# 「你几乎从来不是被数据量卡住，是被多样性卡住」：1X 的 5 万台计划，改的是具身数据的估值基础

> 1X 计划 2027 年出货 5 万台 NEO，两个基地规划年产能 11 万台。但 CEO 给出的真正约束不是产能——是「数据多样性」。他还说：约 99% 的训练数据会来自网络视频，且即将开跑的世界模型训练不会解决通用机器人智能。这三句话放一起，把具身数据的生意重新定义了一遍。

### TLDR

- **出货目标**：1X 创始人兼 CEO **Bernt Børnich** 在一段 45 分钟访谈中称，计划 **2027 年出货 5 万台** NEO 人形机器人。
- **产能配置**：加州两地——**Hayward** 工厂满产 **1 万台/年**，预计 2026 年底达到该速率；**San Carlos** 在建工厂规划 **10 万台/年**，大部分产能要到 **2027 年末**才释放。
- **迭代速度**：从一次重大整机 CAD 变更，到改版机器人走下产线，周期约 **4 周**。
- **核心观点（原话）**：「现实中你几乎从来不是被数据量卡住，你是**被多样性卡住**（almost never data bound, you're diversity bound）。」
- **数据来源**：1X 预计**网络视频**将提供约 **99%** 的训练数据，辅以仿真、合成数据、第一人称视频、人体穿戴传感器、遥操作与自主机器人经验。
- **自我降温**：新组建的世界模型团队本月晚些时候准备更大规模训练，但 Børnich 明确表示**这次训练不会解决通用机器人智能**。

### SRC

素材时间窗为 2026-09-18 18:00 → 2026-09-19 09:00。核心素材为 1X Technologies 创始人兼 CEO Bernt Børnich 接受 Relentless 的第二次长访谈（约 45 分钟），经 humanoid.guide 详细报道（humanoid.guide/1x-targets-50000-neo-humanoid-robot-shipments-in-2027）与 AGI HUNT 英文日报 2026-09-19 期收录（agihunt.info/en/daily/2026-09-19；单条详情页 agihunt.info/en/p/1a0b5db8fe5ed1d2e5757a3092d）。5 万台目标、Hayward 1 万台/年、San Carlos 10 万台/年、4 周迭代周期、约 1000 个零件估算、99% 训练数据来自网络视频等细节，均为 Børnich 本人表述，属**单一信源、厂商口径**，未经独立核验。安全验证的具体时间表（2026 年内更正式展示、年底给出细节）亦为公司计划而非已完成事项。1X 未披露已识别的企业客户与垂直行业。文中关于数据估值基础、产能与订单关系、路线判断的推论为作者判断，已用「判断：」标注。

### BODY

<div class="sec">
<div class="eyebrow">5 万台这个数字，和它前面的限定词</div>

Børnich 给出的目标是：**2027 年出货 5 万台 NEO**。

支撑它的是两处产能：

<div class="tbl-wrap">
<table>
<thead><tr><th>基地</th><th>规划年产能</th><th>节奏</th></tr></thead>
<tbody>
<tr><td>Hayward（加州，现有）</td><td>满产 1 万台/年</td><td>Børnich 称产线将在 2026 年底接近该速率——也就是说 2026 年内**来不及**产出 1 万台</td></tr>
<tr><td>San Carlos（加州，在建）</td><td>10 万台/年</td><td>大部分产能预计 2027 年末才可用</td></tr>
</tbody>
</table>
</div>
<div class="cap">表注：两处合计规划年产能 11 万台，均为「满产设计值」，非当前实际产出。</div>

随后是一串限定词，这些限定词比目标本身更有信息量。

Børnich 说，制造比做原型更难；当产量从几百台升到几千台时，原本罕见的故障会变得「在统计上显著」。公司的计划不是立刻填满产能，而是**依次通过质量关卡**。他的原话大意是：约束不是能不能造出 5 万台，而是**客户会不会把机器人退回来**。

<div class="keypoint">判断：这句话应该被所有给出货目标的厂商抄在首页。行业里绝大多数「20XX 年 X 万台」的说法都只回答了产能问题，没回答退货率问题。对人形机器人这种现场故障率仍高的品类，**产能是设计值，出货是验收值，留存才是有效值**——这三者之间通常差一个数量级。</div>

</div>

<div class="sec">
<div class="eyebrow">4 周迭代：自研硬件换来的反馈速度</div>

1X 的硬件路线有一个明显的取舍。

**选的**：自研电机与**腱驱动**（tendon drive）。Børnich 的说法是这套方案减少了齿轮、传感器、公差和其他故障点的数量。

**付的代价**：系统中很大一部分**没有现成供应链**，1X 必须自己制造这些零件。公司在这套工艺上投入了大约十年。

回报体现在一个指标上：从一次**整机级重大 CAD 变更**，到改版后的机器人走下产线，周期约 **4 周**。

<div class="jx-steps">
<div class="jx-step"><div class="jx-step-l">01</div><div class="jx-step-bar"><div class="jx-step-v">整机级 CAD 变更</div></div></div>
<div class="jx-step"><div class="jx-step-l">02</div><div class="jx-step-bar"><div class="jx-step-v">自产电机与腱驱动部件</div></div></div>
<div class="jx-step"><div class="jx-step-l">03</div><div class="jx-step-bar"><div class="jx-step-v">装配 → 良率 / 标定 / 质量问题暴露</div></div></div>
<div class="jx-step"><div class="jx-step-l">04</div><div class="jx-step-bar"><div class="jx-step-v">约 4 周后，改版机器人走下产线</div></div></div>
</div>
<div class="jx-legend"><div class="jx-lg">另据 Børnich 估算，一台设计良好的人形机器人应含约 1000 个零件，远少于一辆汽车；1X 还对线缆与连接器设定预算，要求工程师尽量合并固定件。</div></div>

<div class="keypoint">判断：4 周这个数字比 5 万台更能反映一家机器人公司的真实工程能力。它衡量的是**从设计到可制造**的闭环速度，而这个速度决定了公司一年能做几轮硬件迭代。判断一家硬件公司能否量产，问它的迭代周期比问它的产能规划可靠得多——产能可以租、可以建，迭代周期改不了。</div>

</div>

<div class="sec">
<div class="eyebrow">这句话才是重点：diversity bound</div>

访谈中最值得记的一句是 Børnich 的原话：

> In reality you're almost never data bound, you're diversity bound.
> （现实中你几乎从来不是被数据量卡住，你是被多样性卡住。）

它对应的具体方案是：1X 预计**网络视频**将提供约 **99%** 的训练数据，其余部分由仿真、合成数据、第一人称视频、人体穿戴传感器、遥操作与自主机器人经验补充。

他的论证是：同一个任务的一万个重复样本，价值远低于跨环境、跨行为的一批经验。

<div class="jx-split">
<div style="flex:50">
<div class="eyebrow">行业主流叙事</div>
具身智能的瓶颈是**真实机器人数据不够**——所以要做数据工厂、采集成千上万小时、建训练场、卖数据。计量单位是「小时数」。
</div>
<div style="flex:50">
<div class="eyebrow">1X 的说法</div>
瓶颈是**多样性**——重复样本边际价值递减。99% 的训练数据可以直接来自网络视频。计量单位应该换成「覆盖了多少种环境与行为」。
</div>
</div>

<div class="keypoint">判断：如果 99% 这个比例成立，具身数据生意的估值基础要被重写。按小时计价的数据采集服务会先遇到天花板，因为它们卖的是同一分布内的更多样本；真正稀缺的会变成**跨本体、跨场景、带失败样本的多样性数据**，以及能把网络视频转成可执行动作的中间层。判断：未来两年具身数据公司的分化点，在于它卖的是「量」还是「覆盖度」。</div>

需要注意边界：这是 Børnich 的一家之言，属于**单一信源、厂商口径**；1X 同时也在做遥操作与自主机器人经验采集，说明它自己并没有完全押注网络视频。

</div>

<div class="sec">
<div class="eyebrow">世界模型：给了期待，也当场降了温</div>

访谈涉及的第三条技术线是**世界模型**。1X 新组建了一支世界模型团队，本月晚些时候准备进行更大规模的训练。

但 Børnich 在同一段话里明确说：**这次训练不会解决通用机器人智能**。

这句话值得单独记。在一个普遍用「世界模型」作为下一阶段叙事的行业里，当事人主动给自己的训练跑降了预期。

<div class="jx-tl">
<div class="jx-tl-row"><div class="jx-tl-t">2026 年内</div><div class="jx-tl-b">1X 计划更正式地展示安全性工作，希望年底提供细节——Børnich 称安全仍是「未完成的工作」</div></div>
<div class="jx-tl-row"><div class="jx-tl-t">2026 年底</div><div class="jx-tl-b">Hayward 产线接近 1 万台/年满产速率</div></div>
<div class="jx-tl-row"><div class="jx-tl-t">2026-09 内</div><div class="jx-tl-b">新世界模型团队准备更大规模训练；公司明确该次训练不解决通用智能</div></div>
<div class="jx-tl-row"><div class="jx-tl-t">2027 年</div><div class="jx-tl-b">目标出货 5 万台；San Carlos 大部分产能年末释放；早期机器将接受大量现场服务与再制造</div></div>
</div>

</div>

<div class="sec">
<div class="eyebrow">被明确排除的一件事：叠衣服</div>

一个细节很有意思。Børnich **排除了把叠衣服作为主要应用**，理由是这是一个**被过度使用的演示**，而且现代 AI 系统用相对少的数据就能学会。

这个判断对照同期其他动态看更清楚：Figure 的 Helix 2.5 用整理客厅、折毛巾、整理床铺作为预训练行为；丰田的 ELEY 以叠 T 恤作为投资者演示；Physical Intelligence 的 π-0.5 同样在训练集之外的家庭里清洁厨房和卧室。

<div class="keypoint">判断：叠衣服已经从「能力证明」退化成「入场券」。当多家公司都能做出叠衣服的演示时，这个任务就不再有区分度。1X 主动划清界限，本质是在重新选择评测题——**选一道别人还没做会的题，比在一道大家都做会的题上刷分更有信息量**。这个思路对所有做产品定位的团队都成立：别在已经被做烂的 benchmark 上证明自己。</div>

</div>

<div class="sec">
<div class="eyebrow">三句话放在一起的结论</div>

把 Børnich 这次访谈里的三个要点并排看：

<div class="jx-note">① 2027 年出货 5 万台，但真正的约束是客户不退货；② 数据不是被量卡住，是被多样性卡住，99% 来自网络视频；③ 新跑的世界模型训练不会解决通用机器人智能。</div>

这三句话指向同一个判断：1X 对当前阶段的自我定位是**工程与数据工程问题，不是智能突破问题**。它把 2027 年之前的时间花在产能爬坡、质量关卡、零件数与迭代周期上，而不是等待某个模型能力的跃迁。

<div class="keypoint">判断：这与国内大量「先有大脑、再谈本体」的叙事是相反的顺序。1X 的路线是先把机器造出来、送进真实家庭、用部署量换数据多样性，再反过来喂模型。判断：这条路对资金和供应链的要求极高，不适合大多数团队照抄；但它提出的一个问题对所有人都有效——**当你说缺数据时，你缺的到底是更多的小时数，还是更多样的场景？** 这两个答案对应完全不同的投入方向。</div>

<div class="srcline">来源：1X Technologies 创始人兼 CEO Bernt Børnich 接受 Relentless 第二次长访谈（约 45 分钟）；humanoid.guide 报道（humanoid.guide/1x-targets-50000-neo-humanoid-robot-shipments-in-2027）；AGI HUNT 英文日报 2026-09-19 期（agihunt.info/en/daily/2026-09-19）。所有数字均为公司口径，单一信源。</div>
</div>

---

*来源：神机百见-具身解读 · https://www.shenjibailian.com/jiedu/article/1x-50k-2027-diversity-bound-data/*
