在2026世界机器人大会期间，具身智能规模化落地成为核心关注点之一。

　　8月22日，在具身智能规模化探索论坛上，千寻智能联合创始人兼首席科学家、清华大学交叉信息研究院助理教授高阳发表主旨演讲，围绕“从数据闭环走向真实部署”拆解通用具身大脑的成长路径，指出数据闭环的跑通效率，直接决定具身智能产业的规模化进程。

千寻智能联合创始人兼首席科学家、清华大学交叉信息研究院助理教授高阳发表演讲

　　高阳表示，当前具身智能已跨过技术可行性验证阶段，正式进入规模化探索的关键窗口期。行业要实现从“实验室演示”到“产业化落地”的跨越，必须破解数据闭环三大核心命题：一是实现真实场景数据的海量规模化采集，二是保障数据精度以支撑工业级作业标准，三是建立机器人部署后的自主迭代机制，让机器能力随场景应用持续进化。

　　高阳介绍，千寻智能已构建起“数据层-模型层-Agent（智能体）层”三位一体的全栈技术体系，支撑数据闭环高效运转。

　　数据层搭建多源互补的数据供给体系：以海量互联网人类视频作为预训练底座，注入物理世界常识；以自研可穿戴采集设备与遥操作体系提供高精度动作数据，满足精密操作要求；最终通过真实部署场景的强化学习数据回流，形成完整迭代闭环。

　　模型层面坚持端到端全模态技术路线，实现视觉感知、语言理解、逻辑推理与动作输出的统一框架，为模型智能上限预留充足空间。

　　常被行业忽视的Agent（智能体）层，则负责将单点原子能力整合为全流程任务执行能力，支撑真实场景下的复杂人机交互。

　　在训练逻辑上，高阳团队系统验证了具身智能领域的缩放法则：数据量与模型性能呈对数线性关系，数据规模每扩展一定倍数，模型与最优性能的差距便同步收窄。这一规律为行业规模化投入提供了可量化的预判依据，也印证了数据规模是当前阶段具身模型能力提升的核心驱动力。

　　高阳说，为破解数据采集成本高、周期长的行业痛点，千寻智能过去两年持续迭代采集硬件，当前可穿戴设备的数据质量已达到遥操作数据的95%，同时在采集效率与场景多样性上优势显著。目前全国已部署超千台采集设备，累计真实场景数据超20万小时；配套的全自动化数据处理管线，将原本数月的标注周期压缩至一周，实现数据采训的快速迭代。

　　高阳透露，千寻智能已在宁德时代动力电池产线完成模型端到端部署，替代人工完成电池检测等工位作业；同时正将标准化工具链向博世、京东等产业客户复制，持续降低机器人场景落地门槛。他判断，行业当前正处于“人工点火”的关键积累期，随着部署规模持续扩大，将逐步进入机器人自主数据回流的“自闭环”阶段，届时具身智能产业将迎来真正的规模化爆发。