| 如果AI永远活在屏幕里，它就永远学不会这个世界的重量、温度和触感。如果AI永远活在屏幕里，它就永远学不会这个世界的重量、温度和触感。

6月16日，由人民网主办、人民数据承办的2026人民数据大会召开。在这场汇聚政产学研顶尖智慧、共话数据要素价值化与AI产业落地的盛会上，景联文科技作为AI数据基础设施领域的代表企业亮相大会，副总裁林旭峰发表主旨演讲，抛出一个核心命题——具身智能时代，数据基建必须从“喂养”视觉，转向“灌注”物理世界的交互本能。

| 一个现实瓶颈：90%的训练仍在“纸上谈兵”

“大模型正在让AI变得聪明，但还没能让AI变得‘灵巧’。” 林旭峰提到：“当前约90%的AI训练仍被困在“屏幕内的世界”。当行业追逐参数量的膨胀时，具身智能的落地却被“最后一公里”的数据荒卡住了脖子——训练一个通用具身基础模型，至少需要10亿小时级别的真实交互数据，而当下全球可用数据尚不足千万小时。”这不仅是数量的差距，更是维度的鸿沟。文字和图像教不会AI如何拧开瓶盖、如何扶老人起身、如何在颠簸的农田里保持平衡。

| 一个解题思路：将人类的“肌肉记忆”转化为AI可学习的数据

景联文科技正在尝试一条不同于纯仿真或纯真机采集的路径——从人类长期积累的隐性经验中挖掘数据价值。林旭峰将其概括为：向工厂老师傅学“手感”，向康复师学“力道”，向老农民学“巧劲”。这些无法被语言完整描述的“肌肉记忆”，恰恰包含大量物理交互的关键参数。景联文科技的目标，是将这些隐性经验转化为结构化、可训练的高质量数据。

| 一套工程体系：“采集-提纯-灌注”数据闭环

l 在采集端，依托多模态具身感知矩阵，覆盖家居、工业、医疗、城市配送等12大类真实物理场景。通过真机遥操作与人机协同采集，深度融合高保真物理仿真与4D场景重建技术，规模化生成带有力触觉反馈、关节位姿与环境交互轨迹的机器人专属训练数据；

l 在提纯端，利用自主研发的具身数据异构平台，打通多源异构数据的解析与对齐。通过五维标注体系（视觉/空间/动作/力触觉/语言），精准提取“动作意图”与“环境物理反馈”，实现复杂物理交互数据的标准化治理与高质量结构化；

l 在灌注端，通过增量学习与模仿学习框架将提纯后的高质量语料反哺给具身大模型。结合Sim2Real（仿真到现实）迁移与真机闭环验证，赋予机器人类似人类的“条件反射”式具身智能能力，支撑其在真实物理世界中稳定落地。

景联文多源异构数采平台

目前，景联文科技已形成从物理世界数据采集、标准化治理、智能标注审核，到模型训练与仿真验证的端到端数据闭环，为具身智能提供可规模化的高质量数据基础设施。

具身智能的数据问题，远非一家企业能独立解决。林旭峰在演讲最后表示，景联文科技将持续深化全链路数据服务能力，也希望与更多场景方、科研机构和产业链伙伴共同探索数据标准、采集协议与评测体系，推动行业从“各自建烟囱”走向“共享底座”。

“数据是AI与物理世界之间的桥。”他说，“我们负责把桥墩打牢，至于桥面上跑什么样的智能应用，需要整个生态一起来创造。”