具身智能行业正站在一个奇妙的重合点上。

　　一个是今天，大洋彼岸 Dyna Robotics 扔出重磅更新：发布旗舰世界-动作模型 Dyna-2，用超过 100 万小时第一人称人类视频(约 170 年连续清醒经验)完成预训练，首次在百万小时量级验证了机器人领域的 Scaling Law。

　　另一个是于近期完成交割、近日正式对外披露的融资消息：物理交互数据基础设施公司真觉万象(Physen AI)宣布完成数千万元天使轮融资，由盈科值得旗下值得星炬基金领投，A股光学龙头力鼎光电(605118.SH)、港股"AI具身家庭机器人第一股"卧安机器人(06600.HK)两大上市公司罕见联手产业直投。

　　一个是"人类数据 Scaling Law 被验证"的里程碑时刻，一个是"为这条定律供数据"的基础设施玩家拿到产业重注——把这两件事放在一起读，才是本周具身智能行业真正的大新闻。

　　一、Dyna-2 做对了什么：把"视频"变成新的缩放轴

　　过去一年，机器人基础模型领域吵得最凶的问题是：预训练数据到底该从哪来?

　　遥操作能产出带动作标签的高质量数据，但每一小时都必须被"专门生产出来"——贵、慢、不可规模化。而互联网上近乎无限量的第一人称人类视频，又因为"形态鸿沟"(人手≠机器人夹爪)难以直接迁移。

　　Dyna-2 的选择是：绕开动作数据，直接用100万小时人类视频预训练一个世界-动作模型(WAM)。

　　三条被百万小时数据验证的结论

　　1. 人类域内的 Scaling Law 成立，且未见平台期

　　从 1,000 小时扩展到 1,000,000 小时，跨越三个数量级，四项独立指标全部单调提升。其中 accuracy@0.1 相对提升 51%。

　　2. 首次证明"人类→机器人"跨本体迁移 Scaling Law

　　预训练阶段零机器人数据，但在 39 个跨本体的机器人任务上，离线动作预测的误差随数据规模单调下降，且在 10k→100k 小时之间出现明显拐点。

　　3. 世界建模是跨本体迁移涌现的必要条件

　　只预测动作的 action-only 路线不行;必须同时预测未来视频帧(video co-training)，跨本体泛化能力才随数据规模持续增长。固定 5 万小时动作数据、只扩大纯视频数据，零样本机器人预测误差大幅下降。

　　📌 这就是 Dyna 说的"视频是新的缩放轴"——当数据从"稀缺的遥操作"切换到"无限的人类视频"，机器人基础模型第一次拥有了可预测的扩展路径。

　　这条定律能一路传导到真机

　　更关键的是，Scaling Law 不止停留在离线指标：·14 项真机任务的平均归一化得分，随预训练规模从 20% → 28% → 45% → 53%

　　Lockbox 拧钥匙：100万小时档之前成功率均为 0，到 100 万小时跃升至 90%

　　瓶盖拧开：仅用约 10-13 分钟遥操作数据，成功率从 10% 升到 50%·

　　Dyna Robotics 联合创始人 Jason Ma 的判断很直接："多年来，通用机器人一直被数据瓶颈掐住脖子。动作数据稀缺，但视频无处不在。借助 Dyna-2，我们证明了物理直觉不需要在机械臂上训练数百万小时——它可以直接从人类视频中学习。"

　　二、Dyna-2 验证的，恰恰是真觉万象在做的事

　　Dyna-2 把"人类视频是物理 AI 的新缩放轴"从观点变成了实证。但这条 Scaling Law 要想在产业里跑起来，还需要把两件事做到极致：

　　第一，视觉数据必须能大规模、低成本、自然地被采集下来。

　　第二，纯视觉有天花板——视频只能记录"做了什么"，记录不下"怎么发力的"：接触、力矩、滑动、握持这些物理交互信号，才是机器人真正学会操作的关键。

　　真觉万象的设备矩阵，正好覆盖这两条线。

　　1.纯视觉线：最新双目数采设备，第一视角"边干边采"

　　真觉万象最新推出的双目数采设备，只戴一个轻量化头环——内置双目相机与 IMU，把人的"看哪里、怎么走"的空间轨迹完整记录下来。

　　这正是 Dyna-2 所验证的"视频是新的缩放轴"在产业侧的落地形态：第一视角视频流，就是物理 AI 训练语料的一部分。

　　2.EGO 三环方案，补齐"怎么发力"的物理信号

　　如果说双目数采设备解决了"视觉"这条线，那么真觉万象的EGO 三环方案，则补齐了视觉+力觉路线的天花板。

　　不同于行业常见的动捕手套，该方案通过头环(全局视觉定位)、双臂环(六维力矩阵)与 IMU(状态监测)的协同，形成了完整的感知闭环：

　　最具颠覆性的是其成本控制：整套设备成本控制在 150 美元左右，以"近无感"的佩戴方式不改变人的自然操作，让规模化部署成为可能。FMG 相比 EMG 是代差级的——前者不受汗液、皮肤阻抗影响，在静态和准静态条件下依然稳定。

　　依托独家数据对齐模型，真觉万象的方案可实现：真机数据需求下降 70% 以上，新物体泛化速度提升 3 倍以上。

　　3.视觉 × 力学：一套完整的"数据地基"产品矩阵

　　把两条线合起来看，真觉万象恰好对应了 Dyna-2 验证的 Scaling Law 的两个缩放轴：

　　Dyna-2 用 100 万小时"纯视觉"人类视频跑通了方向，但后训练仍需示教;真觉万象采集的是带有完整物理交互信号的"增强版人类视频"——这种数据一旦规模化，跨本体迁移的效率拐点会进一步前移。

　　三、为什么是力鼎光电和卧安机器人：产业资本的逻辑

　　真觉万象本轮融资最受关注的点，是两家上市公司罕见地以产业直投方式同时押注一家天使轮公司。

　　力鼎光电：供应链与硬件护城河的背书

　　力鼎光电在鱼眼、全景光学镜头领域深耕二十余年。在真觉万象的双目数采设备和三环头环里，光学镜头素质直接决定视觉定位精度。力鼎的入局，意味着真觉万象在光学模组层面获得了供应链与联合研发的双重保障。

　　卧安机器人：场景验证入口

　　卧安机器人(SwitchBot)是港股"AI 具身家庭机器人第一股"，产品销往全球 90 多个国家和地区。家庭场景是具身智能最复杂也最有价值的"终极考场"。

　　依托与深圳市宝安区政府的战略联动，卧安机器人已在具宝盆 AI 生态创新社区布局大型实体化机器人数采基地，真觉万象的物理 AI 引擎交互数据体系将作为该中心的核心采集方案部署其中。双方共同打通从家庭场景交互到物理信号标注的完整链路——这也意味着，你看到的保洁数采视频，就是未来机器人数采基地的日常。

　　产业链头部公司的千万级交付

　　据公开信息，真觉万象方案已实现千万级规模交付，合作方包括谐波减速器龙头绿的谐波(模型验证)、汽车零部件巨头宁波华翔(数据回流)、德尔股份(任务验证)等，覆盖抓取、搬运、装配等核心环节。

　　四.写在发布日：数据基础设施的时代拉开帷幕

　　创始人黄之燊的判断是："数据采集正在经历从动捕手套向可穿戴、近无感方案的范式转移。极致的柔性操作，需要在不改变人类自然操作的前提下，补齐视觉之外的力学信号。真觉万象致力于定义下一代 Physical AI 基础设施，让机器真正拥有改变物理世界的'手感'。"

　　把 Dyna-2 的发布和真觉万象的融资放在一起，逻辑链清晰了：

　　1. Dyna-2 用 100 万小时证明了：人类数据是物理 AI 的新缩放轴，Scaling Law 真实存在

　　2.纯视觉有天花板：后训练仍依赖机器人示教

　　3.真觉万象用产品矩阵接住了这个需求：双目设备采视觉，三环方案采力学，150 美元成本让规模化成为可能

　　4.产业资本用真金白银确认了价值：力鼎补光学，卧安开场景

　　Dyna-2 的 100 万小时只是开始，Dyna 自己已把目标指向 1000 万小时。当 Scaling Law 的方向被锁定，"谁能以更低成本、更高保真度采集人类与物理世界的交互数据"就成了下一个赛点——这正是真觉万象要造的"数据地基"。

　　融资资金将主要用于EGO 三环数采设备量产交付、数据算法平台建设及团队扩充，解决机器人"看得懂但做不对"的行业核心痛点。

　　关于真觉万象 Physen AI

　　深圳真觉万象科技有限公司(Physen AI)是全球领先的物理交互数据基础设施公司，以“让机器看见万象”为使命，通过自研的可穿戴数采设备、力学解码算法与数据对齐模型，为具身智能与世界模型提供底层数据支撑。