【站在具身智能的岔路口，无问智科选择 “修路”】具身智能无疑是当下最热闹的赛道，没有之一。

在上个月结束的 WAIC 上，具身智能展馆始终是人流最密集的区域。表演打拳和跳舞的机器人才刚刚褪去新鲜感，递咖啡、叠衣服的交互尚能引人围观，而更深刻的变化已经发生，一批机器人开始走进 1:1 复刻的工厂产线，在搬运、分拣、装配等真实生产环节连续作业。

展馆外，资本、人才和互联网大公司的注意力，也在同时向这里聚集。据第三方数据，2026 年上半年，国内具身智能及相关上下游已经发生超过 300 起融资，搅动了超 900 亿元的融资额；今年前四个月，具身智能岗位量增长 15 倍；互联网公司、车企、手机厂商和传统机器人公司，分别从模型、本体、数据和应用场景切入。

但在这些繁华与喧嚣的另一侧，几乎所有站在一线的创业者和投资者，心里都悬着同一个隐忧：数据。

过去的三年，瓶颈一路迁移。算力曾经限制模型的规模，算法曾经限制模型的能力，今天，数据开始限制模型的上限。对于具身智能而言，没有足够的数据，机器人就无法学习新的技能、适应新的环境，更难形成真正的泛化能力。

难点在于，训练机器人对数据的要求很高，这些数据无法像互联网内容一样天然产生，单一方式生成的数据也都存在它们的边界。

所以，从去年开始，行业的投入重点开始发生变化。一批围绕数据而生的新基础设施开始出现：有人试图用世界模型降低真实数据需求，有人通过仿真环境批量生成训练数据，也有人开始搭建机器人数据采集、管理和验证体系。

无问智科走出了一条新的路径。围绕数据，无问智科构建了一套完整的基础设施：从真实数据采集、到数据清洗、自动标注、质量评估，再到合成数据生成、仿真模拟，再到测评和闭环验证，把原本分散的数据生产、使用、验证环节连接成了一个持续运转的迭代进化系统。

“无问智科是行业首个提出并实践，用世界模型构建具身智能数据基础设施”，无问智科的创始人兼 CEO 刘盛翔这样形容他们的生态位。

这种对基础设施的执念并非凭空而来。作为百度自动驾驶早期的核心骨干，刘盛翔曾搭建了百度的自动驾驶数据与测试体系。2022 年创办无问智科时，他选择将这套在自动驾驶领域验证过的底层逻辑延伸至具身智能——打造一套 “世界模型驱动的物理 AI 数据基座”。

模型究竟缺什么数据？如何持续生产这些数据？数据是否真正提升了模型能力？模型又是否具备进入真实场景的能力？数据基础设施又凭什么能由一家创业公司来承载？带着这些问题，我们在无问智科位于北京中关村的办公楼里见到了他。

采访开始前，他拿出了自己打印好的一沓文档——在前一天晚上，他花了两个小时，把采访提纲里的每一个问题预先回答了一遍，并写了下来。这位工程师出身的创始人，依然习惯把所有问题都拆解成最细的回答，来迎接任何一场审视。 http://t.cn/AXCmx1wR