具身智能“数据荒”，空间大脑来破局

　不仅有 40 余款大模型、50 余款 AI 终端产品、60 余款智能机器人以及 100 余款「全球首发」「中国首秀」的重磅新品，场馆内还有超过 150 台人形机器人同台亮相。

       跟去年只有 18 个人形机器人，而且其中大多需要带着安全绳不同，今年的机器人都在整花活，打拳击、玩架子鼓、端茶倒水、快递分拣样样精通。

       这些脱离安全绳、在真实场景中协作的机器人，标志着具身智能正从「技术演示」迈向「任务执行」的新阶段。而这一变化背后，是行业对数据驱动范式的集体突破。

       在此次 WAIC 上，商汤科技、腾讯、智元、群核科技等都发布了新项目，各家技术路径不同，但都直指同一目标：让机器人学会在物理世界中「高效犯错」。

       然而要让机器人在复杂的物理世界中真正「学会」犯错并从中成长，其前提是海量、高质量、多样化的训练数据，业内缺的恰恰就是这些数据。

01

       数据成具身智能「卡脖子」问题

       具身智能，无疑是当前科技领域最炙手可热的概念之一。

       据不完全统计，2025 年上半年具身智能领域融资事件达 130 起，是 2024 年全年的 1.9 倍，明确披露金额 96.68 亿元，已超过 2024 年全年总额 89.33 亿元。

       如果计入未公开金额的交易，总规模保守估计也已超 230 亿元。

       然而，商业化落地的现实困境与资本热度形成鲜明反差。人形机器人订单目前仍集中在教育、展示和政府类项目三大范畴，工业与家庭场景渗透缓慢。

       在美国明星具身智能公司 Physical Intelligence 与红点创投的万字对谈中，研究者表明了落地难的三大难关：复杂任务执行能力、环境泛化能力与高可靠性性能。

       其中最后一项「性能」成为当前从实验室走向商用的最大障碍，「它们仍经常失败，目前状态更像是『演示就绪』而非『部署就绪』。」

       而数据短缺，正是横亘在技术理想与商业现实之间的「卡脖子」难题，主要体现在三方面：

     「数据荒」严重：人形机器人发展仅约 5 年，有效数据积累远低于大语言模型所需的 PB 级规模。一个简单动作如抓取杯子，需要 5000 次真实操作数据，而新场景往往需要从零积累，形成「现实鸿沟」。

       采集成本高企：真实世界训练中，机器人每 1000 次动作调试的成本高达数十万元，且需高精度动捕设备和专业操作员。多传感器时序对齐要求毫秒级精度，进一步推高门槛。

     「数据孤岛」林立：企业将数据视为核心竞争力，私有数据集封闭;开源社区数据集又局限于简单任务，复杂场景数据稀缺且缺乏统一质量标准。

       数据困境的本质源于物理世界的复杂性，与自动驾驶不同，机器人需主动与环境发生接触，而接触使问题难度指数级上升，当前行业正探索两条破局路径，真机数据采集和仿真数据合成。

       真机数据派以智元机器人为代表，其建立了百万级真机数据集 AgiBot World，覆盖家居、餐饮、工业、商超和办公五种真实场景。

       仿真数据派则是通过算法生成合成数据，降低采集成本，目前呈现多元化格局，包括物理仿真、视频迁移、空间重建等。

       将合成数据拆解，可以分为场景生成与模拟两个关键部分。相比之下，丰富多样的室内空间生成已经成为系统性能瓶颈，目前主要有两种技术路径。

       一种是合成视频+3D 重建，基于像素流驱动，先生成视频或图像，再重建为点云或 mesh 等非结构化 3D 数据，最终转为结构化语义模型，以群核科技、李飞飞 World Models 为代表。

       另一种是 AIGC 直接合成 3D 数据，利用图神经网络、扩散模型、注意力机制等方法，直接合成结构化空间数据以 ATISS、LEGO-NET 等为代表。

       当前，训练适应复杂物理世界的智能体，亟需大量真实、可交互的三维环境数据作为基础。

       这恰恰是当前的瓶颈——传统仿真环境构建成本高、效率低，而真实世界数据采集又极其困难。

       智能体训练需要高质量数据，尤其是能反映复杂空间关系、物理属性和任务逻辑的三维空间数据。

       现在 3D 圈正在探索新的数据获取方式和呈现方式。其中，3D Gaussian Splatting 技术是其中的热点，它能够快速地从多视角图像重建出高真实感、具备基础物理属性的动态 3D 场景，其高效的数据生成能力和逼真的渲染效果为三维数据生产提供了新范式。

       3D Gaussian Splatting 场景数据给机器人训练提供了新思路。这相当于将前沿图形学技术生成的高质量、低成本、可编辑的三维动态环境数据，直接「喂」给机器人学习算法，能大幅降低仿真环境构建门槛，并提升训练数据的丰富性与真实性。

       作为「杭州六小龙」之一的群核科技，正在进行这条技术路线的探索。

02

       3D 高斯语义数据集，为机器人装上「空间大脑」

       WAIC 开幕前夕，群核科技旗下的空间智能平台 SpatialVerse 发布最新高质量 3D 高斯语义数据集 InteriorGS，旨在为机器人和 AI 智能体提升空间感知能力。

       InteriorGS 数据集包含 1000 个 3D 高斯语义场景，涵盖超 80 种室内环境，赋予智能体「空间大脑」，以提高其环境理解和交互能力，是全球首个适用于智能体自由运动的大规模 3D 数据集。

       近年来，3D 高斯溅射凭借「扫描即可重建场景」的优势，已在文物保护、空间设计等领域落地使用。此次发布的 InteriorGS 数据集，首次将这一技术引入 AI 空间训练领域。

       而 SpatialVerse 区别于传统 3D 技术厂商的关键分水岭，是稀缺的「重建-语义-仿真」全链路闭环能力。绝大多数厂商聚焦于单点突破，或精于 3D 重建算法，产出精美但无生命的静态模型;或专攻物理仿真引擎，却缺乏高质量、带语义的输入场景。

       当下，空间智能与具身智能发展存在两大基础性难题。

       首先是高质量、大规模且可交互的三维场景数据极度匮乏。这并不是指简单的数据量不足，而是指具备真实世界复杂性、支持智能体进行感知、决策与行动验证的沉浸式环境数据的稀缺。

       其次是现有三维数据，包括时下热门的 3D 高斯场景，普遍存在物理属性的系统性缺失这个缺点。无论是静态模型还是渲染模型，如果缺乏对重力、碰撞、材质摩擦、物体运动状态等物理规律的编码，智能体便无法在其中学习推门、避障、抓取等依赖物理交互的基础能力，训练价值会大打折扣。

       面对这两个行业痛点，群核科技依托其深耕室内空间数字化积累的经验，通过 SpatialVerse 开辟出一条具有独家优势的道路：以难以复制的场景数据沉淀为起点，打通「重建-语义-仿真」全链路，构建自增强的「数据飞轮」，最终打造空间智能基座平台。

        以酷家乐平台为核心，群核科技构建了全球规模最大、细节最丰富的室内空间结构化数据集 InteriorNet。这是少有的由可交互三维数据构成的数据集，包含了大量真实户型、精细化家具陈设、材质纹理以及预设可交互逻辑，为智能体提供了近乎真实的虚拟训练场。

       此前，谷歌与斯坦福在具身智能领域的重要论文《FireAct》中，就明确致谢了 SpatialVerse 提供的高质量数据。

       除此之外，群核科技也已形成了一个高效运转、自我强化的「数据飞轮」系统：

       数据层：以 InteriorNet 为代表的海量可交互三维数据，提供初始燃料

       模型层：以 SpatialLM 空间大模型为代表，基于海量数据进行预训练与精调，SpatialLM 拥有空间理解与推理能力，能从复杂场景中解析结构、识别物体、理解关系。其开源版本曾登顶 Hugging Face 趋势榜前三。

       工具层：以空间智能平台 SpatialVerse 为代表，将 SpatialLM 等模型的理解能力融入仿真平台，使其能生成更智能、更符合物理规律的场景，或为现有场景动态添加更丰富的语义与交互可能性。智能体在 SpatialVerse 中的训练行为数据，又能反馈回数据层和模型层，用于优化仿真规则、提升模型精度。

       数据驱动模型优化，模型反哺工具迭代，工具产生新数据，以此形成一条成熟的闭环逻辑。

03

       3D界的 ImageNet，加速 Sim2Real 进化

       有意思的是，WAIC 今年参展的机器人企业里，多数都已经跟 SpatialVerse 达成合作，其中包括智元机器人、银河通用等国内具身智能头部企业。在机器人现场花式整活的背后，藏着不少 SpatialVerse 的身影，比如给机器人学习搓麻将提供「仿真道场」。

       不过，缺数据的不光是机器人，所有 AI 智能体都需要海量 3D 数据，来学习复杂的物理世界。

       透过此次发布的 3D 高斯语义数据集，群核提供的不仅是一个新数据集，更代表了一种应对空间智能核心挑战的系统性解决方案。  

       SpatialVerse 目标是成为空间智能领域的「ImageNet」——就像 ImageNet 推动计算机视觉爆发一样，为 AIGC、XR、具身智能等领域提供「数字道场」。

        SpatialVerse 平台作为空间智能基座，从「根技术」上属于空间智能和物理 AI，天然可以驱动 XR 产业激活以及 AIGC 工作流革新。

       XR 体验的核心在于构建沉浸感、交互性强的虚拟、混合空间。SpatialVerse 的优势在于可以构建高保真虚拟环境、锚定混合现实空间和提高物理交互可信度。

       针对 AIGC 领域，传统 3D 内容创作高度依赖专业人才与工具，而且存在效率低、成本高的情况。SpatialVerse 的海量高质量空间数据与结构化信息，可为生成式 AI 模型提供训练素材。

       将其与 AIGC 技术结合，可实现自动化 3D 场景、物体生成，物理可信的内容仿真以及多模态内容联动。

       空间智能让智能体「看见」并理解世界的几何结构;物理 AI 让智能体「懂得」世界的运行规则;具身智能让智能体能够利用对世界结构和规则的理解，通过一个身体在真实环境中主动交互、学习和完成任务。

       SpatialVerse 的价值具体体现在，加速 Sim2Real 快速进化，缩小「虚拟」与「现实」：

       海量高保真预训练：SpatialVerse 提供涵盖家居、商业、工业、城市等多元场景的海量、高精度空间与物理仿真数据，提升具身智能模型基础的空间认知与物理常识。

       安全高效的空间交互训练场：在 SpatialVerse 构建的虚拟环境中，智能体可以进行无限次的任务尝试与强化学习，在零风险、低成本下快速迭代优化策略。

       群核科技的下一步战略核心是构建开放、繁荣的空间智能生态，并持续攻克未来挑战。

       通过吸引硬件厂商、算法开发者和行业应用伙伴参与，共同打造标准化的数据接口、工具链和解决方案库，打造开放平台同时完善生态协作。

       其次，持续提升仿真精度、探索多智能体协同仿真、强化 AI 在仿真环境中的主动探索与元学习能力、优化 Sim2Real 迁移效率，攻克技术深水区。在构建庞大空间数据库的同时，建立严格的数据隐私保护机制和空间数据使用的伦理规范。

       其最终目标是让「理解物理世界」成为每一个智能体的基本能力。

       无论是家中的服务机器人、工厂的物流机械臂、虚拟世界的数字人，还是手机里的 AR 助手，都能基于对空间结构的精准感知、对物理规则的深刻理解，实现从「感知环境-理解规则-创造价值」的闭环。

       当智能体真正获得感知物理世界的能力，人机协同将迈入新阶段。

       在这场关乎未来的科技竞逐中，谁能率先突破具身智能的「奇点」，谁就将掌握智能时代的主导权。