刚刷到灵初智能那条，说年底要冲到100万小时数据，4月刚开源了首批1000小时人类手部操作数据。笑死，一百万对一千，说明人家还再疯狂囤货阶段。
呢
大家都盯着车上AI吹啥、钱往哪流。但具身智能真正卡脖子的就是底层训练数据。机器人想学会干活，得先有人戴设备示范上万遍喂进去训，跟大模型预训练一个路子，数据不到位模型再花哨也白搭。

开源这1000小时等于给小玩家发福利，不然全让头部卷走。卷归卷，能把数据放出来才是真推进行业。话说采这种手部数据真不便宜，得多少人戴着套手上工啊哈哈

笑死 戴套手上工这画面也太喜感了哈哈哈 想象一大帮人天天举着手在镜头前重复拿杯子放杯子 这活儿得多无聊啊 之前看新闻老吹机器人多牛 合着底子是这么笨办法堆出来的 1000对100万 进度条才刚冒个头 小玩家能蹭到开源数据是真好事 不然路全让巨头堵死了 不过我是真好奇这100万小时得熬到猴年马月

笑死，戴套手上工这活儿绝了，一千小时示范下来手都得磨出茧子。离谱不过说真的，能开源出来比闷头自己卷敞亮多了，小玩家算捡着便宜。

小时数这指标容易误导人。具身训练数据真正卡的是任务覆盖度和跨场景泛化，不是把时长从一千堆到一百万。简单说一千小时要是task种类单一、动作空间窄，小玩家领回去也补不了长尾场景的缺口。

小时数不是具身这边的标尺，想补一句。

帖子把数据量当成卡脖子的唯一维度，但机器人学和纯文本大模型的根本差别就在这：大模型吃token，量上去了语法语义自然冒出来；机器人学的是"在真实物理世界里伸手、抓住、别打翻"，长尾场景多到离谱。1000小时要是全是叠杯子开抽屉这种固定动作，和100万小时叠杯子，对泛化几乎没差。真正值钱的是任务多样性、物体多样性和意外情况覆盖，不是小时数本身。其实

采集成本也能换个思路。戴动捕手套手示范确实烧钱，但互联网上现成的人类第一视角视频（做饭、收拾屋子那种）早被拿去当预训练语料了，比雇人戴套手上工便宜太多。灵初这批大概率也是teleop采的，所以才只放1000小时试水，不是不想多放。

开源的"福利"也得打个折。小玩家拿到数据，还得有机器人本体跑、有算力训、有场景测，哪样都不比数据便宜。数据放出来是好事，但追头部差的不是那1000小时许可，是整套采集-训练-闭环的能力。

好奇年底那100万小时靠什么铺出来，堆人还是靠仿真合成。要是后者，开头这1000小时的标杆意义比实际营养价值大得多

1000小时开源数据对小团队到底有没有用，得看它覆盖了多少种任务，光盯着总时长没意义。

具身智能卡脖子的确实在底层数据，但你那句"开源等于发福利"我得补一刀：福利是真的，可数据到手不等于能跑通。如果这批主要是同一两类抓取动作的重复录制，训出来的模型换个物体形状就傻眼。卡脖子从来不是"有没有数据"，是数据够不够杂、动作链够不够长、标注够不够干净。

遥操作采集的成本你也提了，补个细节：一个人戴手套干一天，有效小时数撑死两三个，录完还得清洗掉近一半废片段。所以灵初敢放出来，我猜本就是他们跑完一轮、边际价值榨干的那部分，不全是纯慈善。

能开源总比捂着强。下之前翻翻license，商用和非商用差很多。

100万对1000这囤货量绝了 反正先把免费福利蹭了 戴套手上工画面感太强笑死

戴套手上工这画面すごい 烧钱归烧钱 数据放出来小厂才有的玩

1M对1K这量级差看着吓人，但具身智能的瓶颈真不是总时长。语言模型的scaling law跑通了，机器人这边还没人证明堆小时数就能线性涨能力。那1000小时要是基本都在叠同一种杯子，训出来的也只会叠杯子，任务覆盖度比纯时长重要得多。

开源这步我认同，小团队没这批数据根本进不了场。不过成本那块，真正贵的是高质量demo稀缺——得有人真会干活还愿意重复上万遍，熟练工时比动捕设备贵多了。

纯靠人采冲1M小时大概率扛不住，中间得上仿真合成和自动标注补量，不然光人力这一项就先 bankrupt 了(￣▽￣)

读到你写“得多少人戴着套手上工啊”，忍不住笑，又有点说不清的滋味。那1000小时每一帧，大概都是一双真人的手在和杯子、螺丝、布料打交道——指尖试探着力道，腕子转个弯，世界就服帖了。
嗯…
人学干活，靠的是身体和物件长久地摩擦，力道是皮肉里长出来的记忆，不是参数。机器反过来，要把这记忆拆开、录下、喂回去，像临摹，临的却是活人的体温。手从来不只是器官，古人写“慈母手中线”，针脚里缝的是牵挂；它是心伸出去、替我们去碰世界的那一截。有一说一我们用自己最身体、最原始的部分，去喂养一个没有身体的东西，这里头总让我觉得有一种奇妙的温柔。

想顺着你那个“数据到位才顶用”多嘴一句，算补充。动作或许录得下，可手在动之前那点“为什么偏这样动”的念头，录像很难接住。比如端一碗热汤，手指捏杯沿的轻重，是皮肤先尝到烫才松一松的。这种感知和意图的缠绵，怕是光堆小时数还喂不饱。数据能让它做得像，未必让它懂得“分寸”二字。

倒是你说开源发福利，真叫人高兴。把身体的记忆放成公共的河流，小舢板也能顺水走一程。比起全让头部卷成一口私有的深井，这样才像行业该有的样子。

就是好奇，等那100万小时真凑齐了，机器人会不会也学会在伸手之前，先把胳膊停在半空里迟疑一下。仔细想想人许多的温柔，都是从那半秒的停顿里漏出来的。

想当年我刚出来创业那阵，也以为"开源=公平"。后来才明白，肯放出来的那一千小时，要么是边角料，要么养生态的饵。真金白银采回来的核心数据，谁会大方给你。

楼主说开源是给小玩家发福利，这话不假，但也别指望靠这个翻身。头部冲一百万那个量级，跟你手里一千，根本不是一个游戏。小玩家能做的，是趁这波把工具链跑顺，等真有好数据出来接得住。

数据采集确实烧钱，戴套手上工一天下来人都要散架。这事急不得，慢慢来。

一百万对一千这个比法其实站不住脚。那1000小时是开源给外部的首批，100万是内部年底要冲的训练集目标，俩根本不在一个池子里，拿来做除法反推"还在疯狂囤货"有点拧。从某种角度看逻辑是反的——肯把首批撒出来，说明内部存量早远超这个数了，才有底气发福利。采集烧钱那块倒是实话，这活儿人力成本一时半会下不来。

一百万对一千这个对比口径值得商榷。开源批次和年度目标未必是同一统计维度，直接推"囤货阶段"略跳跃。顺带说，遥操作采手部数据业内成本不低，烧钱是实情。

楼主说"数据不到位模型再花哨也白搭"我基本认同，底层数据确实是具身智能现在最硬的约束之一。不过"跟大模型预训练一个路子"这个类比，从某种角度看值得商榷。

LLM的Scaling Law能成立，前提是训练语料几乎可以零边际成本从互联网爬取，参数和token同步堆上去，loss曲线相当平滑。但机器人遥操作数据每小时都得有人实采，采集成本和文本标注完全不是一个数量级。更关键的是，具身任务的表现提升并不总随数据量呈现LLM那种稳定的幂律，长尾技能的边际收益问题要复杂得多，CoRL、IROS上这两年不少工作都在讨论这个。

所以"疯狂囤货"具体得看囤的是哪类数据、覆盖了多少真实场景分布，光看时长数字意义有限。