人形机器人行业正在数据路线上分叉。路透社10月15日报道，深圳机器人公司跨维智能选择了一条与主流截然不同的路：让机器人主要在虚拟世界里学会干活，再把本领迁移到物理世界。当西方同行还在雇人录制工作视频、一条一条积累真实示范数据时，这家公司用仿真引擎批量制造训练素材，赌的是仿真路线能把机器人训练的成本和周期同时打下来。这家公司由贾奎教授创立于2021年，软件起家的背景让它对数据管线的重视刻进了基因，PickWiz工业3D视觉栈与DexVerse仿真引擎构成其软件护城河，机器人本体反而是后来补上的载体。
CEO贾奎给路透社算了笔账：想纯粹靠真实世界数据收集实现物理AGI，需要10万亿量级的样本，而让人手动采集无穷无尽的人类任务，根本上是低效的。他给物理AGI下的定义是，人形机器人在陌生环境中按指令完成新任务。这个定义与语言模型的ChatGPT时刻形成了刻意的类比：互联网规模文本喂出了通用语言能力，仿真规模的物理数据理论上也能喂出通用操作能力。数据路线之争因此成为具身智能最深层的分水岭，它决定了谁的人员结构、成本结构和迭代速度。
跨维的具体做法围绕自研DexVerse引擎展开。这个引擎负责生成三维场景与合成训练数据，可以在虚拟环境里随意更换物体位置、桌面外观和机械臂姿态，同一个任务自动变出成百上千种变体，省去了真人反复reset场景的功夫。数据生成、模型训练、评估到部署被串成一条管线，仿真传感器与物理引擎支撑虚拟环境的真实性。理论上，变化带来的数据多样性，远超真人在单一场景里重复示范所能覆盖的范围。对客户而言，这套管线还有一个容易被忽略的优点：新任务的开发周期从录制排期压缩到场景配置，产线换型、季节性订单这类需求，恰好是真实数据采集最跟不上的节奏。
这套算术的核心变量是仿真器的保真度。合成数据要起作用，前提是虚拟场景里的光照、摩擦、形变与相机成像足够接近现实，否则模型学到的是模拟器的怪癖而非物理规律。跨维把DexVerse定位成引擎而非工具，说明投入的重心在渲染管线与物理求解器上，这部分工作没有捷径，只能靠长期积累与真实数据的反复校准。
仿真数据的死穴同样明确：模拟器里学到的本事，到了真实世界还要过sim-to-real这道坎。物理接触的细微差异、相机成像的色偏、物体行为的不可预测性，都会让仿真里的高分在真机上打折。合成样本只有最终在真实部署中存活，才算真正有用。这也是为什么路透社在报道里强调，跨维的成本优势主张仍需用真实任务的成功率、失败恢复和人工干预量来检验，而不是只看合成数据的数量。业内对这条路线的普遍期待是，仿真负责把能力学到八成，真实数据只用来磨最后两成，一旦这个比例成立，机器人训练的成本结构会被彻底改写；反之，如果仿真学到的策略在真机上频繁失灵，管线越庞大，返工的代价也越大。跨维选择自己造机器人本体，正是为了让仿真与真机之间的反馈闭环握在自己手里，迭代速度不取决于第三方硬件的配合度。
跨维的硬件选择也透着务实。其W1 Pro平台是人形机械臂加轮式底盘的组合，而非双足方案，产品页列出可配置的底盘与末端执行器，灵巧手或两指夹爪按需更换，全向配置最多40个自由度，1000Hz关节控制，单臂最大负载10公斤，配双目与腕部视觉和SLAM导航。官方披露的抓取成功率超过99.9%，但这属于厂商自报口径，独立验证仍缺位。轮式加机械臂的组合牺牲了跨楼梯的机动性，换来的是工厂与仓储场景里更稳的落点，这种取舍背后是一套清醒的商业判断：通用性可以慢慢长，先在结构化环境里把真实订单接回来，公司才有资源继续押注更远的技术目标。
资本市场已经为这条路线投了票。据路透社报道，跨维智能近期完成10亿元人民币B轮融资，估值超过100亿元，联想创投与蓝思科技出现在股东名单里。出资方的构成颇有信息量：联想创投背靠联想的制造与供应链资源，蓝思科技则是消费电子结构件的核心供应商，两家产业资本入局，看中的不只是仿真引擎的技术故事，还有它与真实产线对接的落地通道。资金大概率会流向三个方向：DexVerse引擎的场景库扩张、W1 Pro真机的量产爬坡，以及面向工厂与仓储客户的交付团队建设。跨维的商业模型因此有两层收入想象：一层是卖机器人本体与服务，另一层是把数据生成与训练管线作为工具卖给同行，后者一旦跑通，护城河会比单纯卖硬件深得多。
放在行业背景里看，具身智能的投资热度近期虽有小幅降温，但资金正加速向头部技术路线集中：一边是真实数据采集流派的重资产投入，一边是仿真优先流派的技术下注，两条路线的胜者将定义下一代机器人的生产方式。
值得对照的是同一时期的另一条新闻：多家AI公司雇人录制自己工作的视频，供机器人学习，示范采集行业悄然兴起。两条路线并非你死我活，真实数据擅长校准，仿真擅长规模化，多数团队最终可能两头都用。但跨维把仿真推到主角位置的打法，把一个问题摆在了全行业面前：机器人技术如果真要迎来自己的ChatGPT时刻，稀缺资源究竟是会操作机器的人，还是写得好仿真器的软件团队。