21世纪经济报道记者林典驰
2025年中，一座占地近12000平方米的“智能数据粮仓”正式启幕，帕西尼具身智能超级数据工厂（SuperEIDFactory）的落地，不仅刷新了全球具身智能数据采集与模型训练基地的规模纪录，更直指行业发展的核心命门，为长期困扰具身智能产业的数据集稀缺、触觉模态空白、泛化性不足等难题，抛出了一套解决方案。
据官方披露，这座超级工厂年产近2亿条具身智能训练数据，未来将全面向全球产业生态开放，有望推动具身智能领域的“世界模型”实现质的飞跃，加速产业商业化落地进程。
具身智能的“数据饥渴症”难解
当下，具身智能正从实验室走向产业化应用的关键拐点，人形机器人、工业协作机器人、服务机器人等产品相继涌现，点燃了全球科技产业的新赛道。然而，在技术快速迭代的背后，一场隐蔽却致命的“数据荒”，正成为制约行业前行的最大绊脚石。
行业共识是，具身智能的核心竞争力，源于与物理世界的精准交互，而这一切的基础，正是高质量、多模态的实采数据，尤其是触觉模态数据，更是被业内称为具身智能的“核心燃料”。
不同于视觉数据可通过摄像头规模化采集、语言数据可从互联网批量获取，触觉与力学数据必须依托真实物理接触才能捕捉，不仅采集难度大，更难以形成统一标准，成为全球行业的共性难题。
目前，全球范围内，能够支撑机器人完成灵巧操作、适应复杂场景的高质量、多场景、多维度触觉-视觉多模态实采数据集，仍处于严重稀缺状态，直接导致机器人无法稳定完成精细动作，难以适应真实世界的复杂变化。
雪上加霜的是，传统具身智能数据采集模式还存在诸多瓶颈：大多依赖特定机器人本体进行遥操作采集，一旦机器人迭代升级（关节布局、自由度变化），旧数据便会快速贬值，难以复用；同时，采集过程效率低下、耗时漫长，且昂贵的机器人本体大幅推高了采集成本，让大规模数据生产成为奢望。
这些痛点叠加，最终导致机器人普遍存在动作受限、多模态能力薄弱、泛化性差、训练成本居高不下等问题，延缓了具身智能的产业化步伐，让看似火热的赛道陷入“巧妇难为无米之炊”的困境。
超级工厂构建数据生产“新范式”
在行业困局亟待突破的关键时刻，帕西尼依托深圳总部的全栈技术解决方案支撑，在天津打造的超级数据工厂，成为破解数据稀缺难题的关键抓手，构建起一套工业化、规模化的数据生产新范式。
这座占地近12000平方米的工厂，自启动之日起，便凭借庞大的规模和领先的采集体量，稳居头部。与传统零散采集模式不同，帕西尼在这里构建了15+N个全场景矩阵，覆盖汽车制造、3C装配、家居服务、办公辅助、餐饮零售、康养护理、医疗辅助等全链条具身智能应用场景，模拟真实世界中机器人可能遇到的各类复杂场景。
支撑这一场景矩阵高效运转的，是工厂内部部署的150个标准化采集单元。每个单元都配备了帕西尼自主研发的数据采集设备和系统，形成了一套闭环采集体系，能够捕捉具身智能所需的触觉、视觉、动作轨迹等各类核心数据。
据官方统计，这座超级工厂预计每年将生产近2亿条具身智能训练数据，这些数据可直接应用于多模态、跨本体、跨任务、跨场景的具身智能扩散模型训练，精准攻坚行业长期面临的泛化性难题，为机器人适应不同构型、不同场景提供核心数据支撑，加速模型迭代优化的速度。
自研数采体系打破行业壁垒
帕西尼超级工厂的高效运转，背后离不开其自主研发的核心技术支撑。多维触觉传感器和多维触觉数据采集设备PMEC，这套自研数采体系，从根本上打破了传统采集模式的壁垒，实现了“无本体依赖、高效率、高性价比”的三重突破，成为破解数据稀缺难题的核心关键。
相较于传统数据采集必须依赖特定机器人本体的局限，帕西尼走出了一条新的创新路径，其数据采集设备基于真人手部动作姿态进行同步数据捕捉，通过“空间视觉矩阵”实现“视觉-触觉”模态对齐，让采集的数据摆脱了对特定机器人本体的依赖，可广泛适配不同构型的具身智能产品，大幅提升了数据的通用性和复用性。
高效率是这套体系的另一大优势。帕西尼的采集系统能够匹配人类手部的日常动作效率，实现实时、自然的动作捕捉，无需人工干预过多流程，最终实现年采集量近2亿条，这一数字超过传统采集模式的效率，成为加速具身智能模型迭代和优化的核心动力，让大规模数据生产实现可能。
这套采集方案大幅降低了数据采集成本。由于无需依赖昂贵的机器人本体进行数据采集，帕西尼将采集成本大幅降低，打破了“高质量数据必然高成本”的行业认知，为行业提供了一条经济高效的数据生产路径，让中小厂商也能获取高质量的训练数据，进一步降低了具身智能产业的准入门槛，推动行业生态的多元化发展。
全模态数据集赋能世界模型演进
随着超级工厂采集的全模态数据不断丰富，帕西尼的多模态具身智能数据集也在持续升级，原本的MotionSharing DB，正逐步升级为全模态数据集OmniSharing DB，其核心目标是打造亿级高质量全模态数据集，计划每年生产近2亿条融合触觉、视觉、文本等多模态的高维数据，以规模与一致性，系统性解决行业的“数据饥渴症”。
据悉，帕西尼还计划向全球产业生态开放这些数据资源，进一步放大数据的价值，推动行业数据共享，打破数据孤岛困境，带动整个具身智能产业链的协同发展。
值得一提的是，这一全模态数据体系，正深度关联着具身智能“世界模型”的演进。所谓世界模型，是具身智能模拟与物理世界交互的动态认知框架，能够支持机器人进行预测、规划和决策，是机器人实现自主交互的“认知引擎”。
帕西尼的全模态数据，将从三个核心维度推动世界模型升级：通过多模态表征关联物理规律，让机器人理解物体属性、空间关系和因果逻辑；通过人类行为驱动直觉学习，让机器人模仿人类的自然动作和决策模式；通过数据与模型的双向增强。数据作为模型的“感官输入”驱动其不断优化，而模型预测能力的缺口，又能反向指导数据的定向增强采集，持续提升世界模型的泛化能力与鲁棒性，让机器人更精准地理解和适应真实世界。
