具身智能概念火了多年，却始终没能实现大规模商业化落地，核心卡点到底在哪？业内普遍认为，缺模型、缺硬件的阶段已经过去，当前缺的是能支撑规模化训练的底层数据基础设施。近日戴盟机器人联合全球多家顶尖机构发布的全球最大规模含触觉全模态具身数据集Daimon-Infinity，为具身智能落地补上了最关键的一块底座。

　　落地瓶颈：能力验证已完成，缺高质量规模化数据

　　过去几年，具身智能在算法模型、硬件本体上已经取得了不少突破，多款原型产品在实验室场景下完成了能力验证，但落地真实场景时，始终存在泛化差、稳定性不足的问题。究其根本，是缺乏足够多的、来自真实物理世界的、包含交互信息的高质量训练数据。

　　行业已经形成共识：具身智能的竞争已经从模型本体之争转向数据基础设施之争，只有拥有高质量、规模化、可持续生产的物理世界数据，才能真正推动具身智能从实验室走向产业落地。此次Daimon-Infinity的发布，正是这一产业趋势下的标志性产物。

　　构建完整数据底座，支撑全行业落地需求

　　此次发布的Daimon-Infinity，从数据生产到处理形成了完整的基础设施能力，解决了具身落地的核心痛点：一方面，它打破了传统封闭数采的限制，通过全球最大外发式采集网络和轻量化设备，可深入各类真实非标准化场景，持续低成本产出复杂长尾数据，年内规划将规模拓展至数百万小时，解决了「数据不够、场景不真实」的问题；另一方面，它补全了触觉这一核心交互模态，高密度全模态触觉数据补上了视觉方案的短板，让机器人真正具备理解物理交互的能力，预训练效率提升10倍，大幅降低了研发成本。

　　此外，戴盟还联合阿里云打造了全链路数据处理引擎，实现多模态信息精准对齐，形成「采集-训练-开源-反馈」的完整闭环，同时联合Google DeepMind、中国移动、清北港科新国大等全球顶尖机构开源共建，推动形成行业数据标准，目前首批10000小时高质量数据已经开放，供全行业研发使用。

　　业内人士表示，Daimon-Infinity的发布，标志着具身智能产业正式进入数据基建时代，底层数据底座的完善，将加速推动具身智能在各个场景的规模化落地。