博登智能赵捷：具身智能最大瓶颈仍是数据，行业将迎优胜劣汰

事件概述

在2026年世界人工智能大会（WAIC）期间，博登智能创始人兼CEO赵捷接受了钛媒体对话，围绕具身智能的数据缺口、真机数据商业化、竞争壁垒及行业洗牌等话题展开讨论。赵捷认为，具身智能行业正在从展示能力转向交付能力，而数据仍是当前最大的卡点。

核心信息

• 博登智能目前在手订单接近10亿元，计划年内完成约5亿元交付，多数订单需预付20%至30%款项。
• 公司业务结构中，具身智能占比约50%，自动驾驶约30%，大模型约20%。其中具身智能是增长最快的板块，自动驾驶业务每年仍保持约20%至30%增长。
• 公司已在宁波、湖州、马鞍山建成三大具身机器人创新中心，总面积超3万平方米，部署500余台多型号机器人及数千套自产Ego采集设备，可实现年产50万小时真机训练数据和百万小时级Ego场景数据。
• 机器人数据成本约占相关研发投入的20%到30%，具体比例因技术路线而异。

核心观点

数据是最大卡点

机器人需要多模态数据，包括关节扭矩、位置、速度、手部触觉、视觉等。当前可供训练的真实数据与行业需求相比仍然很少。真机数据获取难度和成本最高，但单条价值最大。其中，人类介入纠正机器人失败时产生的数据尤其珍贵，因为它记录了失败场景和人类纠正方式，能暴露模型尚未解决的问题，帮助模型突破能力平台期。

数据需求是持续的，而非一次性外包

模型持续迭代、新传感器加入、机器人进入新场景，都会带来新的数据需求。数据不能只看单价，而要看有效信息含量。赵捷引用一句话："用不上的数据才是最贵的"。

数据基础设施三层架构

• 第一层：真实世界场景网络，覆盖家庭、零售、工业、办公、仓储等上百类场景；
• 第二层：自动化数据引擎，通过自动化质检、物理一致性校验和智能数据流水线，将原始数据转化为可直接训练的数据资产；
• 第三层：现实世界验证，对模型的行为一致性、物理约束和长尾场景鲁棒性进行验证，并将发现问题转化为下一轮训练数据。

Boden Cloud平台由BRIC（多模态数据采集）、BASE（预标注与人工校正，部分任务效率提升最高7倍，综合准确率超99%）和Blink（数据版本、算力与工作流管理）三部分组成，客户最终拿到的是可持续生产、训练、验证和迭代的数据闭环。

数据行业竞争壁垒

竞争壁垒不是单一算法，而是综合能力，包括平台能力、供应链和项目管理、对数据和客户模型的理解、模型验证能力，以及可复用的数据产品。客户最终会看质量、成本和交付速度，以及数据是否真正提高了模型能力。

行业泡沫与淘汰

• 赵捷认为，完全没有泡沫的行业可能不值得投资，当前远未到只谈泡沫的阶段，但局部方向已现同质化，典型如世界模型。
• 许多公司讲不清自身世界模型与别人的区别和核心竞争力，仅靠刷榜不足以证明能力。
• 没有实际订单和较强交付能力的公司会先承受压力，第一轮较剧烈的优胜劣汰可能在未来两三年内显现。

人形机器人商业化

赵捷持谨慎乐观态度，认为人形机器人在很多场景中短期内难以产生效益，主要问题是稳定性。部分工业场景并不需要完整人形，两只机械臂加视觉系统和足够强的模型即可解决任务。决定商业化的不是外形，而是是否有确定性场景、能否稳定完成工作。具备真实场景的机器人会先形成"数据飞轮"：进入场景工作、采集失败和人类介入数据、训练迭代、完成更多任务、产生更多数据。

落地判断标准

判断一家机器人公司是否真正落地，不应只看发布的视频或表演，而要看：是否有真实订单和应用场景、是否有持续数据、模型能力能否被验证、以及失败后能否继续改进。