具身智能的下一场竞争：数据堆砌还是推理能力？

事件概述

具身智能行业正处于关键转折：过去依靠海量数据训练机器人的路线遭遇瓶颈，行业开始探索通过增强模型推理能力来突破数据限制。Google DeepMind、Meta、Anthropic 等公司正在尝试让机器人摆脱对海量示范数据的绝对依赖，这被一些观点视为机器人领域的“o1 时刻”可能到来的前奏。

核心信息

1. 数据积累路线遇到瓶颈

过去行业普遍认为“数据越多，机器人能力越强”，由此大量资源投入到采集真实环境中的机器人任务数据上。但数据获取难度大、成本高，且随着模型能力提升，单纯依赖数据规模增长的路线已经出现能力增长瓶颈。

2. o1 模型提供新的发展路径

大模型 o1 证明，模型能力提升不必然依赖训练阶段的数据增长，也可以通过增加推理阶段的计算量，让模型“想得更深”。这与具身智能当前面临的问题相似：机器人数据稀缺且昂贵，如果推理能力可以从已有经验中产生新能力，产业增长空间会被重新打开。

3. 机器人缺少行动推理能力

目前机器人更多是“看到场景，匹配动作”，而非真正理解“为什么要执行这个动作，以及动作之后会发生什么”。Meta 提出的 HumanCLAW 及 HumanCLAW-Bench 正在测试视觉语言模型是否具备身体行动能力。结果显示，在 1218 个具身任务测试中，最佳模型成功率仅为 16.8%，说明语言智能转化为物理智能仍有明显差距。

4. 世界模型成为研究方向

越来越多研究开始关注世界模型，让机器人在行动前先在内部模拟“如果我这样做，会发生什么；失败了如何调整”。这本质上是机器人版本的“思考过程”，也是提升物理世界综合推理能力的重要探索方向。

值得关注

• 数据在未来很长时间内仍是具身智能的基础设施，但其价值正在变化：真正有价值的数据不是单纯记录机械臂如何移动，而是帮助模型理解物体交互、环境变化和动作结果等物理世界运行规律。
• 若“具身 o1”式的推理突破实现，产业竞争逻辑可能被重构：核心竞争从场景数据供给转向智能系统能力，长尾复杂场景的落地成本有望明显下降。
• 柔性制造、养老服务、家庭服务等过去因环境复杂而难以规模化的领域，可能因机器人具备更强物理逻辑推理能力而打开新的增长空间。