为什么说 2026 是人形机器人的数据之年
硬件在出货，算力可租用。2026 年，卡住人形机器人的约束是训练数据。为什么那道墙移到了数据层，本文讲清楚其中的逻辑。
2025 年，一台人形机器人走过仓库地面，不再是一场演示，而开始成为一个成本条目。Figure、1X 和 Agility 都把机器搬出实验室，送进了付费试点。硬件，这个多年来的笑柄，大体上能用了。而恰恰就在这时，真正的问题走到了聚光灯下。
一台能站立、能平衡、能动手的人形机器人，和一台知道该拿这双手做什么的人形机器人，不是一回事。身体是一个平台。行为是一个策略，而一个策略的好坏，取决于它从中学习的示范。到了 2026 年，横在一台会走路的机器人和一台有用的机器人之间的，不是电机或算力，而是数据。
这就是值得直白说出的论点：这一年，卡住人形机器人的约束移到了数据层。不是因为硬件和算力已被永远解决，而是因为它们不再是你最先撞上的那堵墙。
硬件这个借口过期了
有十年之久，对于机器人为什么做不了更多，诚实的答案就是机器人本身。手笨拙。执行器要么无力、要么抽搐。电池会没电。平衡本身就是一个研究课题。这一切如今即便算不上收尾，也已足够好到可以部署。来自 Figure、1X 和 Agility 的商用人形机器人，正在真实的场所里做着重复性工作，而 国际机器人联合会（IFR）一直在追踪人形机器人这些头条之下那一场稳步推进的工业铺开。
移动是最上镜、也最先被解决的那部分。行走、平衡、上楼梯、被推一把也不倒：这些大多是动力学与控制问题，多年的研究加上更好的执行器，已经把它们变得可解。操控则是更难、更安静的另一半。怎么抓起一个软袋、拉链需要多大的力、一个零件到底有没有卡到位，这不是你能调出来的增益。它是一种机器人必须从示例中学到的行为。
这并不意味着硬件已经收工。手仍是薄弱环节，灵巧度还有很长的路要走。但瓶颈移动了。当一台机器在物理上已能完成一项任务、却仍然失败时，失败就不再出在手腕上。它出在驱动手腕的那个策略上，而策略是一个数据问题。
算力从来就不会是那堵墙
算力的故事更短。训练一个机器人策略并不便宜，但它也不是训练一个前沿语言模型所变成的那种奇高、国家级的开销。GPU 是现成的。你可以按小时租用。这里没有什么物理定律在被硬顶，你和更多算力之间，也没有一座耗时数年的晶圆厂在排队。机器人策略也远比前沿语言模型小，所以训练本身更短、更便宜。
算力是一张你写得出的支票。单单这一个事实，就重塑了整个问题。当稀缺的那项输入是钱可以随时买到的东西时，它就不是你的约束。约束是你没法随意直接购买的那样东西，而对具身学习来说，那就是一份庞大、干净的物理行为记录。
一个受数据约束的领域是什么样子
语言模型有互联网：一个既已存在、近乎免费的训练语料，是人类为别的目的生成的。机器人没有这样的横财。没有一份积累下来的档案，记录着人们做真实体力活时同步的视频、力和手部动作，因为几乎没有人在做这些时身上装着传感器。每一段有用的示范，都必须被刻意地生产出来，一段记录接着一段记录。
这道规模鸿沟很容易被低估。一个前沿语言模型训练所用的语料，以万亿级 token 计，采集的边际成本几近于零。而最大的开放机器人操控数据集，是以数千小时计的，每一小时都用人的时间买来。粗略地说，这两条供给曲线根本不在一个量级上，而这么大的差距，光靠更聪明的架构，谁也补不上。
| 约束 | 过去的拦路石 | 到 2026 年的状态 |
|---|---|---|
| 硬件 | 手无力、平衡差、续航短 | 许多任务已可部署；灵巧度仍在改进 |
| 算力 | 训练能力不够 | 可按需获取；能租，不稀缺 |
| 数据 | 被另外两者掩盖而遭忽视 | 成为约束所在；不存在互联网规模的供给 |
把这张表从上往下读，它同时也是一条时间线。这个行业清掉了硬件，然后其实从未真正撞上算力，最终来到了那个谁都无法绕过去的输入。丰田研究院（Toyota Research Institute）在它关于大行为模型（large behavior models）的工作里对此毫不含糊：通用机器人技能的天花板，是你能喂给它的行为数据的数量与质量，而不是网络的规模。
抢供给
你可以通过观察力气都花在哪里，来读懂 2026 年。遥操作农场，人们连续数小时牵线操控机器人，以生成干净的示范。仿真流水线，把一点真实数据吹胀成大量合成数据。可穿戴采集装置，从第一人称视角记录人们做寻常任务。新的数据集、新的格式、新的公司，其整个产品就是采集本身，这一转变，如今也成了像 The Robot Report 这样的行业媒体专门报道的一条线。资本也在顺着同样的逻辑走：曾经追逐新奇执行器和炫目演示的投资，正越来越多地对准那些能够批量生产示范的人。当一个领域里最聪明的一批团队都开始去解同一个上游问题时，那个问题就是约束。
你没法像租一块 GPU 那样，去租一段人类叠毛巾的示范。算力以分钟为尺度回应金钱。数据以月为尺度回应体力，而没有哪张采购单能把它缩短。
这一切并不让硬件或算力变得不重要；一个数据充裕的项目仍然两者都需要。要点更窄，而对 2026 年而言，也更具决定性。如今为进展设闸的那项输入，是你没法从货架上买来、也没法在数据中心里拉起来的那一项。它必须被采集，从真实的人做真实的任务中，刻意地、大规模地采集。早早把这一点想透的团队，未必是今年拥有最好模型的那些。它们是正在搭建那条流水线、去喂养此后每一个模型的那些。