旗下微信矩阵：
过去两年，具身智能从技术突破加速走向真实场景。随着机器人本体、VLA、强化学习等技术持续演进，产业关注点也从“机器人能不能做”，逐渐转向“能否规模化训练、稳定部署并持续迭代”。在这一过程中，真实世界数据、训练环境和现实验证等底层能力的重要性开始显现。
IROS 2026期间，Physical AI数据基础设施企业博登智能集中展示了Human-Centric Data、Cross-Embodiment Data、4D手部重建技术ChronoHand以及真实机器人开源数据集等成果。相比互联网数据，机器人所需的数据产生于真实物理交互，涉及视觉、空间、动作轨迹、机器人状态和环境反馈等多维信息。行业对数据的需求，也正在从单纯追求规模，转向覆盖更多真实任务、本体和长尾场景，并能够根据模型反馈持续迭代。
其中，Human-Centric Data通过*视角设备、腕式设备、数据手套、UMI等方式，将人类真实操作经验转化为机器人可以学习的数据；Cross-Embodiment Data则通过不同机器人本体在多任务、多场景中的交互，扩大模型能够学习的物理世界经验。IROS期间，博登智能创始人兼CEO赵捷还分享了ChronoHand，该技术针对*视角环境下复杂手部交互，通过时序建模与闭环几何求解实现连续4D手部重建，并在ARCTIC基准测试中取得多项*结果。
从数据采集到模型可用数据，中间还涉及任务定义、多模态同步、结构化处理、质量控制以及模型反馈等多个环节。这意味着，具身智能数据正在从单一的数据采集与处理，向更加完整的数据生产体系演进。随着机器人进入规模化训练和真实部署阶段，产业链的竞争也开始从本体、模型和核心零部件，进一步延伸至场景、数据、训练与验证等基础能力。
据悉，目前博登智能已在宁波、湖州、马鞍山建设三大具身机器人创新中心，拥有超过3万平方米真实世界场景空间，部署500余台机器人，覆盖30多个机器人品牌和型号，形成每年50万小时以上Cross-Embodiment Data和百万小时级Human-Centric Data的数据生产能力。
规模之外，数据生产方式也在发生变化。过去的数据项目通常以交付为终点，而具身智能的数据需求越来越由模型表现反向驱动：模型在真实环境中暴露问题，产生新的数据需求，再经过定向采集、处理和训练，重新回到现实环境验证。由此形成的“数据生产—模型训练—现实验证—反馈迭代”闭环，使数据从一次性生产资料逐渐转变为伴随模型持续进化的基础设施。
这也让数据基础设施的商业价值更加清晰。其能力不完全绑定某一种机器人本体或模型路线，而可以服务不同本体、任务和应用场景。规模化产能决定交付能力，跨本体覆盖决定服务边界，模型反馈闭环则进一步带来持续的数据需求。随着具身智能进入产业化阶段，技术、场景、工程和交付能力正在共同决定企业能否形成可复制的商业模式。
开放与全球化进一步扩大了这一基础设施的边界。今年以来，博登智能联合均普创新中心、上海交通大学MINT实验室先后开放RW-RL-Dataset和RW-RL-HIL-Dataset，将真实机器人交互以及人类介入、纠正和恢复等数据向研究社区开放。同时，公司正推进中国、北美、欧洲、中东和东南亚等区域的业务与生态布局，并已完成具身智能数据集出境备案，进一步完善全球合规交付能力。
具身智能仍处于快速演进阶段，本体形态和模型架构尚未完全定型，但机器人对真实交互、规模化训练和现实验证的需求正在变得更加明确。当产业从技术突破进入规模化落地，竞争也不再局限于本体和模型。能够持续连接真实世界，并将数据生产、模型训练与现实验证形成闭环的数据基础设施，正在成为具身智能产业链中的新变量。
博登智能此次在IROS展示的，正是围绕这一方向形成的技术、产能和全球化能力。随着机器人进一步进入真实世界，这类基础设施的产业价值和商业空间也将得到更充分的验证。
