人形机器人工厂加速扩张，训练数据却跟不上

9 月 30 日，新泽西州数据工程公司 Innodata 宣布启用一座研发设施。该设施直接从人体和机械体采集三维运动，而非从二维视频推断动作。据 The Robot Report 报道，Innodata 将此方案定位为针对行业瓶颈的解决方案：真实世界交互数据不足，且现有数据生产成本高、速度慢。每个机器人团队都面临这一困境。

Innodata 并非机器人制造商。其业务核心是数据与评测框架，目前正将这些服务出售给物理 AI 公司。这些公司需要利用人类无需思考即可完成的任务，来训练人形机器人和工业机械臂。

Innodata 首席执行官 Rahul Singhal 在声明中表示：“物理 AI 的增长速度超过 AI 其他任何细分领域，但每个机器人团队都撞上了同一堵墙。真实世界交互数据不足，现有数据又贵又慢。”

为什么数据缺口比硬件更重要

大语言模型拥有互联网作为学习素材，机器人则没有。Innodata 机器人与物理 AI 副总裁 Franklin Tanner 告诉 The Robot Report，物理 AI“必须通过每一次交互来赚取 token，且每次交互都需刻意设计”。实验室传感器旨在记录每个关节最细微的动作，Innodata 称这能提升训练的准确性与效率。Tanner 以机器人拿杯子为例：抓把手还是抓杯底，在杯子装满热水前，差异可能并不明显。

这是数据问题，而非电机问题。它只是本周浮现的多个瓶颈之一。

总部位于巴黎的 Inbolt 于 9 月 30 日融资 1100 万欧元，旨在将实时三维视觉及不依赖硬件的 AI 层部署到现有生产线。Tech.eu 报道，本轮融资由 Shift4Good 领投，Bridges Climate Transition Partners 及现有投资方 BNP Paribas Développement、Ora Global 参投，累计融资额达 3000 万欧元。Inbolt 称其软件已部署在三大洲 100 多家工厂的 200 多台机器人上，客户包括 Bosch、Beko、Flex、Ford、Stellantis 和 Toyota。

同在 9 月 30 日，MindOn 推出物理 AI 模型 Mind-1。公司称该模型将机器人推理延迟从 82ms 降至 32ms，使操作任务循环时间达到人类水平。MindOn 认为，若机器人比人类慢五至十倍，无论演示效果如何，都难以融入实际工作流程。

基准测试的问题

能力宣称正变得难以比较。Fig. 于 9 月 30 日发布技术报告，在网页自动化及操作、装配、工业流程、驾驶四个物理领域，评测了包括 Astra 和 Opus 5.5 在内的前沿模型。作者未发现明显的性能领先者。在测试的每一对模型中，得分较低者至少解决了一个得分较高者未能完成的任务。

这种不均衡也出现在各物理领域：即便在平均得分上击败 Gemini 3.5-Flash 的模型，在某些任务类别上表现仍更差。团队发布了覆盖全部五个领域的逐项数据集 RIDGE。

与此同时，制造业扩建仍在加速。据 Electrek 9 月 30 日报道，特斯拉计划在得克萨斯州建设的太阳能工厂卷入两家中国设备制造商间的美国专利诉讼。Linton Crystal Technologies 于 9 月 22 日在得克萨斯联邦法院起诉浙江晶盛机电，涉及两项覆盖直拉单晶炉部分结构的专利，该炉用于拉制单晶硅锭。晶盛机电于 9 月 24 日向投资者披露诉讼，称其产品使用的“技术方案与专利完全不同”，预计无重大影响。

并非所有机器人新闻都关乎工业。9 月 30 日，一家市值约 240 万美元的纳斯达克上市公司表示，已向特斯拉发出采购询价，拟购买 500 辆 Robotaxi。据 Electrek 报道，KIDZ AI 前身为在线编程学校 Classover Holdings，其第二季度服务收入同比下降 34% 至 48 万美元，季度亏损 250 万美元。公司声明称，该询价并非有约束力的订单。

公告与部署机器之间的差距，不会自行缩小。