"10 万年数据缺口"论证（Goldberg）

定义与机制

UC Berkeley 的 Ken Goldberg 提出：训练 LLM 的文本相当于人类阅读约 10 万年，而机器人缺少同量级的动作数据；遥操"一天只产一天数据"，无法按此规模扩张。他对 YouTube 视频持怀疑，认为 2D 到精确 3D 动作的翻译困难，主张"好的老式工程"（真实商业部署回流数据）[1]。

证据与数字

• 原文为 Science Robotics（2025-08-27），引文来自 TechXplore 报道 [1]。
• 数量级对照：公开可核的最大遥操语料 AgiBot World 约 2,976 小时（Data Pyramid 综述口径）；Egocentric-100K 约 10 万小时第一视角，差约 2-3 个数量级。
• 绕行路线的证据：EgoScale 20,854 小时第一视角呈对数线性律 [3]。

争议或反方

• HumanScale 预印本称 5,000 小时等量下第一视角优于真机预训练，意味着缺口可由便宜层部分填补 [2]（对照设计待复核）。
• Levine 认为瓶颈更多是运营规模（播客摘要）。
• "10 万年"是类比而非测量，所需数据量并无共识。

来源

1. https://techxplore.com/news/2025-08-year-gap-robots-lag-ai.html (2026-10-14)
2. https://arxiv.org/html/2606.20521 (2026-10-14)
3. https://arxiv.org/html/2602.16710 (2026-10-14)