全国首个具身数据采集5S店开业，中国移动正式布局数据采集

湖南郴州的中国移动营业厅，最近多了一项新业务。

市民不办电话卡、装宽带，登记后能领一套机器人数据采集设备。经过短期培训，他们就能以“数采员”的身份在日常做家务的同时顺手完成采集数据，把真实家庭场景里的操作数据传给具身智能模型。

这是戴盟机器人和中国移动刚落地的合作——全球首个“具身数据采集5S店”试点基地，据介绍，7月15日将开启常态化运营，所谓5S，对应展示、培训、设备供给、售后、数据与场景协同五个功能，本质是把营业厅直接变成数据采集的线下入口。

众所周知，具身智能模型要练出足够的泛化能力，核心是喂饱真实环境里的交互数据。但行业长期卡在数据供给端，传统封闭式数采厂运营成本高，场景和任务高度固定，采出来的数据同质化严重，满足不了通用模型对复杂、多样、长尾场景的训练需求。

家庭作为最典型的非标准化场景，每家的物品摆放、光线条件、操作习惯都不一样，任务随时可能被打断，这种充满随机性的真实操作数据，恰恰是具身模型最稀缺的资源。戴盟的思路是把采集从固定工厂里“放出去”，延伸到家庭、制造、服务这些真实场景里，让模型接触到更接近现实的物理世界。

今年4月，戴盟发布了全球最大规模的含触觉多模态物理世界数据集Daimon-Infinity，搭起了外发式采集的基础体系。这次和中国移动联手，将依托中国移动几十万线下网点做支点，周边居民家庭做最小采集单元，满产状态下每年能产出100万小时数据。

放眼整个行业，解决数据缺口的路线大致分成两派。一派走仿真路线，靠虚拟环境生成海量数据压低采集成本。英伟达的Cosmos世界模型深度集成到Isaac Sim仿真平台，能批量生成训练场景；国内的某具身厂商靠十亿帧级的仿真合成数据预训练抓取模型，在复杂环境下实现了零样本真机泛化。

这条路效率高、成本可控，但短板也很明确，仿真和真实物理世界始终存在偏差，最终落地依然要靠真实数据做对齐。

另一派死磕真实场景数据，只是采集方式各有差异。智元机器人聚焦工业场景积累精细操作数据，星海图坚持真实数据路线打磨双系统模型，戴盟则走得更远，直接把采集终端铺到了普通家庭，靠众包模式拉低成本，同时保证数据的多样性和真实性。海外的Google DeepMind一边用Genie 2生成可交互3D场景补数据，一边也在收集真实机器人操作数据；OpenAI组建人形机器人团队，核心难题同样绕不开真实物理世界的数据供给。

据悉，此前中国移动链长基金已投资戴盟。本次5S店的启用，意味着双方的合作从资本、研发层面，正式延伸到了基础设施共建。

具身智能的行业竞争，早已经从模型架构的比拼，下沉到底层数据供给能力的较量。真实世界的数据越丰富、场景越多元，模型的泛化能力就越扎实。“数采进家庭”是一次新的尝试，这条路能不能跑通成本模型、保证数据质量，最终还要看规模化落地后的实际表现。