北京升級共享人形機器人培訓中心

2026年9月11日，北京。北京已將位於首鋼園區內一處佔地1,500平方公尺的人形機器人培訓中心，升級為一座共享的「具身智能」設施，該設施整合了人體動作捕捉、合成數據生成、模型訓練、實體驗證及產業部署等環節。 關鍵之處不在於又多了一間堆滿機器人的房間，而在於試圖將教導機器人這項昂貴且重複性高的工作，轉變為多家機器人製造商皆可共享的基礎設施，而非各自重新建構。

「石景山具身智能培訓中心」是北京首個人形機器人數據培訓中心第一期工程的更名與擴建項目。根據9月11日的專案更新，第二期和第三期工程已投入運作。 北京元科視覺科技公司提供技術支援。升級後的階段在現有工作流程中，新增了多視角光場擷取技術與 4D 世界模型基礎架構；該流程包含由人類操作員執行任務、記錄動作與互動數據、模型從這些資料中學習，以及讓機器人針對相同的實體任務進行測試。

瓶頸不在於多一個機器人軀體

過去兩年來，類人型機器人領域持續吸引資金投入馬達、靈巧的手部、電池以及功能日益強大的基礎模型。然而，僅僅因為機體與模型共存於同一台機器中，並不代表它們就能成為實用的工作者。 該系統仍需接觸、力、物體運動、故障恢復及任務完成等範例，而這些資料在現實世界中收集成本高昂，且難以在不同實驗室中一致地重現。

這正是石景山正試圖實現工業化的瓶頸。該中心的操作員穿著動作捕捉設備，執行繞過障礙物行走、搬運箱子及放置物體等動作。這套升級後的系統

它所記錄的不僅僅是平面影片。其設計旨在保留深度、空間關係、物理互動以及物體狀態的變化，並將這些資訊導入「擷取、建模、訓練、驗證與回饋」的循環中。

這項差異聽起來很技術性，但對買方而言，其意涵卻很明確。 影片可以顯示一隻手拿起了一個杯子。但一份有用的機器人訓練紀錄，必須能說明杯子原本的位置、手指是如何靠近杯子的、接觸發生在何時、施加了多少力、當杯子移動時發生了什麼變化，以及為什麼一次嘗試成功而另一次失敗。正是這些更豐富的標籤，才能讓機器人超越死記硬背的示範，實現泛化能力。

該研究中心表示，其全新的多視角光場系統能夠以更高的保真度重建軌跡、變形及光照變化。 其 4D 世界模型層旨在串聯數位智慧、空間智慧與物理智慧。這為參與企業提供了一條路徑，從觀察人類任務開始，到在模擬環境中重現該任務、訓練策略、在硬體上驗證，並將結果回饋至資料迴路。

共享基礎設施改變成本曲線

對新興的機器人公司而言，往往會面臨想要掌控技術堆疊每個環節的誘惑。這聽起來在策略上很完美，直到公司必須為動作捕捉設施配置人員、招募操作員、裝設感測器、維護多台機器人機體、管理數據權限，並維持評估套件的運作，同時還得開發硬體和銷售產品。這些固定成本在首次商業部署之前便已產生。

共享訓練中心則提供了一種不同的模式。與其讓每個供應商都建立專屬的數據工廠，這座由市政府支持的設施能將動作捕捉設備、模擬基礎設施及驗證空間分配給多位使用者共同使用。若此模式行得通，其商業效益不僅在於數據成本更低，更在於能加速方案比較。操作策略可針對不同的

將機器人機體與任務佈局整合於單一運作框架之下，使人們更容易辨別進展究竟源自模型、硬體，還是經過精心策劃的示範。

這正是雲端運算與代工製造背後的經濟邏輯，如今被應用於機器人學習領域。其中最具價值的層面在於利用率。昂貴的設備只有在被眾多客戶長時間使用時才具有合理性，而非閒置於單一新創公司內部。因此，該中心所承諾的跨品牌數據，其重要性遠超過展場內任何單一的示範。

機器人製造商仍應保持謹慎。共享基礎設施雖能降低重複成本，但也可能產生僅符合最低共同標準的資料集。 一套適用於多種機體的通用資料集，雖有助於基礎動作與家用任務，但對於特定工廠製程而言仍顯過於淺薄。服裝機器人需要關於布料張力與變形的資料；電池組裝機器人則需要接觸精度、污染控制以及任務特定安全驗證。這些問題無法互換。

該中心唯有同時支援這兩層面，才能在商業上發揮價值：一為通用技能所需的廣泛、可重複使用資料；二為差異化工作所需的受保護、客戶專屬資料。否則，企業可能會將該設施用於展示，卻將最寶貴的部署資料保留在私有場域中。

為何家務與工廠任務至關重要

此次升級涵蓋了清潔、食物準備和照護等家庭活動，以及縫紉、包裝、物料搬運和組裝等工業工作。這樣的範圍很有用，因為它能測試該基礎設施是否能應對兩種截然不同的採購環境。

家用機器人需要具備多樣性。廚房、餐桌、容器和照明條件都在不斷變化。家用機器人必須能夠容忍混亂的環境和不完整的指令。商業上的挑戰在於生產足夠的

多樣化的數據，以避免機器僅能在示範公寓中運作。

工業機器人技術要求具備可重複性。工廠採購方或許能接受較狹窄的技能範圍，但機器人必須能運作完整一班次、從可預測的錯誤中恢復，並能融入現有的安全與生產系統。採購方並非為「世界模型」的優雅性買單，而是為完工的機台、更低的停機時間以及更少的干預次數付費。

正是基於這項區別，該研究中心才應分別公布家用與工業程式的績效指標。若僅以「收集數據的總時數」作為單一標頭數字，其隱藏的資訊將遠多於揭露的。採購方需要的是任務成功率、人工介入頻率、恢復效能、跨機體轉移結果，以及某項策略所測試的環境數量。

近期 RobotAIGeek 對三星 SDS 機器人調度業務的報導，揭示了機器人能夠執行任務後所面臨的整合問題。石景山則在更早的一層進行作業，即技能的建立與驗證階段。這兩層最終將會交匯。 一台實用的工業機器人，既需要已學習的能力，也需要一個能在生產工作流程中對其進行排程、監控與復原的系統。

缺失的商業指標

此次升級公告雖詳述了架構細節，卻對經濟效益三緘其口。公告並未披露有多少企業使用該中心、其支付費用為何、該設施能提供多少訓練時數、策略在不同機器人機體間轉移的頻率，以及客戶因此節省了多少部署時間。這些遺漏並未使該專案變得不重要，反而界定了接下來必須衡量的指標。

首要的衡量指標應是利用率。一座配備先進擷取系統、佔地 1,500 平方公尺的中心，唯有當其工作站被預訂、資料集被交付，且模型能返回進行反覆驗證時，才具有價值。第二項指標應是轉移效率。

如果從某個人類示範中學會的技能，能在有限的額外數據下適應多種身體，那麼「共享基礎架構」的論點將更具說服力。

第三項衡量指標應為部署轉化率。若訓練過程僅以一支精緻的影片作為結尾，那不過是行銷手段。 若訓練過程最終能讓機器人在客戶現場完成一項付費任務，那便是商業實證。該中心所宣稱的價值鏈一直延伸至應用層面，因此其公開報告最終也應如此。小鵬汽車（XPENG）的自動化「IRON」生產線，正是訓練成果必須經得起考驗的下游工廠場景。

此外還涉及治理問題。豐富的人體動作與工作場所數據可能揭露生產方法、居家佈局及員工行為。企業需要釐清所有權、存取控制、保留期限，以及為某位客戶產生的數據是否能改善其他客戶所使用的模型。 隨著參與者增加，共享基礎設施的價值將隨之提升，但同樣的網路效應也會使數據治理模式薄弱的情況所帶來的成本倍增。

比演示次數更有用的基準

中國的人形機器人生態系統已經源源不絕地產出各種行走、跳舞和操作物體的示範。石景山的升級指向了一個更有用的衡量標準：業界能多快將這些示範轉化為標準化、可重複的訓練運作。

這也是為何該中心不應與機器人發布會以相同標準來評判。 新型機器人機身可從載重、電池續航力、速度和價格等面向進行比較；而培訓中心的評估標準則應著重於處理量、數據品質、可轉移性以及下游任務的成功率。其產出並非現場運作的機器人，而是能大幅縮減讓大量機器人發揮實用價值所需的時間與成本。

下一個實證應是一份有據可查的客戶案例，其起點是

任務定義，並以部署作為結尾。其中應列出所收集的人工示範數據量、模擬迭代次數、用於驗證的硬體設備、客戶現場所需的介入措施，以及運作數週後的表現。這將為買家提供依據，以判斷共享訓練基礎設施是否能縮短投資回報週期。

北京現已整合好各項實體要素：三個階段、一個擷取堆疊、一個世界模型層，以及真實機器人驗證。 更具挑戰性的步驟，是將這些資源轉化為一項服務，讓機器人公司因其比自行建置更快、更優而選擇採用。若該中心能公佈可重複驗證的證據，證明此優勢，其成就將不僅止於升級設施，更將為具身智慧市場定義出一項長期缺失的產業基礎設施。

首圖來源：李浩／GT。

本分析參考了關於石景山具身智能培訓中心的公開聲明及技術資料。本文僅供一般資訊參考，不構成投資、財務或法律建議。