曾任、兼任多伦多大学并现任佐治亚理工的机器人学者 Animesh Garg，在一篇题为《Moneyball for Physical AI》的文章中，把具身智能的数据竞赛比作棒球史上的「金球」时刻。

他想挑战的是一个越来越常见的融资叙事：机器人公司只要堆更多遥操作、更多真实部署、更多运行小时，就能形成数据飞轮。对投资者来说，这不是学术口水战。具身智能公司的成本结构、商业化速度和模型壁垒，很多时候都被包装进「数据闭环」这四个字里。如果累计小时数并不等于有效模型进步，市场就需要重新看待这些公司的数据资产。

「数据小时数」可能是机器人行业的打击率迷信

Garg 借用了《Moneyball》的经典类比。2002 年奥克兰运动家队以联盟低薪资球队之一的阵容赢下 103 场比赛，关键不是买到更贵的球员，而是发现市场错估了球员价值。传统球探看重打击率、盗垒和姿势，但更能解释球队得分能力的指标，是上垒率。

在他看来，Physical AI 也可能处在类似阶段。行业承认数据是通向通用机器人模型的必需品，却容易把最容易展示的指标当成最重要的指标：累计遥操作小时、示教轨迹数量、部署机器人数量、生产场景运行时长。

机器人数据和文本数据的供给方式并不一样。大语言模型可以从互联网、代码库、书籍和网页中获得海量低成本文本，瓶颈更多来自算力、清洗和训练效率。机器人模型需要的是带有物理交互、动作反馈和环境变化的数据，每一小时有效数据都要被真实创造出来，背后对应设备、人力、场地、传感器、失败处理和安全成本。

机器人学者 Ken Goldberg 曾用「100,000-year data gap」形容机器人与互联网规模 AI 数据之间的差距。更准确地说，当代大型视觉语言模型训练所消耗的文本和图像数据，如果折算成人类阅读或观看时间，约相当于 10 万年，而机器人缺少同等规模的真实交互数据。这个说法不是在给机器人模型设定精确门槛，而是在提醒行业：真实世界交互数据无法像网页文本一样被低成本抓取。

这也是 Garg 反对「血汗工厂式遥操作」叙事的原因。大量人工遥操作确实能带来动作密集的训练样本，但如果公司只按总小时数评价数据，资金可能流向重复、低难度、低信息密度的样本，而不是最能降低失败率的场景。

三类数据买到的东西并不一样

在 Garg 的分类里，Physical AI 数据大致分为三类：观察数据、干预数据和部署数据。它们都可能有用，但成本、约束和信息密度差异很大。

第一类是观察数据，比如第一人称或第三人称视频。它的优势是成本低、覆盖广，可以帮助模型理解物体、空间、动作结果和环境分布。短板也很清楚：模型能看到人或物体发生了什么，却未必知道机器人在某一状态下应该输出怎样的动作。

第二类是干预数据，也就是遥操作、示教和人工介入生成的状态到动作轨迹。这类数据对机器人训练更直接，因为它包含「看见什么、怎么动、动完发生什么」的链条。代价是每一条高质量轨迹都要花钱买，人力和设备成本很难像软件数据那样快速下降。

第三类是部署数据，即机器人在真实商业场景运行时产生的遥测数据。它听起来最接近商业飞轮：机器人一边干活、一边赚钱、一边产生训练数据。但这里有一个统计陷阱。

今天最先落地的机器人场景，通常也是变化最少、流程最固定、风险最可控的场景，例如高度结构化的仓储、工厂或单一任务环境。这类生产数据数量可能很大，但分布较窄、重复度较高。模型一旦学到局部规律，后续每多运行一小时带来的新增信息就会下降。

部署数据并非没有价值。真正有价值的，往往不是大量「成功完成任务」的常规片段，而是失败、卡住、异常物体、边界条件和罕见扰动。问题在于，这些长尾样本不会按公司希望的节奏稳定出现，发现、筛选和复盘成本也更高。

更多数据有用，但重复样本会很快变贵

Garg 对语言模型 scaling law 的借鉴比较谨慎：数据增加通常会带来模型损失下降，但收益递减。如果样本重复、近似重复，或来自同一个窄分布，新增数据的帮助会更快变小。

放到机器人领域，这个问题更直观。一个机器人学习从固定货架抓取固定包装盒，前几千次示教、失败和修正可能非常有价值。一旦动作、物体、光照和路径都被反复采集，新增数据更像是在复制已经学过的局部经验。

语言模型训练中已经有类似经验：重复和近重复数据会浪费训练预算，过度重复还可能损害泛化。Garg 并没有把这些结论直接套到机器人训练上，而是用它们说明一个方向：衡量数据价值不能只看数量，还要看样本之间到底有多大差异。

对 Physical AI 来说，多样性至少有两层含义。第一是让模型见过更多物体、空间、材质、光照、遮挡和操作方式。第二是避免模型在一个过于简单的任务分布里表现很好，换到稍微不同的场景就失效。

长尾失败案例因此变得关键。真实物理世界不是均匀分布的，低频异常经常决定商业可用性：物体摆放偏一点、包装变形、表面反光、抓手打滑、人突然介入、传感器漏看、地面摩擦变化。模型在常规样本上表现再好，如果处理不了这些尾部事件，部署仍会被少数失败拖住。

部署飞轮成立，需要早期场景足够「新」

这篇文章真正挑战的，是具身智能公司常见的商业化路线：先在窄场景中部署机器人，用人类远程接管保证可用性，同时收集生产数据，再用这些数据训练更强模型，打开更多场景。

Garg 将这类路径称为「neo-integrator」式思路。它试图绕开纯数据采集成本，把机器人放进商业生产中，让运营收入抵消数据成本。相比专门搭建遥操作工厂，这条路听起来更高效。

但飞轮成立有一个前提：早期商业场景产生的数据，必须足够新、足够多样，能帮助模型迁移到更多任务。如果部署场景只是低变化、低熵、强工程定制的窄任务，数据就会很快饱和。公司得到的可能不是通用能力飞轮，而是一组需要持续集成、维护和异常处理的定制项目。

这会带来两类成本。第一，每进入一个新场景，都要投入环境改造、流程适配、失败兜底和安全机制。第二，如果部署本身还没有达到盈亏平衡，扩大规模就不一定是在低成本收集数据，也可能是在用亏损换取大量低新颖性样本。

所以，早期部署不是无用，而是需要更细地看：它带来了多少新任务覆盖，产生了多少失败和异常样本，这些样本能否迁移到其他场景，扣除硬件、人力、维护和集成成本后，每一美元买到的模型改进有多少。

估值叙事不能只问攒了多少小时

Garg 给出的建议不是停止采集数据，而是替换评价口径。累计运行小时、遥操作小时和轨迹数量可以作为运营指标，但不应被直接等同于模型进步。

更有解释力的问题包括：单个任务的数据什么时候饱和，新增一个任务需要多少工程集成成本，数据覆盖了多少不同场景和动作簇，生产数据中有多少是真正的分布漂移和异常样本，部署流里有多少常规成功片段应该被过滤掉，而不是继续喂给模型。

对应到三类数据，资本配置也会不同。观察数据应优先追求低成本、多样性和广覆盖，用来扩大基础能力边界。高成本的遥操作和示教数据在达到单任务饱和后，应把预算转向更多任务，而不是继续重复同一动作。部署数据则应重点筛选失败、边界条件和分布外样本，丢弃大量信息密度低的常规运行记录。

这套观点对 Physical AI 的估值叙事有现实影响。一个公司拥有更多机器人、更长运行时间、更大遥操作团队，并不自动代表拥有更强模型壁垒。更难复制的能力，可能是持续找到高价值长尾数据、判断某类数据何时饱和，以及用更低成本覆盖更多任务分布。

不过，这仍是一套资本配置视角，还不是行业定论。机器人模型是否会出现类似语言模型的规模收益，部署数据能否在某些高维场景持续产生新信息，不同任务之间的迁移效率有多高，都还要靠更多实证结果回答。

Garg 的提醒落在一个更具体的问题上：Physical AI 的「金球指标」也许不是数据小时数，而是每一美元买到的新颖样本。对于仍在用数据飞轮讲故事的机器人公司，市场最终要看的可能不是累计运行时间有多长，而是这些时间里到底产生了多少新信息。