对话博登智能赵捷：十亿订单在手，具身智能最缺的仍是高质量数据

具身智能的数据生意正在迅速升温。

斯坦福大学《2026 AI Index Report》给出了一组很有代表性的数字：机器人在仿真操作基准中的任务成功率已经达到89.4%，可一旦走进真实家庭环境，成功率却只剩12%。这背后其实点出了一个关键问题——具身智能和大语言模型所依赖的数据，根本不是一回事。互联网数据可以被直接拿来训练语言和视觉模型，但机器人的真实数据不行，它必须在现实世界的交互中，一条一条地生成出来。

训练新模型需要覆盖不同本体、任务和环境的数据，模型上线后，还要利用真实数据验证泛化能力。机器人运行中产生的失败样本和人类接管数据，则需要回流训练环节，形成采集—训练—部署—反馈的持续闭环。

博登智能正在做这门生意。博登智能创始人&CEO赵捷表示，公司希望从单一的数据采集、标注业务，拓展为覆盖采集、标注、训练与验证全链路的物理 AI 基础设施服务体系。

在博登智能的业务结构中，目前具身智能业务占比约为 50%，自动驾驶和大模型业务分别约占 30%和 20%，公司目前在手接近 10 亿元订单，计划年内完成约5亿元交付。

赵捷此前经历过自动驾驶数据产业的扩张周期，在他看来，具身智能正在重演相似路径，本体和模型先受到关注，随后行业才意识到，数据质量、验证体系和交付能力决定模型能否真正落地。

他对行业当下的“泡沫论“并不悲观，但认为世界模型等局部方向已经出现同质化，没有订单和交付能力的公司可能较早进入淘汰阶段。对于人形机器人，他同样持谨慎乐观态度，形态不是落地的前提，有明确任务的机器人可能更早产生收入。

博登智能在资本市场上动作频频，已顺利完成数亿元的A+轮及A++轮融资。为了夯实技术底座，公司在宁波、湖州、马鞍山三地布局了三大具身机器人创新中心，总占地面积突破3万平方米。这里不仅部署了500余台多型号实体机器人，还配备了数千套自产Ego采集设备，构建起了强大的数据生产力——这意味着它具备年产50万小时真机训练数据以及百万小时级Ego场景数据的稳定产能。

2026年世界人工智能大会（WAIC）期间，钛媒体与博登智能创始人兼CEO赵捷展开对话，围绕具身智能的数据缺口、真机数据的商业化、数据公司的竞争壁垒，以及世界模型和人形机器人行业的下一轮洗牌进行了讨论。

以下为对话实录，经钛媒体编辑整理：具身智能，为什么卡在数据

钛媒体：看完整个展会，你觉得具身智能行业出现了哪些变化？

赵捷： 最明显的变化，是大家正从做 Demo 转向寻找具体的落地场景。

以前机器人跳舞、表演，或者进入教育场景，就能获得很多关注，但表演和教育市场的空间终归有限。现在大家开始关注线下消费、工业和物流分拣，已经有一些公司在这些方向上做出结果。

第二个变化是，数据越来越成为行业共识。无论是第一人称视角数据，还是真机数据，大家都意识到，想做好机器人的大脑模型，需要足够多的数据。很多本体厂和实验室也开始自己搭建数据能力。

钛媒体：这是否意味着行业已经从展示能力进入交付能力阶段？

赵捷： 行业正在往这个方向走，但还不能说已经完成了转变。

展示可以让大家看到技术上限，真正进入场景，则要求稳定性、成本和效率同时成立。机器人在台上完成一次任务，和它在工厂里每天工作，是两件完全不同的事。

机器人进入真实场景后，数据会持续产生：哪里成功了，哪里失败了，人在什么时候介入。这些数据还要回到训练环节，影响下一轮模型迭代。

钛媒体：具身智能目前最大的卡点是什么？

赵捷： 数据。硬件本体当然也存在问题，但最大的卡点仍然是数据。

机器人需要的是多模态数据。从关节的扭矩、位置和速度，到手部触觉、视觉，未来还可能加入电子皮肤等新的传感器。这些信息都要同步采集。

目前能够提供给机器人训练的数据，与整个行业的需求相比仍然很少。当数据达到一定量级后，我们相信模型能力也会越来越强。

钛媒体：机器人数据和自动驾驶数据最大的区别是什么？

赵捷：机器人的任务和动作更加复杂。

自动驾驶早期可以从分类、目标检测等任务开始，机器人不仅要理解场景，还要与物理世界发生交互、完成操作。只用某一个场景或某一个指标，很难全面评价机器人的大脑模型。

未来的评估体系会包含任务完成的准确度、流畅度，对目标距离和位置信息的感知，以及动作是否自然等多个维度。它应该是一套综合评估体系，而不只是一张榜单。

钛媒体：具身智能数据可以分为哪些类型？

赵捷：可以把它理解成一个金字塔。

底层是仿真、合成数据和互联网数据；中间有第一人称视角的 Ego 数据和第三人称数据；顶层是真机遥操作数据。不同类型的数据会长期共存，不是哪一种完全替代另一种。

真机数据获取难度更高、成本最高，但单条数据的价值也最大。比普通真机数据更有价值的，是机器人执行任务时由人类介入产生的数据，也就是基于真机强化学习形成的训练数据。

钛媒体：人类介入的数据为什么更有价值？

赵捷： 因为它采集到的是机器人的失败案例。

比如一个机器人拿瓶子，连续二十次都成功，第二十一次失败了。这个时候人类介入，把瓶子重新拿起来。这条数据会告诉模型，它在什么情况下失败，人类又是怎样纠正的。

当模型能力进入平台期后，再增加大量相似的成功数据，带来的提升可能不明显。失败数据暴露的是模型还没有解决的问题，因此更有价值。

钛媒体：真机数据的成本更高，行业能否更多依赖仿真和合成数据？

赵捷：仿真和合成数据肯定会长期存在。模型训练的底层可以使用仿真、互联网和人类操作数据，但到了真正落地的时候，仍然离不开真机数据。

如果一开始大量使用仿真数据，后续就需要用更多真实场景数据弥补 Sim2Real 的差距。如果从真机数据开始，前期成本更高，但模型可能收敛得更快。

有一句话我很认同：用不上的数据才是最贵的。不能只看一条数据的价格，而要看它包含多少有效信息，能不能真正改善模型。

钛媒体：具身智能数据会像传统外包业务一样，完成一个项目就结束吗？

赵捷：不会，它会是一种持续需求。

模型要不断迭代，新的传感器会加入，机器人也会进入新的场景。即使自动驾驶发展到今天，数据需求仍然在增长。具身智能还处于更早的阶段，未来数据量和数据标准都会继续增加。

如何把数据做成基础设施

钛媒体：博登智能为什么会从自动驾驶和大模型数据进入具身智能？

赵捷：Physical AI 是这两年刚刚兴起的，大家都在搭建基础设施。

我们过去做过自动驾驶和大模型数据，经历了数据采集、标注、训练和验证的完整过程。这些能力可以迁移到具身智能，但机器人数据又提出了新的要求。

我们不希望别人提到博登，只把它理解成一家数据采集公司。我们希望客户训练模型、验证模型时都能想到博登。我们的定位，是提供一套覆盖采集、标注、训练和验证的数据能力。

数据采集只是起点。最终的竞争是能不能交付高质量数据集，以及能不能验证这套数据是否真正提高了模型能力。

钛媒体：除了数据采集，博登的数据基础设施还包括什么？

赵捷：可以概括为三层。

第一层是真实世界场景网络。我们在宁波、马鞍山和湖州建设了三个具身机器人创新中心，覆盖家庭、零售、工业、办公和仓储等上百类场景，部署了500多台机器人和数千套 Ego 数据采集设备。目前每年可生产约50万小时真机数据和百万小时级 Ego 数据。

第二层是自动化数据引擎，依托自动化质检、物理一致性校验、智能数据流水线三大核心能力，把视觉、力觉、关节状态和动作轨迹等原始数据，转化为可以直接用于训练的数据资产。

第三层是现实世界验证。模型在仿真环境中表现好，不代表进入真实场景后仍然可靠。我们会验证模型的行为一致性、物理约束和长尾场景鲁棒性，再把发现的问题转化为下一轮训练数据。

钛媒体：Boden Cloud在这套体系中承担什么角色？

赵捷：Boden Cloud负责把数据采集、标注治理、模型训练和现实验证连接起来，主要由三个平台组成。

BRIC负责采集视觉、力觉、关节角度和动作轨迹等多模态数据；BASE通过200多个预标注模型和人工校正，把原始数据加工成训练数据，部分任务效率最高可以提升7倍，综合准确率超过99%；Blink负责数据版本、算力和工作流的统一管理。

客户最终拿到的不是一批孤立的数据文件，而是一套可以持续生产、训练、验证和迭代的数据闭环。

钛媒体：客户会关注你们的平台能力吗？

赵捷：客户最关心的是，你能不能提供高质量数据，这些数据能不能用于训练模型。平台具体怎样，他们未必关心。

但对我们来说，平台很重要。因为高质量数据不是只靠增加人手就能生产出来。怎样定义任务、怎样做质量控制、如何管理供应链、如何理解客户的模型，以及怎样验证数据效果，这些能力都要沉淀在平台里。

钛媒体：数据行业未来的竞争壁垒是什么？

赵捷：采集只是起点，核心是怎样提供高质量数据集。

第一是平台能力，包括算法和软件；第二是供应链和项目管理，真机数据生产仍然需要大量运营人员；第三是对数据和客户模型的理解，以及模型验证能力；第四是能不能形成可以复用的数据产品。

它不是由某一个算法决定的，而是一套综合能力。客户最后会看质量、成本和交付速度，也会看这批数据是否真正提高了模型能力。

钛媒体：客户目前通常怎样采购机器人数据？

赵捷：真机数据通常按小时采购。客户的需求已经从较小规模，走向数万小时、十万小时甚至更大的项目。

客户买的虽然是小时数，但我们不能把它理解成简单的工时生意。任务是否有效、数据能否进入训练、模型能不能因此得到提升，才决定这些小时有没有价值。

钛媒体：机器人公司在数据上要投入多少钱？

赵捷：根据我们的观察，数据成本大约占相关研发投入的20%到30%，有些公司可能更高。每家公司的技术路线不同，成本构成也不一样。

例如，美国的 Physical Intelligence以及国内一些团队，更偏向从真机数据开始训练。也有公司先使用大量仿真、互联网和人类动作数据，再利用真机数据完成落地。

无论采用哪条路线，到了训练和验证阶段都绕不开真机数据。技术路线不是零和一，世界模型和 VLA会长期共存，仿真数据和真机数据也会长期共存。模型在不同阶段，需要不同的数据组合。

钛媒体：博登智能目前的订单和交付情况怎样？

赵捷：我们目前获得的订单接近10亿元，希望今年先完成约5亿元交付。很多订单需要预付款，根据项目不同，比例大约在20%到30%。

现在训练场里的机器人基本处于满负荷状态。我们也在扩充训练基地和机器人本体，采购来自多家厂商，不会只使用一种机器人。

钛媒体：训练场的成本主要由哪些部分构成？

赵捷：大致可以分为本体、运营和场地三部分。本体和运营分别约占40%，场地约占20%。

机器人本体的更新周期很快，我们内部会按照一年半到两年左右考虑淘汰和更新。本体变化会增加数据生产的复杂度，不同机器人有不同的关节和控制方式，同一个任务不一定能直接复用。

但使用多种本体，也能帮助数据覆盖更多技术路线。

钛媒体：博登目前几块业务的占比怎样？

赵捷：具身智能业务约占50%，自动驾驶约占30%，大模型约占20%。

增长最快的是具身智能，因为去年才刚开始，今年仍处在非常早期的高速增长阶段。自动驾驶业务每年仍有约20%到30%的增长。大模型业务也在增长，但公司现阶段会把更多资源投入具身智能。

泡沫退去后，谁能真正进入场景

钛媒体：现在具身智能行业很热，你认为存在泡沫吗？

赵捷：一个行业如果一点泡沫都没有，说明这个行业可能根本不值得投资。我们现在还远没有到只谈泡沫的时候。

但局部确实存在泡沫。比如世界模型，做的公司太多了。不是世界模型不好，而是很多公司讲不清自己的世界模型和别人的区别，也讲不清核心竞争力。

现在大家经常通过刷榜证明模型能力，不过Benchmark已经不再足够作为唯一依据，就像两个高中生做小学试卷，两个人都考一百分，这张试卷就无法说明谁更强。

钛媒体：哪些公司可能先被淘汰？

赵捷：没有实际订单，也没有很强交付能力的公司，会先承受压力。

我判断明年开始，一些世界模型公司可能会逐渐被淘汰。具身智能产业链各环节——本体、模型和数据——都将迎来深度调整，第一轮较为剧烈的优胜劣汰可能在未来两三年内显现。

有些公司很会讲故事，有些公司真正投入资源做工程。市场热的时候，两类公司都能存在；到了交付阶段，差异会越来越明显。

钛媒体：你怎么看人形机器人的商业化速度？

赵捷：我不想给行业泼冷水，但我并不认为人形机器人马上能在很多场景里产生效益。它目前有一个很大的问题，就是稳定性。

在一些工业场景里，可能并不需要完整的人形。两只机械臂，加上视觉系统和足够强的大脑模型，就能解决很多任务。

决定商业化的不是外形，而是有没有确定的场景，能不能稳定完成工作。

钛媒体：有明确场景的机器人，会更早形成数据飞轮吗？

赵捷：会。机器人先具备一定的模型能力，再进入真实场景工作；工作过程中继续采集失败和人类介入的数据，然后用这些数据训练模型。模型变得更好以后，机器人能完成更多任务，又会产生新的数据。

没有真实场景，这个循环很难启动。所以我更关注机器人能不能先做好一件确定的事，而不是一开始就做一个什么都能干的人形机器人。

钛媒体：行业最终会怎样判断一家机器人公司是否真正实现落地？

赵捷：不会只看它发布了什么视频、做了什么表演。

要看它有没有真实订单和应用场景，有没有持续的数据，模型能力能不能被验证，以及失败以后能不能继续变好。

机器人真正的进步，有时就藏在一次失败之后：它有没有记住，人类当时是怎样把错误纠正过来的。（本文作者 ｜ 张帅，编辑 ｜ 杨林）