教机器人收拾房间，不能只给它看视频：它还得知道手臂怎么转、抓取要用多大力，以及动作失败后如何改。这样的“具身数据”——记录视觉、动作、关节、力觉和任务结果的信息——正是机器人把看懂变成做对的原料，也是当前产业补基础设施短板的重点。
据 InfoQ 报道，黎曼动力、光轮智能与诺亦腾机器人已于 8 月 6 日宣布合作，计划在 2026 年底完成 100 万小时具身数据的采集与训练。三方分别承担模型训练，仿真、评测与部署反馈，以及人体动作捕捉和力觉数据采集，试图把“模型发现短板—补充数据—训练评测—真机验证”接成闭环。仿真是在虚拟环境里批量模拟机器人任务，成本较低，但结果仍要回到真机验证。
值得看的不只是“百万小时”这个数字。黎曼动力此前已用 23.2 万小时数据训练 Riemann-1.0；新合作要检验的是，数据继续扩大后，机器人能力能否像大语言模型一样随规模增长。不过，百万小时目前仍是公司目标，材料也未披露数据质量标准及最终能力提升幅度。