灵初智能：数据策略要看场景复杂度

一句话判断

灵初智能：数据策略要看场景复杂度

论文解决什么问题

具身智能有两条还没吵完的架构分歧：动作层该不该塞进一个统一模型；预训练拿什么数据打底，视频还是人类操作数据。灵初智能刚在WAIC上的光模块产线demo，同时在这两条战线表了态，还带着真实产线数字。

核心方法

↳ 三个判断
①双模型分工：策略模型Psi-R2只喂高质量成功轨迹，专心学"怎么做对"；世界模型Psi-W0专记失败样本和边缘案例当"错题本"，判断动作合不合理，顺带把人类数据转成机器人训练数据——这个分工和"动作层必须统一模型"的主张正面相反
②数据金字塔倒过来：预训练阶段就以人类操作数据为主，真机数据只做后训练和部署适配，互联网视频降到补充项。支撑判断的是外骨骼数据手套——5个月、3个采集场、几百套设备，10万小时多模态数据，成本压到传统真机遥操的十分之一，计划年内冲到100万小时，还主动开源了首批1000小时
③先专后通：不同时铺开多任务，先靠"单价高/高重复/低容错/高精度/人工瓶颈"五个条件叠加，把光模块产线这一件事的账算通，经初步测算生产损耗率降低约10%，再向相邻精细制造任务迁移

这篇论文不是什么

· 10%损耗降低是"初步测算"，人类数据全面优于遥操的对照试验是"据悉"，都没有第三方审计
· MOMO space榜单登顶时间和评测细节没有独立验证来源
· 全部信息来自灵初官方口径+媒体转述，无第三方复现

对机器人 / 世界模型 / VLA 的启发

库里两条对撞边，表面看是"谁的数据策略更对"，根子上更可能是场景复杂度不同。有人主张视频数据才是终局，面对的是家庭——开放长尾，数据策略必须服务泛化。灵初面对的是光模块产线——检测/塑封/装盒几个固定流程，数据策略该服务精度和重复率，不是泛化。场景决定策略，不是策略本身有对错。

一个原文没回答、却决定判断成不成立的问题：10万小时对应多少个不同场景？集中在几百上千个相似动作里，买到的是高精度和高一致性，不是泛化——这正是工厂要的(良率、节拍、重复率)，但离"具身大模型的通用能力"是两回事。更值得追问：光模块插拔检测这类定式流程，传统机械臂配视觉算法能不能做到接近水准——如果能，"数据驱动"在这买到的溢价，可能没有demo展示的那么大。

"先专后通"同样要看边界：灵初在封闭有限流程集里先专后通成立，但直接迁移去反驳"必须先通用才算得过账"，可能犯了同一个复杂度错位——封闭产线和开放家庭里的"先专"，考验的不是同一件事。

半年后良率、节拍、回收期能不能公开是第一道关；"人类数据vs视频数据"这场分歧，可能不需要赢家，需要把"什么场景配什么数据策略"画清楚。