研究解读 · 神机百见-具身解读
王坚帮王兴兴向工业界要数据：工博会开幕式上那三句对话，把「缺数据」从口号变成了现场
一场关于「人形机器人何时走进工厂」的圆桌，最后变成了一次现场募捐。王坚要的不是钱，是那些锁在抽屉里的产线数据——而这恰恰是最难开口要的东西。
本篇目录4 节 · 8
一分钟速览
- 现场三步：中国工程院院士、阿里云创始人王坚在工博会开幕式圆桌上说「工业界所有数据还是锁在每个人的抽屉里」，呼吁工业界把数据拿出来给机器人企业；主持人顺势问宇树科技创始人王兴兴是否需要，王兴兴答「当然，AI 需要所有数据」。
- 症结被王兴兴当场点出：很多企业都有数据保密的要求——这不是意愿问题，是约束问题。
- 现场回应：主持人转向海尔集团董事局主席、首席执行官周云杰，问「相关数据能否经过清洗、脱敏后提供给这些机器人企业」，周云杰回应「非常愿意」。
- 同场另外两个「把过程拿出来」的样本：黑湖科技展出 9 个决策型 Agent，覆盖报价、工程、质检；节卡两台协作机器人可根据任务目标自主安排操作步骤，完成一项新能源电机装配任务。
- 口径边界：这是一次现场倡议，不是协议；周云杰的回应未给出时间表、数据范围、脱敏标准与责任划分；报道也明确写了「合作落地可能还需要多方更多的磋商」。
数据来源与边界
素材时间窗为
当日 09:00 → 19:00（北京时间 2026-10-12）。核心信源为 IT时报记者郝俊慧 2026-10-12 发布的工博会开幕式现场稿（腾讯新闻转载，URL 见 frontmatter），并以中国新闻网（中新社记者郑莹莹）同日上海电现场稿交叉补充展会规模与展商细节。核查与边界：① 三句对话为
会议现场发言，属公开场合的即席表态，本号按「现场倡议」定性，
不作为已达成合作或已有协议的证据；② 周云杰的「非常愿意」为
口头回应，报道同时写明最终「合作落地可能还需要多方更多的磋商」，本号未获任何一方就数据范围、脱敏标准、使用边界、收益分配、责任划分的后续说明；③ 王坚关于「工业界数据还是锁在每个人抽屉里」为
比喻性表述，非统计结论，本号未找到任何关于工业数据共享比例的量化口径，
不作数字引用；④ 黑湖科技 9 个决策型 Agent 与节卡协作机器人自主排步骤，均为
参展方自述，未给准确率、覆盖工序数或部署台数；⑤ 报道提到的人形机器人进工厂的讨论
没有给出时间表或案例披露，本号不据此推断任何落地进度。判断均以「判断：」标注。
与站内存量稿的差异：本站写过训练场（377 号）、数据工厂成本、深圳「具宝盆」等
供给侧采集题目，本篇的落点是
需求侧的数据获取边界——也就是「数据在谁手里、他为什么不能给」，与采集端不构成重复。
本文事实信息来自上方标注的公开来源；解读、判断与延伸部分为作者个人见解，写作过程使用了 AI 工具辅助整理，已由作者人工核实，不代表信息来源方立场。如有雷同纯属巧合；如涉及版权或权益问题，请联系 shenjibailian@shenjibailian.com，我们将在核实后及时删除或更正。
1先把那三句话按顺序摆好
这不是对话，是一次现场撮合
事情发生在本届工博会开幕式的一场圆桌上，议题原本是「人形机器人何时走进工厂」。结果它变成了一次现场倡议。
第一句
中国工程院院士、阿里云创始人王坚打了个比方：「今天工业界面临的挑战是，工业界所有数据还是锁在每个人的抽屉里。」他直接呼吁：机器人行业如果要有一次根本变革，工业界应该把工业数据拿出来给机器人企业。
第二句
主持人随即把问题转向宇树科技创始人王兴兴，问他是否需要这些数据。「当然。」王兴兴给出肯定答复，「AI 需要所有数据」，但他同时指出，当前问题的症结在于很多企业都有数据保密的要求。
第三句
主持人继续把问题抛向台下的海尔集团董事局主席、首席执行官周云杰：「相关数据能否经过清洗、脱敏后提供给这些机器人企业？」周云杰的回应十分肯定：「非常愿意。」
报道对结果的措辞很克制：尽管最后合作落地可能还需要多方更多的磋商，但这个现场插曲恰恰映射了工业 AI 发展的一个现实难题——机器人企业需要大量真实工业数据来训练模型，但掌握这些数据的制造企业，往往又受到商业秘密、生产安全和知识产权等因素的约束，不能轻易对外开放。
判断：这场对话的价值不在「有人答应了」，而在它把三方各自的位置摆到了同一张台面上。判断依据在于角色的分工：王坚代表的是算力与平台侧，他最缺的是能喂进模型的真实工况；王兴兴代表的是本体与模型侧，他要的是一个能开始训练的数据入口；周云杰代表的是数据持有侧，他掌握着别人想要而自己又不能随便给的东西。三方都在场、都表态愿意，却没有任何一方在现场给出可执行的下一步——这恰恰说明真正的障碍不在意愿层。
2「工业数据」到底卡在哪
三个约束，三个都不是靠「愿意」能解的
报道点了三项约束：商业秘密、生产安全、知识产权。把这三项拆开看，会发现它们对应的是完全不同的问题。
| 约束 | 它实际保护的是什么 | 为什么「脱敏」不一定够 |
|---|
| 商业秘密 | 工艺参数、节拍、良率与排产节律 | 节拍与良率这类数据脱敏后仍可能反推出产线能力与成本结构 |
| 生产安全 | 设备状态、故障模式、异常处理流程 | 故障数据本身即安全信息，泄露故障模式等于公开弱点 |
| 知识产权 | 工装夹具设计、工艺路线、专有设备接口 | 工装与工艺路线往往写在数据采样的物理布置里，不在字段里 |
表注：三项约束来自 IT时报现场稿的表述；「为什么脱敏不一定够」一栏为本站基于数据工程常识的分析，不属原文事实，已在文中以判断形式标注。
关键在这一栏：工业数据的价值，很大程度上不体现在「数值」上，而体现在「这条产线怎么跑的」上。一条产线最有训练价值的不是它某天产量是多少，而是它在换型、堵料、异常停机时人是怎么处理的。而这些信息恰恰是脱敏最容易破坏、又最容易被反推的部分。
脱敏能解决什么
能解决「把这段数据发给别人会不会直接暴露客户名单、订单量、报价」这一类字段级问题。
脱敏解决不了什么
解决不了「这段数据能不能让人倒推出我的工艺水平与产线瓶颈」这一类推断级问题。
判断：工业数据的开放，真正的瓶颈不是「脱敏做得够不够」，而是「谁定标准、谁担责任」。判断依据：脱敏的标准是由数据持有方定，还是由使用方定，还是由第三方定，直接决定了出事之后谁来负责；而一旦涉及「机器人学错了导致产线事故」，责任链会从模型提供方一直穿回数据提供方。在没有责任划分框架之前，任何一家制造企业的理性选择都是「愿意但不先给」——这与态度无关。
3同场另外两个样本
还有一种办法：不把数据给别人，而是把过程变成可调用的东西
工博会上同时出现了两个方向不同的尝试，值得和上面那场对话放在一起看。
把人的决策变成 Agent
黑湖科技展出了 9 个决策型 Agent，覆盖报价、工程、质检等环节。
现场工作人员的口径很明确：这些智能体不是为了替代工业老师傅，而是填补人才缺口——「有一二十年经验的工业老师傅很难招聘到，他们往往是生产或质检负责人」。
把任务拆解交给机器人
现场有两台节卡协作机器人，可以根据任务目标自主安排操作步骤，完成一项新能源电机装配任务。
这两个样本的共同点是：数据没有离开持有方，被拿出来的是「流程的可执行表达」。
这是一条与「开放原始数据」不同的路径。它的思路是：不要求数据持有方交出数据，而是让它在本地把数据变成可以调用的能力——Agent 在厂内运行，模型在边缘推理，数据不出厂，出厂的只是结果与策略。
需要指出的是：现场稿没有给出黑湖 9 个 Agent 的实际部署工厂数、介入工序占比，也没有说明节卡那两台协作机器人完成电机装配的节拍与成功率。「能演示」与「已在客户产线稳定运行」是两个标准，本节只按现场展示记录。
4怎么用这条现场记录
四条可以直接抄走的判断
01 把「数据能不能给」换成「数据能不能不出厂」
对客户提数据需求时，先问的是能不能在你厂内完成训练与推理，而不是「能不能把数据给我」。后一个问题大部分客户答不了，前一个问题很多客户能答。
02 谈判时先把责任条款放在数据条款前面
数据范围谈不动，通常是因为责任没谈。先写清「模型出错时责任怎么划」，数据范围的谈判会快很多。
03 要「异常样本」而不是「正常样本」
产线正常运行时数据是最不值钱的。真正稀缺的是换型、堵料、异常停机时人的处置过程——这类数据在客户手里也往往是零散的、没录下来的。
04 警惕把倡议当进度
公开场合的「非常愿意」不是里程碑。判断一项数据合作是否真实推进，看三样东西：有没有数据字典、有没有脱敏规范、有没有验收样本。三样都没有，就还是零。
判断：这条现场记录真正预告的变化是，具身智能的瓶颈讨论已经从「硬件够不够」和「模型行不行」，移到了「数据从哪来、归谁管」。判断依据：同一场圆桌上，院士、本体厂商与制造集团三方讨论的不是技术路线分歧，而是一个资源交换问题；而同场展出的另外两个样本（决策型 Agent、自主排步骤的协作机器人）给出的解法，也都是绕开「数据转移」这个动作。这意味着接下来一两年，值得盯的不是谁拿到了多少数据，而是谁把「不出厂也能训练」这条链路跑通了。
来源：IT时报（记者郝俊慧）2026-10-12 第二十六届工博会开幕式现场稿（腾讯新闻转载）；中国新闻网（中新社记者郑莹莹）2026-10-12 上海电。文中三句对话为公开场合即席表态，属现场倡议而非协议；数据范围、脱敏标准与责任划分均未见后续披露。转载内容版权归原作者及原出版物所有，本站仅作信息整理与观点标注。抓取时间 2026-10-12 22:40。
