データの問題は、現在のロボット産業におけるスマート化（インテリジェンス）アップグレードが直面する中核的な課題の一つです。 3月28日、中関村フォーラムの並行分科会として、2026年中国SF大会の会場で、北京石景山の身体性インテリジェンス触覚およびマルチモーダル知覚のデータ学習（訓練）革新センターが正式に発表（開所）されました。記者によると、このセンターは北京石景山科技创新集团有限公司と他山科技の協力により構築されており、身体性インテリジェンス産業の発展ニーズを目標に定め、触覚、異種（異構）、自律・無人の3つの技術方向を確立し、マルチモーダル・データ収集、アルゴリズム訓練、シーン実装を一体化した全プロセスの技術転化プラットフォームを構築しています。データの問題は、現在のロボット産業におけるスマート化（インテリジェンス）アップグレードが直面する中核的な課題の一つです。中関村フォーラムの「百億規模の身体性インテリジェンス対話」セッションで、星動纪元の共同創業者・席悦は、現在の身体性インテリジェンス発展における最大の難点は依然としてデータだと考えています。具体的な事業の実装の場面を見ると、席悦は、実環境データの収集は難易度が高く、シーン側が権限を開放する必要があるとし、同時に大規模収集にはコストが高く、時間が長いという問題があります。また、既存の代替案には限界があり、業界で一般的に用いられる1:1で実環境を複製して訓練場を自設する方式は、エンジニアが収集・訓練・デプロイ・問題の特定まで全工程に関与する必要があるため、全体の効率が低く、コストが高くなります。席悦は、業界では「データ収集-モデル反復」のクローズドループのデータ・フライホイールを構築し、ロボットが実環境でさまざまな極端な状況を自律的に処理できるようにして、システム効率を継続的に高めるべきだと考えています。二つ目は、「人類によるデモ + 実機データ収集」の組み合わせによる収集モードを推進することですが、現時点では両者の本体構成、運動形態、知覚方式における差異の問題はなお解決に向けた研究開発が必要です。原力灵机の創業者・唐文斌は、データは身体性インテリジェンスにおける現在のボトルネックの一つであることを認めていますが、すべての問題ではありません。彼の見方では、データ収集の本質は「お金と時間」の問題です。資金を投入してロボットを購入し、訓練場を建て、遠隔操作の作業者を雇い、ラベリングを外注することで、数百万時間、億規模のサンプル量のデータを素早く積み上げられるため、「データがあるかどうか」は業界の参入障壁ではありません。真に競争優位を築けるのは、企業が実環境からデータを自動で回流できるかどうか、そして高効率なデータ・フライホイールのクローズドループを構築できるかどうかです。智平方は現在、複数のデータ取得経路をすでに備えていますが、現実に立ち返ってみても、共同創業者の張鹏は、実環境データの価値は代替できないものであり、これが業界が現在重点的に取り組むべき方向だと引き続き考えています。すなわち、最前線で実際に導入された製品によってデータ回流を実現し、データを沈殿（蓄積）させていく側の部分は、最も貴重なデータ資産です。安全を確保する前提のもとで、智平方も顧客とこの部分のデータを共有します。記者によると、現在、北京石景山の人型ロボット・データ収集訓練センターの第4期プロジェクトは、主に楽聚、他山、睿尔曼、灵初などの企業と協力しており、ロボット業界におけるデータ不足と品質のボトルネックの解消を試みています。現在のロボットデータの需給問題について、ある業界関係者は記者に対し、現在、身体性インテリジェンス分野はデータ体系の再構築を経験しており、無本体データ技術（例：一人称視点データのEGO、汎用操作インターフェースのUMI方式）が台頭しているため、これまで重い資産投入に依存していた遠隔操作データ収集の工場は、発展の局面において行き詰まる可能性があると述べました。データ価値の観点から、この関係者は、実環境データは依然としてロボットのモデル訓練に必要なピラミッドの最上層に位置するデータだが、業界では一般に2つの主要課題に直面していると述べました。一つは、データ品質とデータ・パイプライン設計の標準化の欠如です。二つ目は、データ処理能力における著しい業界格差であり、すべてのメーカーが高効率なデータ処理体系を構築する技術力を備えているわけではありません。また、業界内には統一されたデータ技術の秘訣を共有する仕組みや、ベンチマーク評価の体系が欠けているため、データの活用効率にばらつきが生じています。この関係者は、もし将来的にEGO、UMIなどの無本体データ技術が普及できれば、さらにシーンリソースの中核的な希少性を拡大できる可能性があるとしています。企業側も、従来のデータ収集工場への依存から脱却し、実環境で直接データ収集を完了させることができるようになるかもしれません。シーンの到達可能性と多様性が、データ競争力の重要な鍵となる変数です。したがって、技術アップグレードと反復のトレンドから見れば、身体性インテリジェンスには億級時間級の訓練データが必要ですが、現在の総量は依然として深刻に不足しています。ただし、主要な技術ルートとズレている一部の中核資産は、将来的に価値が下がるリスクに直面する可能性があります。例えば、ロボットの本体や固定された敷地に依存する重い資産の中心は、生産能力の利用率が下がり、単位コストが急騰する状況を引き起こし得る、ということです。長期的には、データ分野における中核的な競争ロジックが根本的に転換し、「規模化された訓練センターを持っているかどうか」というハード面の勝負から、実環境での取得能力、シーンとデータのクローズドループの反復効率などへと移っていきます。 大量の情報、正確な解釈は、Sina Financeのアプリにて。
ロボット「満腹にならない」、実データは依然として具現化された知能の争奪戦の最前線
データの問題は、現在のロボット産業におけるスマート化（インテリジェンス）アップグレードが直面する中核的な課題の一つです。
3月28日、中関村フォーラムの並行分科会として、2026年中国SF大会の会場で、北京石景山の身体性インテリジェンス触覚およびマルチモーダル知覚のデータ学習（訓練）革新センターが正式に発表（開所）されました。
記者によると、このセンターは北京石景山科技创新集团有限公司と他山科技の協力により構築されており、身体性インテリジェンス産業の発展ニーズを目標に定め、触覚、異種（異構）、自律・無人の3つの技術方向を確立し、マルチモーダル・データ収集、アルゴリズム訓練、シーン実装を一体化した全プロセスの技術転化プラットフォームを構築しています。
データの問題は、現在のロボット産業におけるスマート化（インテリジェンス）アップグレードが直面する中核的な課題の一つです。中関村フォーラムの「百億規模の身体性インテリジェンス対話」セッションで、星動纪元の共同創業者・席悦は、現在の身体性インテリジェンス発展における最大の難点は依然としてデータだと考えています。
具体的な事業の実装の場面を見ると、席悦は、実環境データの収集は難易度が高く、シーン側が権限を開放する必要があるとし、同時に大規模収集にはコストが高く、時間が長いという問題があります。また、既存の代替案には限界があり、業界で一般的に用いられる1:1で実環境を複製して訓練場を自設する方式は、エンジニアが収集・訓練・デプロイ・問題の特定まで全工程に関与する必要があるため、全体の効率が低く、コストが高くなります。
席悦は、業界では「データ収集-モデル反復」のクローズドループのデータ・フライホイールを構築し、ロボットが実環境でさまざまな極端な状況を自律的に処理できるようにして、システム効率を継続的に高めるべきだと考えています。二つ目は、「人類によるデモ + 実機データ収集」の組み合わせによる収集モードを推進することですが、現時点では両者の本体構成、運動形態、知覚方式における差異の問題はなお解決に向けた研究開発が必要です。
原力灵机の創業者・唐文斌は、データは身体性インテリジェンスにおける現在のボトルネックの一つであることを認めていますが、すべての問題ではありません。彼の見方では、データ収集の本質は「お金と時間」の問題です。資金を投入してロボットを購入し、訓練場を建て、遠隔操作の作業者を雇い、ラベリングを外注することで、数百万時間、億規模のサンプル量のデータを素早く積み上げられるため、「データがあるかどうか」は業界の参入障壁ではありません。真に競争優位を築けるのは、企業が実環境からデータを自動で回流できるかどうか、そして高効率なデータ・フライホイールのクローズドループを構築できるかどうかです。
智平方は現在、複数のデータ取得経路をすでに備えていますが、現実に立ち返ってみても、共同創業者の張鹏は、実環境データの価値は代替できないものであり、これが業界が現在重点的に取り組むべき方向だと引き続き考えています。すなわち、最前線で実際に導入された製品によってデータ回流を実現し、データを沈殿（蓄積）させていく側の部分は、最も貴重なデータ資産です。安全を確保する前提のもとで、智平方も顧客とこの部分のデータを共有します。
記者によると、現在、北京石景山の人型ロボット・データ収集訓練センターの第4期プロジェクトは、主に楽聚、他山、睿尔曼、灵初などの企業と協力しており、ロボット業界におけるデータ不足と品質のボトルネックの解消を試みています。
現在のロボットデータの需給問題について、ある業界関係者は記者に対し、現在、身体性インテリジェンス分野はデータ体系の再構築を経験しており、無本体データ技術（例：一人称視点データのEGO、汎用操作インターフェースのUMI方式）が台頭しているため、これまで重い資産投入に依存していた遠隔操作データ収集の工場は、発展の局面において行き詰まる可能性があると述べました。
データ価値の観点から、この関係者は、実環境データは依然としてロボットのモデル訓練に必要なピラミッドの最上層に位置するデータだが、業界では一般に2つの主要課題に直面していると述べました。一つは、データ品質とデータ・パイプライン設計の標準化の欠如です。二つ目は、データ処理能力における著しい業界格差であり、すべてのメーカーが高効率なデータ処理体系を構築する技術力を備えているわけではありません。また、業界内には統一されたデータ技術の秘訣を共有する仕組みや、ベンチマーク評価の体系が欠けているため、データの活用効率にばらつきが生じています。
この関係者は、もし将来的にEGO、UMIなどの無本体データ技術が普及できれば、さらにシーンリソースの中核的な希少性を拡大できる可能性があるとしています。企業側も、従来のデータ収集工場への依存から脱却し、実環境で直接データ収集を完了させることができるようになるかもしれません。シーンの到達可能性と多様性が、データ競争力の重要な鍵となる変数です。
したがって、技術アップグレードと反復のトレンドから見れば、身体性インテリジェンスには億級時間級の訓練データが必要ですが、現在の総量は依然として深刻に不足しています。ただし、主要な技術ルートとズレている一部の中核資産は、将来的に価値が下がるリスクに直面する可能性があります。例えば、ロボットの本体や固定された敷地に依存する重い資産の中心は、生産能力の利用率が下がり、単位コストが急騰する状況を引き起こし得る、ということです。
長期的には、データ分野における中核的な競争ロジックが根本的に転換し、「規模化された訓練センターを持っているかどうか」というハード面の勝負から、実環境での取得能力、シーンとデータのクローズドループの反復効率などへと移っていきます。
大量の情報、正確な解釈は、Sina Financeのアプリにて。