物理AI训练数据一年翻近10倍，从演示走向量产的关键卡点是"喂饱它"

今天央视财经报道了一组能标记行业节奏的数字：物理AI头部客户的训练数据需求，从去年十万小时级跳到了今年百万小时级，增幅接近10倍。这里的"小时"不是图文数据，而是机器人在真实环境里跑动、抓取、碰撞、避障的连续记录。数据从哪来？仿真合成加上人类视频，两条路同时在补。

 宇树科技创始人王兴兴在进博会期间给出时间线：AI大规模进入物理世界，"快的话明年，慢的话后年，最晚大概五年。"这个判断和今年10月他在世界物理AI大会上"2027年可能迎来突破"的口径基本一致。

上海一家酒店里，一台轮式人形机器人正在做投用前最后测试——旅客手机下单，机器人去房间外取洗衣篮，送到洗衣房洗烘，再送回。从"展厅里翻跟斗"到"酒店里送衣服"，场景颗粒度变了。行业讨论的焦点也已经从"能不能做出来"转向"能不能稳定干活、创造价值"，量产需要整机、大模型、硬件、场景和数据全链路一起到位。

物理AI面临的瓶颈不是模型架构本身，而是数据稀缺和网络时延。图文生成可以用互联网现成语料，机器人的训练素材必须一帧帧生产。国际机构预计到2030年物理AI市场规模有望达4500亿美元，眼下数据基础设施和算力配套还远没有到这个体量对应的密度。一年翻10倍的需求曲线，既是信号，也是压力。