2026 年的物理 AI (具身智能) 行业，「卡」的不是硬件也不是资本 — 缺的是 高质量真实交互数据。一台机器人学会"拿起一个杯子"，今天的训练成本约 500 元 / 小时，真机遥操作设备 30-40 万一台；要把所有场景学完，百万小时只是行业门槛，千万亿小时才是通用泛化线。
跟存储 4-Q 的 5 秒测试一样，先跑 3 个 yes/no 看「缺在哪一层」。
| Test | 问题 | 答 | 证据 |
|---|---|---|---|
| 1 | 硬件缺吗? | NO 缺 | 宇树 IPO 600 亿 / 蚂蚁灵波适配 17 品牌 20 构型 / 帕西尼 35 亿融资 · 硬件层不缺 |
| 2 | 资本缺吗? | NO 缺 | 2026 前 7 月 195 起融资 / 754.63 亿 / 是 2024 全年 22 倍 · 资本层不缺 |
| 3 | 数据缺吗? | YES 真缺 | LLM 语料百亿亿字符 vs 具身数据差 1 万倍 · 百万小时是行业门槛 · 千万亿小时是通用线 |
3 个测试里 2 个 yes 资本/硬件不缺，1 个真缺 数据。这是物理 AI 跟传统 AI 最大的不同 — 数据不能从互联网爬取，必须在真实物理世界采集。遥操作 (黄金标准) 成本高、仿真有 sim2real gap、人类视频数据存在「体不匹配」—— 三条路每条都有硬约束。
| 路线 | 质量 | 成本 | 规模 | 硬约束 |
|---|---|---|---|---|
| 遥操作 (Teleop) | 高 (黄金标准) | ¥30-40 万 / 台 | ¥500 / 小时 | 线性 · 无规模效应 · 试错成本高 |
| 仿真 (Sim) | 中 (可控) | ~零 (边际成本) | ~无限 | Sim2Real gap · 3 重非平稳性 |
| 人类视频 (EGO) | 低 (辅助) | 中 (清洗 + 标注) | 互联网级 | 2D → 3D 体不匹配 · 自由度差异 |
| 组合拳 (仿真 + 视频 + 真机) | 中-高 | 中等 | 可扩张 | 需要统一中间表征 · 工艺仍在演进 |
唯一能跑通的是 组合拳。黎曼动力的 Riemann-1.0 = 20 万小时人类 EGO + 1.2 万小时 UMI / 外骨骼 + 2 万小时真机 / 仿真，目标 100 万小时 / 2026 底。RoboScience 单条数据成本压到传统方案 1/20 ~ 1/200，2026 目标 1T manipulation 数据集。
10 × 10 dot grid · 60 黑 = have / 40 灰 = need · 5 子维度
读法 · 100 dot = 物理 AI 链 100 个核心维度 · 60 黑 (have) · 40 灰 (need) · 问题密度集中在 row 7 (数据) + row 8 (统一表征) · 跟存储 4-Q 同款模式 · 但物理 AI 缺的是数据，存储缺的是材料
Q1 给了 "数据是真瓶颈 + 100 dot 视角 + 3 路线组合拳"。Q2 进入 哪类公司有优势 —— 按 Tier 1 (数据闭环) / Tier 2 (本体) / Tier 3 (其他) 排序，看哪些公司已经卡位。