院士替机器人企业"讨"数据
今年10月12日，第26届中国国际工业博览会在上海开幕。31万平方米的展馆、3200多家参展商，机器人照例是主角。但今年最值得被记住的，可能不是某款新品，而是开幕圆桌上的一场对话。
那场对谈原本的主题是"人形机器人何时走进工厂"，但话题很快被阿里云创始人、中国工程院院士拐到了另一个方向。他站在台上，替台下做机器人的企业，向在场的工业界大佬们要一样东西——数据。
"今天工业界面临的挑战是，工业界所有的数据还是锁在每个人的抽屉里。"他直言，"机器人行业如果要有一次根本性的变革，工业界应该把工业数据拿出来，给做机器人的企业。" ——阿里云创始人、中国工程院院士王坚主持人顺势把话头抛给宇树科技创始人王兴兴："你需要这些数据吗？"
"当然，AI需要所有数据。"王兴兴答得干脆，但补了半句实话——现在很多企业有数据保密的要求。
问题又抛向台下的海尔集团董事局主席周云杰：数据清洗脱敏之后，能不能给？
"非常愿意。"周云杰答得同样干脆。
要数据的人不犹豫，给数据的人也不推脱，甚至有人愿意先"洗干净"。三方谁都没拒绝。但恰恰因为这场对话如此顺畅，反而让人琢磨：事情真就这么简单？这位院士真正想说的，恐怕不止是"把数据拿出来"。
没有数据，机器人就是"睁眼瞎"
很多人对机器人的直觉，还停在机械臂、电机和减速器上。但一个能下产线干活的机器人，真正拉开差距的早已不是硬件，而是它"见过多少世面"。
Sharpa联合创始人向少卿在圆桌上拆得很清楚：人类操作数据、仿真数据和真机运行数据，三者缺一不可，而且是层层递进的关系。一开始，必须先有足够多的人类操作数据——这些数据里藏着人对自己身体和物理世界的认知。把这些"种子"喂给模型，机器人才能在仿真环境里扩展学习，最后再到真实环境中闭环验证。三个环节跳不了步，也省不了料。
但问题就卡在第一步。大语言模型之所以能三年内从读懂语言进化到写代码，一个核心条件是：互联网把语言数据汇集起来了，开源社区把代码数据汇集起来了。语言和代码，早就成了人工智能的"一等公民"——有统一格式，有明确归属，有流通规则。
工业数据呢？同一家工厂里，一张图纸可能散落在不同部门，生产进度在MES里，进销存在ERP里，老师傅的手感在他自己脑子里。它连"公民身份"都没有。
这也就是他在工博会上反复说的那半句——"在语言、代码之外"。他不是在谈一个技术问题，而是在谈一个定位问题：工业数据能不能被当成"一等公民"来对待？如果连这个前提都不成立，后面谈"开放"、谈"合作"，都是空转。
抽屉里锁着的，远不止数据
仔细琢磨他那句"锁在每个人的抽屉里"，会发现他用了一个很精准的词——"每个人"，不是"每家企业"。
工业数据里头有两种东西。一种是产线上的节拍数据、订单记录、设备曲线、工艺参数，能脱敏、能清洗、能打包——这是企业层面的，周云杰说的"非常愿意"指的就是这一类。
还有一种，脱敏脱不掉。老师傅听声音就知道轴承不对，工程师调参数靠的是几十次的直觉判断，一条设备曲线背后的"这个不对劲"，不在任何数据库里。这些东西长在人身上，跟着人流动，也可能跟着人退休。
所以他要的，不是一份数据共享协议，而是一个能让工业数据先被"识别"、再被"流通"的基础设施。这就像当年个人电脑给了软件一个安身之处——圆桌结尾，他留了句话：
"当年PC出来时，个人电脑给软件一个安身之处。如果没有个人电脑，软件就是个幽灵。今天的智能，我希望机器人能成为现代意义上人工智能的安身之处。"——阿里云创始人、中国工程院院士王坚安身之处不是一句口号，它背后是一整套让数据从"幽灵"变成"实体"的能力。格式标准化、确权机制、定价逻辑、脱敏标准——这些事的推进速度，决定了机器人产业能用多快速度完成从展品到产品的跨越。
让数据"落地"——核数聚在做什么
作为国内最早一批扎进AI数据服务的企业，核数聚做的事情说起来不复杂：帮AI找数据、清洗数据、标注数据、做成能直接训练模型的数据集。但真正干过这行的人都知道，把工业现场那堆散落在不同系统、不同格式、不同人脑子里的信息，变成机器能"吃"进去的训练数据，每一步都是硬骨头。
核数聚目前的业务版图覆盖了具身智能、智能驾驶、大模型、智慧医疗、语音语言五个方向，合作客户超过300家，数据处理量超过100PB。在具身智能这个最"吃数据"的赛道上，核数聚在苏州、青岛、芜湖、慈溪自建了四个具身采集训练场，光是苏州一个基地就常驻150多名专职采集人员，目前入驻的企业里头包括宇树、智元、乐聚、鹿明、优里奇、科沃斯——都是国内具身赛道跑在最前面的玩家。
这些训练场干的事情，本质就是把他说的那两类"锁在抽屉里"的数据，一条一条地采出来、标注好、做成可用的数据集。从2D图像标注到3D点云标注，从视频时序标注到物体交互标注，从视觉数据到力触觉数据——机器人要"看懂环境、理解指令、精准执行"，每一个环节背后都是一套标准化的数据供给流程。
核数聚的一位项目负责人跟我说过一个细节：给某家国内头部具身智能厂商做数据标注，一个项目周期常年滚动，单任务量超过5000组，标注精度要求做到99.5%以上，团队常年保持220人以上的投入。"具身智能的数据需求跟互联网完全不一样，它要的不是量多，是准。一条夹爪抓取动作的视频标注，差几个像素，模型训练出来的效果天差地别。"
这大概就是那句话的另一面——工业数据不是"有没有"的问题，是"能用不能用"的问题。光有"非常愿意"的态度不够，还得有人愿意沉下去，把数据从粗糙的原始形态，打磨成AI能消化、能吸收、能长本事的"口粮"。
拼到最后，拼的是数据
当所有人都在谈大模型、谈具身智能、谈机器换人，到底什么是那个绕不过去的底层变量？
去年大家拼算力，今年拼算法，明年可能拼应用场景。但把时间拉长看，有一件事不会变——不管你谈的是大模型、具身智能，还是机器换人，拼到最后，拼的都是数据。
没有数据，大模型就是一座没有燃料的工厂。没有数据，具身智能就是一个学不会走路的婴儿。没有数据，"机器换人"就是一个永远在PPT里的概念。
工博会上讨的那句"头等公民"，讨的不是一份慷慨，讨的是一个共识——工业数据的价值，不应该在抽屉里沉睡。而要把这些数据唤醒、清洗、标注、交付，让它们真正流入AI的训练管线，需要的正是核数聚这样的"数据基础设施"。这不是一个短期生意，而是一条需要耐心、需要精度、需要跟产业一起慢慢熬的路。
毕竟，数据是AI的口粮，机器人是AI的身体。你得先让它吃饱，它才有力气站住脚。
