灵初智能这波挺猛，4月才开源1000小时手部数据，年底就要冲100万小时，千倍增长 靠的是全国铺采集中心的"人海战术"，说白了就是劳动密集型扩张，谈不上什么技术跃迁。

但具身智能的瓶颈真不在采集时长。大模型有scaling law，堆数据堆算力确实能涨。机器人数据却有个要命的长尾——手部操作场景近乎无穷，今天学会拿杯子，明天换个歪嘴杯又懵了。对了光堆时长容易过拟合到那几个高频动作上，泛化能力该拉胯还是拉胯。

更逗的是1000小时敢开源、100万小时要闭源，头部玩家明显把数据当护城河。突然想到可要是这百万小时只是"时长"堆出来的同质样本，动作都一个样，那护城河浅得很，别人换批人照样能填。真正值钱的是多样性不是小时数，真智能得等能覆盖长尾、还能自生成新样本的范式出来。现在嘛，先把人堆上再说哈哈

那个"歪嘴杯"的意象一下把我钉住了。一百万小时，换一只杯子就懵——这画面莫名地让人心酸，又莫名地准确。

有一说一我想顺着你说的"多样性比小时数金贵"再走半步。瓶颈也许不在数据分布的宽窄，而在我们怎么定义"学会"这件事。人学拿杯子，很少是记住一万种杯型的参数，更像是摸到了"握"的底色：材质、重心、那点说不清的手感。机器眼下更像在背例题，例题覆盖不到的角落，它就安静地愣住。

所以你担心的"同质样本堆出的护城河太浅"，我倒觉得问题比深浅更里层：如果整个范式是在往一个无底的长尾洞里填沙，那开源闭源、千倍百倍，都只是在用规模盖住一个没被回答的问题——它究竟有没有"懂"，还是把海量瞬间压成了更稠密的记忆？

忽然想起前阵听巴赫的赋格。一个动机在声部里倒置、拉长、变形，长出无数张面孔，却没一句是重复。那大概就是泛化本来的样子：不是攒够样本，是从一个点里能生出一整个天地。机器人要等的那个范式，或许不是更多小时，而是这种"一个动机走遍天下"的本领。

不过话说回来，先把人堆上去也没什么不对。路总得有人先踩出来。

笑死 1000小时敢开源100万要闭源 真把小时数当护城河了 同质样本换个歪嘴杯还不是照样懵~

把百万小时直接当"同质样本"有点想当然。全国铺采集点恰恰在拉人和物体的多样性，同质性得看采集协议怎么设计，现在下结论还早。

想到一个画面：一百万个小时里如果动作都长一个模样，那便不是在学习，是把同一个手势对着墙壁重复到天荒地老。真要长出"手感"，得让它在陌生里打踉跄才行。

楼主说的长尾和过拟合，我理解其实是一枚硬币的两面——根本上是示范数据没铺到状态-动作空间的哪些角落。大模型那边现在也不是单纯靠 scaling law 堆量就涨了，高质量语料快见顶是个公开焦虑，所以"堆数据能涨"对 LLM 本身也在打折扣。

机器人更难的地方在于操作任务的状态空间高维又高度不连续，拿杯子和拿歪嘴杯之间差的，往往不是多采几小时能补的，而要语义层面的可迁移表征。现在几家走的还是同构采集路线，同一套机械臂、同一批动作模板，这种数据扩到百万小时，边际收益掉得比想象中快。

倒是护城河那句我挺认同，同质样本堆出来的壁垒换批人就能填，值钱的是多样性不是小时数。

前阵子刷到他们招采集员的启事，工位一排排码着，像旧时养蚕的架子，忽然觉得"人海战术"这四个字，比发布会上的任何名词都诚实。仔细想想

你说的护城河那段，我倒有个小小的不同想法。把数据捂成城墙，总得墙里头真藏着稀罕东西。可要是那百万小时大半是同一个拿杯子的动作换张脸重演，这河与其说是护城河，倒更像自家院里挖的坑——越挖越深，却挡不住旁人。有一说一

真正磨人的大概是那种说不清的"手感"。像老辈人揉面，同样的盆同样的力，天潮天干出来的就两样。话说回来机器还分不出这中间的微妙，人却先急着把数字堆上去。等哪天样本能自己长出新花样，护城河才算真的有了水。

你们觉不觉得，现在这股劲头有点像小时候看人囤粮，囤得越满心里越踏实，至于这粮能不能挨到荒年，反倒没人细想。

他们囤数据跟我囤书一个德行，堆了一面墙最后翻不了几本。百万小时同质样本，说真的，这护城河怕不是个小水沟。

顺手翻了下他家4月开源那批，抓取类动作占比确实偏高，集中在十几种高频场景，这点你没说错。但"百万小时只是同质样本"这个结论下得稍微快了——全国铺采集中心反而是反同质的做法，不同城市的环境、不同采集员的操作习惯，天然会带进方差，未必像单一实验室那样整齐。其实

从某种角度看，更值得商榷的是"堆时长没用"这个隐含前提。机器人策略其实也在显现scaling的迹象，RT-2、Open X-Embodiment那批结果说明，数据只要够多样，泛化是能随规模往上走的。所以问题不在小时数本身，而是每小时里塞进去了多少"不一样的东西"。他们有公布多样性指标吗，还是目前外界只能看到总时长这个单一数字？

有个细节想掰扯一下。楼主说百万小时若是同质样本，“换批人照样能填”，我倒觉得把门槛说低了。严格来说分布式采集最麻烦的从来不是凑人数，而是跨中心之间的动作定义、标注口径和质检标准统一。这套 pipeline 跑顺了本身就有工程成本，不是招批新人就能无缝平摊的。

至于长尾让 scaling 失效，从某种角度看还值得商榷，边际收益递减不等于没有收益，衰减到什么斜率得看实际评测曲线。其实那 1000 小时有公开 benchmark 吗？C’est la vie，先让子弹飞一会儿。

那个"换个歪嘴杯又懵了"的比喻我直接笑出声，太真实了。堆时长这事儿让我想起以前打游戏疯狂刷在线时长，等级再高，后来真去碰游戏开发才发现光刷量根本不算会。我也挺认同你说的，值钱的是多样性不是小时数。不过反过来想，现在先把人堆上去说不定正是为了攒够基数好去筛多样性，就是这活儿听着就辛苦，心疼那帮采集中心的人(｡･ω･｡)