3个预测token、每天有效交互2小时、每年工作300天测算，约需21200台机器人连续工作一年，产出千万小时级有效数据。而当前全球可用的高质量真实数据仅数十万至百万小时级，远未达到支撑具身基础模型智能涌现的门槛。
全文联系小编领取
【免责声明】本文摘自网络，版权归原作者所有，仅用于技术分享与交流，非商业用途！对文中观点判断均保持中立，若您认为文中来源标注与事实不符，若有涉及版权等请告知，将及时修订删除，谢谢大家的关注！
【小编寄语】在新能源的道路上，不论你同行与否，不论你觉得这条路上有多少满意或者不满意的事情，也不论你觉得身边人都是普通人或者英雄，但最终这群人的奋斗都会让中国的科技横扫这个世界。浅尝江湖水，深品其中意，再闻已是江湖人——《锂电江湖》
●【JH-10344】民用无人机市场白皮书（精简版）（56页）
●【JH-10280】中国载人eVTOL行业白皮书（33页）
●【JH-10263】如何捕捉电池板块的投资新机遇？（51页）
●【JH-10239】2025年中国工业机器人行业白皮书（51页）
●【JH-10202】硫化物固态电池：技术路线、发展现状、发展趋势及相关公司深度梳理（21页）
●【JH-10191】固态电池：锂电皇冠上的明珠，产业化浪潮将至（27页）
●【JH-10171】低空经济行业发展趋势与路径研究报告（68页）
●【JH-10141】2025固态电池产业链研究报告：技术迭代、百舸争流，电池产业开启新纪元（101页）
●【JH-10114】下一阶段人形机器人如何投资？(26页）
●【JH-10100】储能需求超预期的原因是什么？（21页）
●【JH-10067】2025中国独立储能发展报告(42页）
●【JH-9928】全固态电池：锂电池的下一代解决方案（34页）
●【JH-9932】锂钴行业研究框架：新能源金属拐点分析（56页）
●【JH-9857】中国新型储能发展报告（2025）（54页）
☟
☟
