7月17日至20日，2026世界人工智能大会（WAIC）正在上海火热进行中，本届大会汇集 1100 余家 AI 企业，规模创下新高。与往年明显不同的是，超300台人形机器人现身展览，部分开始现场打螺丝、做咖啡、搬纸箱等，展现它们应对任务不确定性的泛化能力。
数百台机器人背后的行业非共识是，达到智能的技术路径未收敛，而共识是，具身数据短缺是行业的核心卡点。据量子位统计，过去一年（2025年7月1日至2026年7月1日），15家只做数据的独立具身数据服务商，共融资约44.7亿元。
作为国内大规模数据采集商，京东选择模型、数据、终端和场景协同演进的路径，WAIC大会期间，京东宣布开源行业最大人类视角数据集EgoLive，对外公开JoyAI全矩阵模型，涉及图像、视频、音频等，并展示首个落地家庭物理场景的硬件产品方案JoyInside“AI Home”。
在链路最前端的数据环节，京东集团副总裁、京东云基础云业务负责人龚义成7月18日在WAIC大会期间表示，截至目前京东已经启动大规模具身数据采集工程，自主研发了量产级第一视角采集设备，数据类型覆盖第一视角手部动作轨迹、多模态感知数据等全维度信息，可实现跨本体的模型泛化训练。
模型训练侧出现了两个信号。京东集团副总裁、京东探索研究院副院长段楠向九派新闻表示，目前团队在JoyAI-RA，以数据验证为主的模型系列工作里，发现当具身数据和一些合成数据，以合适的比例融入到模型训练之后，模型在仿真评测和真机评测上有显著的提升。
另一个信号是，龚义成表示，在具身模型的训练过程中，拿1万小时具身相关数据训练后，发现泛化性和任务准确率极大提升，而叠加1万小时存在一定瑕疵的数据进行实验，再训练完之后发现模型的泛化性和准确率并没有增长，甚至有下降，这意味着，“高质量的数据才对整个具身模型真正有用。”
问题在于，什么样的数据对模型训练才是有效的？
龚义成认为，针对采集什么数据，第一层次，是要采集足够准确的数据，数据精度足够准确地描述当前物理世界交互的内容；第二层次，是要关注数据多样性，覆盖足够多的真实场景，以及对任务定义有足够的多样性。
有效性还体现在如何处理采集到的高质量数据。龚义成表示，轨迹等标注的准确率要求非常高，标注环节是否准确，会影响后续机器人如何进行模型训练。
大会期间智元合伙人、觅蜂科技董事长兼CEO姚卯青接受九派新闻采访时也指出，具身数据的采集和后期治理是相对有门槛的产业链，数据采集方面需要有进入各种场景、各种地域大规模高效人力运营的能力，数据采集回来后，要有复杂的管线处理能力，其中还要求算法、数据存储传输等基础设施，盲目地进行数据采集最终可能无法赋能模型训练。
这也意味着，接下来数采行业，竞争方向不单纯是小时数据量大小，而是从更精细化的角度，强调如何降低数据处理成本（标注、质检和管线处理等）以及如何提高处理过程管线等环节效率。
据《中国具身智能产业发展报告(2026)》，截至2026年初，全球高质量真实物理交互数据总量仅约50万小时，缺口超99%。龚义成指出，数据处理成本对未来规模化及具身模型训练非常重要，“如果数据处理成本非常高昂，很难实现大规模应用，从年初到现在，京东数据的处理成本下降了不下8倍以上。”
九派新闻记者：林婉娜
编辑：万珮
【来源：九派新闻】
声明：此文版权归原作者所有，若有来源错误或者侵犯您的合法权益，您可通过邮箱与我们取得联系，我们将及时进行处理。邮箱地址：jpbl@jp.jiupainews.com