今日，小米发布Xiaomi-Robotics-1具身基座模型，基于10万小时真实世界操作轨迹预训练，并用约1.1万小时跨本体数据完成后训练。
实验显示，随着预训练数据从2500小时扩至2万小时，动作预测损失持续下降；模型参数从20亿提至100亿，性能同样稳定改善。这是国内首次在机器人策略模型中对Scaling Law进行系统验证。数据来源上，模型通过自研UMI便携设备采集真人操作轨迹，结合视觉语言模型构建自动标注流水线，形成"数据规模→模型能力→真实任务表现"的完整链路。
国金证券指出，以人形机器人为代表的物理AI，数据是最卡脖子的领域。当前机器人行业硬件方案趋于收敛，"大脑"训练成为决胜关键，而数据量级和质量直接决定模型泛化能力。大语言模型有万亿级token训练，具身模型可用的真实交互数据不足其万分之一。
其同时表示，当前整机、UMI和EGO三种数采路线并存，高质量数据边际需求越来越确定，相机、姿态感知、触觉感知应用空间持续扩大。全球物理AI市场规模预计从2026年3830亿美元增长至2040年3.26万亿美元，数据基础设施加快建设有望带动数采产业链持续扩容。
公司方面，据上市公司互动平台、公告及券商研报表示，
奥比中光：3D视觉感知龙头，其3D相机为机器人数据采集中机器视觉环节的核心入口，产品已覆盖多家人形机器人及服务机器人客户。
信捷电气：公司建设具身智能及高端制造核心部件项目，覆盖机器人执行器、控制模组及传感器等方向。
*免责声明：文章内容仅供参考，不构成投资建议
*风险提示：股市有风险，入市需谨慎
沪公网安备31011802004900号
