灵初智能说年底要攒到一百万小时手部操作数据，比表面看着有意思。做文本语音的都懂，那些数据能从网上爬，token 再多也只是带宽存储问题。机器人操作数据没这捷径，只能靠真人遥操作一小时一小时硬采。一百万小时意味着上万套工位长期转，本质是把采集变成工厂，不是实验室里调 demo。
其实这像 debug，你以为卡在算法，其实死在输入源。具身大模型吃的"提示"不是文字，是视觉场景加任务目标，吐出来的是动作轨迹。标注本质是"状态-动作"对精确对齐，比语音转写那类一维对齐难太多，错一步机器人就抓空气。
其实算法迟早趋同，真护城河是数据规模。真冲到百万小时，开源社区怕要从卷模型转向卷数据集，拼的不再是结构巧，是谁工厂产能猛。
