千寻智能：通用大脑与数据闭环的双重赌注
一句话判断
千寻智能的数据闭环赌注
论文解决什么问题
中国财富网｜2026 WAIC 韩峰涛专访
核心方法
具身智能公司正在分成两派。
实验结果
一派先打透汽车线束、光模块、物流分拣等具体场景，靠真实交付积累数据，再逐步扩展；另一派认为，垂直大脑最终会被通用模型吞掉，应该从第一天就训练一个能跨任务、跨场景成长的通用大脑。
在最近一次专访中，千寻智能明确押注第二条路：大模型时代“唯一的机会就是通用模型”，未来机器人应像智能手机一样，共用大脑与基础能力，再通过不同应用适配行业。
这不是一句口号，而是一套资源配置。
千寻自报已在100多个城市部署40多万个真实场景采集点，由1000多名工作人员进入家庭、工厂、物流中心、酒店、仓库和办公室采集动作数据。采集端的“手”与机器人执行端尽量同构，以减少人类动作向机器人重定向时的损失；采集、处理、训练、测试、再部署被组织成同一条闭环。
真正值得关注的不是“手套”这个单点。多家公司都已认识到采集硬件应与执行本体尽量一致。千寻更大的赌注是：用组织规模，把数据闭环转得比别人快。
与知识库已有判断碰撞后，这条路线形成了清晰分歧：它直接反对“先专后通”，却与破壳、自变量等通用大脑路线同向。这里没有已经确定的答案。
语言模型的数据天然存在于互联网，而机器人动作数据需要人员、设备和真实场地逐条生产。在泛化能力尚未成熟时，垂直路线更容易获得收入、失败反馈和高质量闭环；但如果通用预训练跨过临界点，垂直模型又可能迅速失去复用效率。
这篇论文不是什么
⚠️因此，40万个“采集点”还不是护城河本身。这个口径没有公开定义，规模与能力时间表也来自公司自述，尚缺少第三方验证。数据只有转化成跨场景成功率、新任务所需数据量和迭代周期的持续改善，才会变成真正壁垒。
韩峰涛、它石智航和破壳机器人都把具身智能的“ChatGPT时刻”指向2027年底至2028年初。三条不同路线收敛到同一时间窗，可能说明它们看到了相似的技术曲线，也可能只是行业叙事彼此同步。
所以接下来判断公司，不应只看谁宣布的数据最多、模型最大，而要看谁能把“采集—训练—部署—再采集”的一圈真正缩短，并把每一圈转化为可验证的能力增量。