中国人形机器人不仅在追赶对手，还在数据这条赛道上真正实现了“弯道超车”。
8月17日那天，一台名叫“超人”的中国人形机器人，以每秒12.66米的速度冲了出去——这一成绩超过了博尔特保持的纪录，可惜冲刺之后它一头撞上了墙壁。
这场既风光又略显尴尬的表演，让市场对制造商宇树科技的追捧又添了一把火。两天之后，宇树科技登陆上海资本市场，首日股价飙升460%。
然而，“超人”撞墙收场的这一幕，也从侧面暴露出这项技术距离真正成熟还有很长的路要走。业内预计，今年中国企业卖出的人形机器人将达到5万台，是去年的三倍还多。
硬件层面的难题，如今大体已经被攻克，但软件完全是另一回事。
想让机器人像人一样流畅地完成各种实用任务，前提是训练出足够强大的基础模型，而这就必须依赖海量数据的积累。当前这代人形机器人所依托的模型，参数量大约是几十亿；若真要贴近人体运作的复杂程度，参数规模恐怕得跃升至数千亿级别。
这样一来，机器人模型的体量将逐渐逼近支撑聊天机器人运转的大型语言模型。
区别在于：聊天机器人能从互联网海量文本中汲取养分进行训练；而机器人要学会“认出杯子、拿起杯子、把咖啡倒进去”，数据收集的难度却要大得多。
从自身所处的空间位置，到玻璃杯有多易碎，再到杯中液体的黏稠程度，机器人必须把这些信息统统弄明白——而这些认知，只能来自真实世界里的反复操作，或者高度逼真的仿真环境。
眼下，人形机器人所依赖的数据来源相当庞杂，不少还是质量欠佳的仿真数据。相比之下，来自现实世界的数据价值高得多，也因此成了各方争抢的稀缺资源。
其中含金量最高的，是机器人真实作业时产生的“真机数据”——既可以是人在后台远程操控的结果，也可以是机器人独立完成任务时留下的记录。
除此之外还有一类重要来源，就是把人类完成任务的一举一动记录下来，业内称之为“第一视角数据”。采集时，人需要戴上头显、触觉手套之类的设备，用来捕捉身体的每一个动作。
借助湖北人形机器人创新中心这样的训练基地，中国正快速在真机数据的争夺中抢占先机。
在中国中部城市武汉，这处占地颇广的基地里，每天最多能有100台机器人连续几个小时盯着人类的动作、亦步亦趋地模仿。
几十个工作站当中，有一个被布置成模拟咖啡店的样子。柜台后方，一名年轻男子戴着数字传感手套，手掌画着圈，仿佛正往咖啡上浇热水；旁边一台机器人有样学样，握着水壶把真正的热水倒进装着咖啡粉的滤杯里。
那台机器人手腕与手指的动作，逼真到了让人略感毛骨悚然的地步。
从这间“临时咖啡馆”往前走几步，是一处布置得像药店的场景——一组人机搭档正合力把商品摆上货架。旁边是便利店，再往里走是工厂流水线，后面还陆续排布着各种其他工作场景。
此前，这类训练基地一向对外国记者关闭大门。
据咨询机构Interact Analysis统计，武汉这座基地不过是中国专门用于捕捉人类动作规律的53座训练设施之一，其中大多数都是最近两年才建起来的；此外，还有34座正在建设或规划当中。
上海一座在建的中心，未来可同时容纳1000台人形机器人；而在中国东部沿海的浙江省，某座小城甚至已经一口气建起六座训练中心。
建这样的中心，不仅要占用大量场地、配备众多人手，还得配置一支规模可观的顶尖人形机器人“队伍”——每台的造价可能高达10万元人民币，折合约1.5万美元。
效率却算不上高。就拿那台在模拟咖啡店里练手的机器人来说，即便连续倒上8个小时的咖啡，真正能派上用场的数据也只有约3小时；剩下的大多因操作失误而被舍弃，毕竟工程师可不想让机器人把错误动作也学了去。
汇丰银行的陈科里估算，这类训练每小时成本大约在500至700元人民币之间。按某种测算方法，要让机器人具备完成大量日常任务的能力，累计需要的训练数据总量高达1亿小时。
对宇树科技这样的中国企业而言，值得庆幸的是：训练中心的账单，大部分由政府在埋单。
大约五分之四的训练中心背后都有政府资金撑腰，很多是由民营企业和地方政府联手打造——地方政府出钱采购人形机器人，再把机器人产生的数据回售给企业。
各方给出的估算数字略有出入，但2026年上半年，中国产出的人形机器人当中，最多可能有七成——约1.3万台——最终流向了这类训练中心。
地方政府热衷建设训练中心，某种程度上也是在为本地机器人制造企业撑腰、托底需求。
与此同时，中国的机器人制造商也没闲着，正想方设法从国内庞大的制造业工人群体，乃至大量待业年轻人身上，采集第一视角数据。
围绕这块需求，一个专做可穿戴数据采集设备的小产业已经悄然兴起。部分企业甚至鼓励年轻人把“在家戴设备采集动作数据”当成一份兼职来做。
中国电商巨头京东今年早些时候透露，已经启动一项计划：拟向10万名员工，以及另外50万人支付报酬，请他们记录自己的日常动作。
据报道，京东在江苏——中国东部沿海省份——设有一处拿到政府资金支持的场地，专门付费请人在模拟超市等场景里完成各类任务。京东计划未来两年内积累1000万小时的数据，力求覆盖现实世界中人类活动的方方面面。
不过，人类留下的第一视角数据，实用性远不及真机数据，原因很简单——人的肢体运动方式，跟机器人相差实在太大。
即便其中部分数据能派上用场，也必须经过人工标注：一个动作对应哪条“肢体”、属于哪一类行为，都得靠人工逐一标记清楚。
不过，一位机器人企业的工程师提到，当年中国正是靠雇佣大批人力给图片打标签，才在图像识别领域率先站稳脚跟；这一次，类似的路径很可能会再度上演。
中国人形机器人产业的发展路径，和过去那些取得成功的制造业模式相比，完全是另一套打法。
未来几年，中国或许会造出并卖出几十万台价格不菲、却谈不上有多少实际用处的机器——图的就是有朝一日，能真正做出便宜又好用的机器人。
宇树科技上市首日股价一飞冲天，如今已经回落了30%。
相比之下，美国的竞争对手更倾向于走成本更低的训练路子。据称，美国最大的人形机器人制造商特斯拉，直接把训练场设在自家仓库里，省下了另建专门训练设施的开销。
也有不少企业选择用人类活动的视频素材来训练人形机器人。
如今美国工厂里的工人已经不多，很难凑齐足够的人手去佩戴设备采集第一视角数据。据报道，一些企业因此把目光投向了更贫穷的国家，付钱请当地工人上班时戴上头显和触觉手套——那里的工资水平，甚至比中国还低。
即便如此，就像当年在计算机视觉领域一样，中国几乎可以肯定，仍将在机器人数据采集这条赛道上保持领先。
问题只在于：这份领先，究竟要付出多大的代价？
从当下的技术水平，以及后续改进所需的时间来推算，人形机器人真正走向成熟商业市场，恐怕在本世纪20年代结束前都难以实现。
摩根士丹利预计，到2030年，中国每年售出的机器人数量可能逼近45万台。
而这其中，相当一部分恐怕依旧算不上聪明，说不定还会继续一头撞上墙。
