开物见理|数据时长正在失去意义,物理AI的护城河在数据产线

一份开源数据集里，约1/6的指令标注是错的——指令写"把杯子放进洗碗机"，画面里根本没有洗碗机。约1/3的动作不合格：夹爪打滑、轨迹漂移、任务中途失败。

这样的数据，正在被成吨地喂给机器人模型。

物理AI行业最焦虑的不是模型，是数据。企业争相披露几十万、上百万小时的数据储备，但真实可用的合规数据极其稀缺：据行业公开信息与我们的测算，中国真实场景合规数据存量约50万小时，而规模化落地可能需要数千万小时量级；真机高质量数据市价500-1000元/小时，质量参差的数据低至几块钱一小时。

当所有人都在比拼"手握多少万小时"，一个朴素的问题却很少被深究：这些数据，真的能让机器人干活吗？

我们的结论是：数据时长正在失去意义，数据产线才是护城河。

01｜小时数正在失去意义

单纯的数据时长不再是价值标尺。一份数据能为模型带来多少能力增益，才是新的计价标准。同样标称10万小时，构建成本可能相差一到两个数量级。

根源在于，行业绝大多数"小时数"只是录像片段：充斥重复动作、无效片段，甚至诱导"动作幻觉"的坏样本。传统方案以完整录像片段为最小单位（学界称 Episode-centric），只留存成功的完整片段，失败与重试数据被直接丢弃。

而恰恰是那些被丢掉的"失败—重试"过程，藏着机器人最需要学习的经验。

02｜数据，才是物理AI的第一壁垒

息壤开物（XIRRA）是一家物理AI模型公司，产品定位为物理世界的AI操作系统。

我们的底层认知很简单：模型是数据的拟合器，本身并不自带物理世界的知识。所以研发重心，我们投向了数据源与数据管线，而不是模型结构的反复微调。

数据供给上，我们建立了数据金字塔：底层是海量的互联网视频与仿真数据，中层是EGO第一视角视频与UMI类示教数据，塔尖是最稀缺也最宝贵的真机数据。仿真数据成本可控、规模巨大，是不可替代的补给；还有塔尖那部分最珍贵的真实交互数据。每一层数据的价值"榨干"，是息壤开物构建数据能力的基本功。

▲ EGO第一视角视频示意

这套能力已经获得外部验证：2026年9月，我们在WorldArena 轨迹精度排名全球第一、物理遵从全球第二；在TriWorldBench 世界模型榜单位列全球第二。

▲息壤牢牢占据世界第一梯队

大模型的本质是实验科学，靠"训练—测评—迭代"的闭环持续往前推。这正是我们重仓数据基建的底层逻辑。

03｜一次范式改造：从"录像片段"到"状态变迁"

我们把以录像片段为中心的数据范式，改造为以状态变迁为中心（Transition-centric）——不再把"一段录像"当作最小单位，而是用"状态—动作—结果"三元组，记录物理世界发生的每一次变化。

一次变化，就是一条可学习的经验。这样一来，失败、重试、修正都不再是被丢弃的废料，而是高价值样本。

改造之后，同一小时原始数据的有效监督密度提升3倍以上（不同任务在3-8倍之间），高价值样本占比提升30-50%。

04｜数据管线三件事：清洗、分割、打标

原始录像要变成可用训练素材，管线必须完成三件事，并全程自动化：

清洗——识别并剔除脏数据（错误标注、异常动作）；

分割——把长短不一的原始录像拆成独立子任务，匹配"大脑+小脑"的分工（大脑负责理解任务，小脑负责执行动作）。难点在于保留"失败重试"的语义单元，"失败—重试—成功"这条链条不能被粗暴截断；

打标——对每段动作独立打分，区分"一次成功完成"与"先失败后重试成功"两类样本。

两组对比很直观：

夹取面包入袋：通用管线切出14段，混入大量动作幻觉；息壤切为7段，与人工真值基本对齐，并准确识别出"第二次夹取失败→重新对准"这一环节，占比10.1%。

移动遥控器后拉床毯：通用管线误判为"抚平床单褶皱"，导致遥控器子任务丢失；息壤的三段切分与人工真值完全匹配。

同一批原始素材，经不同管线加工，产出质量天差地别。数据管线，才是真正拉开竞争差距的地方。

05｜从单条视频，走向可持续的数据加工

围绕这条管线，息壤开物打造了完整的物理AI数据平台，覆盖多模态输入、清洗、标注、质检、版本管理、对外发布六步治理链路，做到每条数据可训练、可追溯、可迭代。整套能力已通过API对外开放。

▲XIRRA物理AI数据平台

此外，息壤的智序API负责具身任务的拆解与描述生成；评测平台负责场景构建、策略执行与评测报告，失败样本自动回流训练，跑通了"数据→评测→数据"的闭环。

▲息壤智序API

▲XIRRA物理AI评测平台

06｜LPM：让真实任务成为一等对象

要持续转动这个数据飞轮，还需要一个串联数据、模型与真实任务的操作系统——LPM（Large Physics Model，物理世界大模型）。

LPM从预训练阶段重构物理智能底座，联合求解两套模型：世界模型P（预测物理状态会如何演化）与策略模型π（输出下一步动作决策）。

上层搭载Agent调度框架：任务被定义为一等对象，高阶策略处理低频的宏观决策，低阶策略负责高频的精细动作，不同难度的任务交给适配的模型模块——拒绝用单一模型解决全部物理任务。

息壤开物不做机器人本体。但每一个跑在LPM之上的任务迭代，都在把物理AI向"能干实事"推近一步。

结尾｜先看数据产线，再看发布会

行业正从"寻找可用数据"，走向造数据、管数据、用部署反馈持续生产数据的新阶段。

判断一家物理AI企业真实的数据能力，可以看三把标尺：

1. 数据资产是堆砌出来的小时数，还是真正有效的监督信号；

2. 是否把失败样本当作核心资产，能够回流迭代；

3. 数据平台与任务系统，是否真正做到可训练、可追溯、可迭代。

决定机器人能不能稳定干活的，往往不是发布会上惊艳的Demo，而是那条看不见的数据产线。

想看这条产线的真实能力？

访问 www.xirra.com.cn/products 申请试用，或预约一次技术演示。

生生息壤，开物造智。