特斯拉Optimus专属工厂在德州动工，规划年产1000万台，目标2027年量产；国内工业具身智能公司乘物机器人自研VLA大模型BFM-1落地富士康，半年营收超两千万；初创公司Shift推出免费家庭清洁服务以换取机器人训练数据。具身智能正从实验室走向产线和家庭，数据飞轮与基础模型成为落地关键。
今天，特斯拉Optimus人形机器人专属工厂在德州动工，规划年产能最高1000万台，预计2027年夏季量产，标志着人形机器人从实验室迈向规模化制造。与此同时，国内工业具身智能公司乘物机器人宣布其自研的VLA大模型BFM-1已部署于富士康等工厂，年内落地十余个场景，体现了工业具身智能从demo走向产线的切实信号。
另一大主线是数据获取。初创公司Shift推出免费家庭清洁服务，换取真实家庭环境视觉数据，意图解决具身智能的数据饥渴问题。这种方式虽引发隐私讨论，却直指当前机器人学习面临的核心瓶颈——高质量、大规模的真实世界交互数据。具身智能的进步正从算法创新转向数据飞轮与模型泛化的实战博弈。
特斯拉在德克萨斯州为Optimus人形机器人动工建设专属工厂，规划年产能最高1000万台，目标2027年夏季开始量产（来源：36氪）。此举将大幅推动人形机器人从原型验证走向规模化制造，降低单台成本，加速在物流、制造等场景的部署。
乘物机器人完成天使轮融资，自研工业垂类VLA大模型BFM-1，融合空间感知、强化学习与世界模型，已在富士康等工厂部署，进入十余个工业场景，半年营收超两千万元（来源：36氪）。其「一脑多形」跨本体平台试图解决模型泛化难题，实现同一大脑控制不同机械臂。
初创公司Shift推出免费家庭清洁服务，人员佩戴相机记录全过程，收集真实家庭环境视觉数据用于训练家务机器人（来源：The Verge）。此举直面具身智能的最大瓶颈——真实世界操作数据匮乏，通过构建大规模人类演示数据集，加速模仿学习算法在复杂家务中的泛化。
公司自研工业垂类VLA大模型BFM-1，融合空间感知、强化学习与世界模型，并开发了Egocentric-UMI数据采集装置与远程操作系统，旨在实现跨本体泛化的「一脑多形」具身智能。
研究员注:💭 工业界正将世界模型集成到VLA中，以提升长程任务推理能力，这是具身智能向生产环境渗透的关键信号。
Startup offers free home cleaning–if it can record it all for robot training. 此类模式以低成本大规模获取真实世界演示数据，弥补仿真与现实的差距。
研究员注:💭 数据饥渴正催生创新但具争议的收集手段，隐私与劳工边界成为具身智能落地的隐性天花板。