2026年4月，量子位、蚂蚁灵波与乐聚机器人联合举办沙龙，近200位具身智能从业者探讨行业从实验室走向真实世界的挑战。当前行业焦点已从硬件转向数据模型，但面临数据采集难、利用率低等问题。乐聚工程师指出，具身数据尚未达到Scaling Law门槛，其与LingBot合作提升模型性能。蚂蚁灵波郑可成强调真机数据对预训练的重要性，其LingBot-VLA模型基于2万小时数据训练。上海交大李永露提出评测基准GM-100，发现12万小时数据中仅5000小时可用。圆桌讨论中，专家们认为高质量数据比数量更重要，并预测未来3-5年将向无感化数据采集和协作生态发展。

2026年4月16日，上海张江，觅蜂科技（Maniformer）成立仅72天，发布MEgo系列无本体数据采集硬件及物理AI数据服务平台，旨在解决具身智能领域‘数据荒漠’问题。其硬件设备包括轻量化多模态夹爪MEgo Gripper和全景视角感知终端MEgo View，具备亚毫秒级同步与高精度数据采集能力。觅蜂还联合权威机构启动‘蜂巢数据共创行动’，推动全球物理AI数据生态建设，并与京东云、百度云、阿里云等达成战略合作。董事长姚卯青表示，觅蜂将实现千万小时级数据产能，目标2030年达成百亿小时级规模，为具身智能产业提供高质量数据基础设施，加速AGI时代到来。

4月16日，京东在具身智能生态发布会上推出全球首个覆盖“采、存、标、训、评、仿、测”全链路的具身智能数据基础设施，包括自研超高清采集终端JoyEgoCam、具身大模型JoyAI-RA及数据交易平台。依托零售、物流等丰富场景，京东计划发动60万人进行史上最大规模数据采集行动，两年内积累1000万小时真实场景视频数据，推动机器人产业规模化落地。JoyEgoCam以高清晰度、精准度和便携性破解数据痛点，而全链路平台使模型训练效率提升3.5倍。具身大模型JoyAI-RA真机成功率达73.5%，领先行业。京东还上线数据交易平台，开放2000小时高精标注数据集，推动合规流通与生态共建，助力万亿级具身智能产业发展。

2026年3月18日，BeingBeyond正式发布全球首款Real DexUMI——U1，开启灵巧手数据采集新时代。U1创新性整合灵巧手硬件、动态追踪与触觉感知，首次实现‘无本体、低成本、真实场景规模化采集’，打通‘采集—迁移—部署—执行’全链路。其同构掌心遥操手套设计降低使用门槛，动态追踪精度达0.1mm，支持复杂抓取任务。整机重680g，采用11关节设计，承重5kg，集成触觉传感器，适用于工业与复杂场景。BeingBeyond通过U1重新定义灵巧操作基础设施，推动高质量灵巧数据采集范式，助力具身智能迈向真实场景应用。

2026年3月，由华人博士赵子豪与迟宬创立的斯坦福家务机器人公司Sunday Robotics完成1.65亿美元B轮融资，估值达11.5亿美元，正式成为独角兽。这家成立于4个月前的初创公司累计融资约2亿美元，计划将资金用于部署和研究，推动轮式机器人Memo进入真实家庭测试。Memo能完成收拾餐桌、叠衣服等复杂任务，定价2万美元。公司还开发了低成本技能捕捉手套，用于采集人类操作数据训练机器人模型ACT-1。团队快速扩张，员工从35人增至70人，并计划在中国组建团队。创始人强调，机器人发展的核心瓶颈是数据与智能，而非硬件。

2026年3月，灵初智能完成约20亿元天使轮及Pre-A轮融资，估值一年暴涨6-7倍，成为具身智能领域独角兽潜力股。公司由00后联合创始人陈源培与资深行业专家王启斌共同创立，获国家级资本、地方国资及多家产业基金重仓支持。灵初智能专注物流场景规模化落地，发布全球首个具身原生人类数据采集方案Psi-SynEngine，通过便携式外骨骼手套捕捉人类动作数据，成本仅为传统机器人遥操方案的10%。公司采用‘模型驱动数据’闭环策略，聚焦真实场景交付，逐步攻克衣物供包等高复杂任务，形成数据飞轮效应。灵初定位为通用灵巧操作能力的‘大脑驱动公司’，自研核心算法与数据链路，灵活适配硬件形态，目标解决更复杂应用场景。资本与产业共振加速，时间成为关键竞争要素。

正文：2026年3月，数据采集工具Scrapling因解决OpenClaw抓取网页时的难题而爆火。这款工具能穿透防爬虫机制，将杂乱网页源码清洗为结构化数据，并具备智能自适应算法，可应对网站改版导致的数据定位问题，实现24小时稳定运行。其内置MCP模式可精简数据，降低AI处理成本，同时内存占用低，支持旧设备运行，并提供断点记忆功能以应对断网或断电情况。Scrapling还提供开箱即用的命令行工具，无需编程基础即可使用。目前，该项目已在GitHub上获得2.3万stars，登上单日趋势榜第一，作者正将其开发为OpenClaw的Skill，进一步提升易用性。

2026年1月，具身智能数据采集领域迎来革新，穹彻智能推出RoboPocket系统。这一系统通过手机与夹爪的组合，让普通人也能随时随地参与高质量数据采集。其核心亮点是内置‘数据价值中枢系统’，在采集过程中实时评估、引导和动态调度，确保数据直接服务于模型训练需求，减少冗余与低效。相比传统UMI方案，RoboPocket解决了数据质量、便捷性与后处理压力的‘不可能三角’，显著提升模型在复杂场景中的执行鲁棒性与泛化能力。此次发布标志着数据采集从专业化走向社会化网络，为具身智能行业迈向规模化发展提供了关键支撑。

标题：训具身模型的问题，数据采集时就已注定 正文： “我们只交付100%可复现的轨迹。”在鹿明机器人媒体沟通会上，联席CTO丁琰分享了具身智能数据采集的现状、困境及新兴技术UMI（Universal Manipulation Interface）。他强调，许多团队认为模型训练失败是卡在训练阶段，...

11月24日，《科创板日报》报道，人形机器人正从实验室走向工厂量产，但手部‘最后一厘米’的精细操作仍是关键难题。业界预测，2025年至2035年人形机器人销量年均增长率可达94%，2035年市场规模将达1540亿美元。然而，灵巧手技术尚未突破，特斯拉Optimus因手部设计问题已暂时停产。灵初智能COO孟福刚指出，当前机器人手部主动自由度仅6个，远低于人类手部24个自由度，且缺乏灵敏触觉反馈系统。他认为，需积累约200万小时人类操作数据才能实现技术突破，预计明年下半年有望取得进展，但大规模应用仍需三年。