去年行业内便流传着这样一种判断：若不紧跟仿真技术潮流，具身智能领域终将被时代淘汰。 目前，机器人本体厂商仍在反复强调真实机器人数据的重要性，然而行业终究会拥抱仿真这一大趋势。真实机器人数据与ego/UMI等人类行为数据之所以盛行，本质在于当前任务过于简单初级，同时还能借此销售本体硬件，可谓一举两得。更为关键的是，市场上尚无企业能够为本体厂商提供海量且即开即用的仿真数据。 近日，AI领域领军人物李飞飞创立的World Labs正式宣布收购具身智能仿真初创公司SceniX。 SceniX深耕机器人仿真技术，通过构建高保真仿真环境，使机器人能够在虚拟空间中进行数据采集、训练与验证。World Labs致力于打造虚拟的“真实”世界，而SceniX则将虚拟环境进一步推向“真实”应用场景。此次收购不仅标志着World Labs的战略升级，更预示着整个行业正加速从虚拟人工智能迈向物理人工智能。 这也是过去一年多来行业持续聚焦的核心问题：究竟是什么环节真正阻碍了具身智能机器人进入日常生活？答案并非人形形态、电子皮肤或灵巧手，而是机器人的“大脑”，以及其背后更为关键的海量数据。 数据需要达到何种量级？至今无人能够准确断言，一个具备基本泛化能力的机器人大脑究竟需要多少小时的数据训练。当前行业提及的百万小时、千万小时，更多是主观估算。 去年，新兴创业公司虚时科技（Intime AI）在访谈中，其创始人王德駪坚定指出：虚拟仿真验证平台是未来具身智能机器人实现泛化能力与通用人工智能（AGI）的必经之路。今年5月，虚时科技与地瓜机器人合作发布了全球首款仿真空间数据生成平台——AnySceneGen，专为具身智能训练打造。 同样在今年，另一家新兴创业公司孪界科技——作为英伟达生态合作伙伴、由北京建筑设计研究院孵化——联合天工机器人开源了全球最大的铰链仿真资产数据库。所有这些努力都指向同一个目标：为具身智能机器人构建可仿真、可验证的虚拟环境，使机器人在研发与生产阶段摆脱物理世界的高复杂度与高成本束缚。 孪界科技创始人薛友松提出的终极愿景是“为物理AI重建数字世界”。他将物理AI基础设施平台划分为四个层级：真实世界数据接入、仿真可用的数字孪生、物理AI数据合成与仿真、以及具身机器人真机验证与部署。这四层架构共同构成了一套完整的工具链，成为连接真实与仿真（Real-Sim-Real-Sim）的桥梁。 国际上也有一批公司在同一方向上持续发力。 今年4月，苏度科技首次亮相便交出亮眼成绩：在60分钟内，不间断抓取100多个从未见过的物体，完全基于零真实机器人数据（zero-shot）实现高达98%的首次抓取成功率。驱动这一惊艳数据的模型，在训练过程中未曾使用任何一条真实机器人数据，将纯仿真路线贯彻到底。 同样作为全球具身智能领域的创业新锐，Ai2推出了MolmoBot开放机器人操控模型，该模型完全基于合成数据训练。他们利用MolmoSpaces生成了180万个专家操控轨迹，并通过MuJoCo物理引擎与域随机化技术构建了多样化的虚拟环境。相较于传统需要大量人工数据收集的方法，MolmoBot在桌面抓取任务中实现了79.2%的成功率，远超基于真实数据训练的模型（成功率仅39.2%），成功实现了从仿真到现实的零样本迁移。