本文转自【央广网】；
2026年下半年，威卡移动控制（WIKA Mobile Control）在具身智能领域的各类行业展示活动中频频亮相。
9月，威卡先后受邀出席华为2026全联接大会和阿里2026云栖大会。这两场国内科技巨头年度大会的主题均持续聚焦Agentic AI，系统呈现了AI从底层技术突破到产业价值落地的完整路径。
10月19日，2026徐州第十届人工智能大会上，总经理薛力戈现场发布“具身智能赋能工程机械高质量数据集”。发布会现场没有炫目的机器人表演，大屏幕呈现的是挖掘机在真实工地开展作业的实景画面。这一科研成果，在物理AI智能化领域收获广泛关注。
总经理薛力戈表示：该数据集打通了模型读懂人类在工程施工场景下经验沉淀的通道，是人工智能落地极端环境、大型工程的核心基础，将推动传统施工向少人化、无人化迈进。发布的同时，威卡已在Hugging Face等多个国际一线数据仓库上线该数据集，希望依托开源模式汇聚全球科研力量，共同搭建工程施工场景的数据飞轮，实现技术的持续迭代创新。
当前，具身智能行业发展正面临数据稀缺、场景落地难等瓶颈。威卡作为一家深耕控制器、传感器和功能安全领域的自动化控制企业，推动具身智能技术与工程机械深度融合，打通了从真实作业场景到训练数据闭环的链路——既为传统制造业的智能化升级探索出可行路径，也为具身智能的前沿研究提供了宝贵的高质量数据集。
数据，是长出具身大脑的土壤
2026年被不少行业人士称作具身智能的应用元年。行业数据显示，上半年国内具身智能融资约935亿元，同比增长约五倍。但资本催生的行业热度，和技术实现精细化产业落地并不能画上等号。
具身智能场景为何落地困难？核心痛点集中在真实数据供给不足、仿真模拟实用性有限、模型落地适配性差、安全保障体系缺失，威卡数据集正是针对上述行业痛点应运而生。进一步来看，为什么这份数据集诞生于威卡，而非纯AI企业？答案并不藏在算法本身。
威卡移动控制打造这份数据集产品，价值正在于此。当行业普遍受困于数据短板之时，威卡将研发视角投向工程机械这一真实产业场景。工地、矿山各类作业、运维环节沉淀的真实场景数据，都能够为实体经济转型升级赋能。威卡不追逐概念噱头，依托扎实的技术积累，让具身智能的“虚拟大脑”真正对接服务经济建设的工程机械“钢铁臂膀”。
年内，国务院发展研究中心产业经济研究部副部长、研究员李燕在公开采访中提出，当前具身智能发展存在三大短板：高质量物理世界数据供给不足、模型泛化能力有限、部分硬件工程成熟度有待提升，其中数据问题排在首位——数据不等同于智能大脑，但智能大脑的训练离不开数据根基。
威卡移动控制智能化创新中心总监武博文在接受记者采访时谈到：模型的根基不在算法框架，而在于数据。人类的行业知识蕴藏在数据当中；先构建高质量数据，才能训练出适配的模型，后续一系列技术应用才有实现的前提，这个逻辑顺序不可颠倒。
回归产业现实，工程作业真实场景属于高度非结构化环境，各类硬件设备标准并不统一，数据采集成本高昂，数据复用难度大。仿真素材、视频资料可以用作预训练，但和真实作业环境之间存在迁移壁垒，适配模型训练的有效数据供给，远远跟不上模型迭代的实际需求。因此，想要实现具身智能的长远发展，必须有企业投身大数据的采集、整理与解析工作。
更为关键的是，数据集绝非存储在硬盘中的视频文件与原始资料集合，而是覆盖多场景、多型号挖掘机的作业数据，把一线机手实操积累的行业经验，转化为机器可以识别读取的知识。只有这样的数据产品，才能训练出工程机械真正可用的智能“大脑”。
“政策+市场”双轮驱动，数据集研发之路不易
威卡布局数据集相关工作，并不是2026年才启动。记者了解到，早在五年前，威卡就已经启动数据集的前期筹备。彼时企业已经预判，在“险、脏、累、繁、重”的工程作业场景里，拥有“大脑”的智能机械，市场需求将日益突出。
2026年，工信部在《信息通信行业发展“十五五”规划》当中，明确提出要强化高质量数据集的采集、建设与治理；同一时期，伴随宇树科技完成上市，资本市场对具身智能概念的关注度持续走高。
工程机械品类繁杂，威卡选择以挖掘机作为突破口，场景代表性强，实现难度却不容小觑。挖掘机作业工况复杂，挖沟、装车、修坡、整平、堆料等作业动作自由度高，负载动态变化，作业现场扬尘环境复杂，作业地形没有预设参考，非结构化特征十分突出。因此挖掘机数据集采集，既要覆盖多品牌设备机型，输出的数据还要适配具身智能的学习逻辑。
行业内众所周知，模型习得的每一套作业动作，都来源于对资深机手操作轨迹的学习复刻。威卡深入真实作业现场，借助统一时间戳完成“视觉、激光、位姿、力馈、手柄输入”五大维度数据的同步对齐：视觉、激光维度还原机手所处作业环境；位姿、力馈维度记录机具和物料之间的交互状态；手柄输入维度留存操作人员的决策意图。多维度信息相互印证串联，完整还原“机手观测环境、设备物料交互、人员实际操作”全链条逻辑。缺少任意一环，得到的就只是孤立观测素材或是控制信号，并非可复用的行业经验数据。
整套采集模式意味着高昂成本。武博文介绍，现阶段挖掘机信息采集基地的数据采集成本约每小时5000元；训练一套可用模型大致需要10万小时量级数据，仅真机实地采集就要投入上亿元成本。仿真模拟器前期投入同样较高，但搭建完成之后，成本能够压缩至真机采集的十分之一。
如此高额的研发投入，对于威卡这样深耕实体制造业的企业，无疑是巨大挑战，但威卡始终坚持推进项目落地。
数据集的底气，源于威卡深耕三十年的智控系统积淀
从具身智能技术细分维度划分，可以拆解为肢体、小脑、大脑三大部分。肢体，指代主机厂商生产的设备本体结构；小脑，即电机控制器、驱动器、液压控制器，保障设备运行平稳可靠；而工程机械现阶段的“大脑”，大多还是由现场机手来充当。“小脑”属于承上启下的关键枢纽，智能大脑输出决策指令，需要经由小脑，才能够驱动设备肢体完成作业。
从这个维度来看，威卡在具身智能的“小脑”领域，已经拥有三十余年技术沉淀。企业产品线涵盖控制器、显示器、传感器、操控装置、新能源电控五大品类，广泛装配在起重机、高空作业平台、混凝土机械、土方机械、矿山设备等十余类装备。企业介绍，产品客户包含徐工、三一、中联重科、利勃海尔等多家工程机械龙头企业。也就是说，威卡的控制硬件本就搭载在各类工程设备内部。这也决定了这份数据集，从源头就承担起连接小脑与大脑的作用，是立足成熟的智控硬件底座研发而来，并非脱离产业实际的凭空构想。
记者走进威卡徐州智能制造工厂实地调研，切身感受企业扎实的制造实力。厂区划分电子制造、电子装备、仓储拣配、机加工、机械装配五大功能区域，先后获评江苏省先进级智能工厂，通过智能制造成熟度三级认证。电子制造区是厂区核心板块，配置两条SMT生产线、DIP生产线、喷涂产线以及自动化成品仓库。车间部署VALOR系统，实现每一件产品全流程可追溯管控。
值得重点说明的是，SMT产线配套的测试流水线，全部由威卡自主设计、自主装配，属于完完全全的“威卡造”。现场负责人介绍，这条流水线立足客户需求、结合产品特性完成定制研发，投入使用之后运行状态稳定。当前产线除了保障威卡自身订单生产，还有接近一半的富余产能，可以对外承接定制化测试业务。这种覆盖产品研发到产线搭建的自主制造能力，正是威卡能够推进数据集项目的核心底气之一。
结语：为工程机械的智能化与少人化，提供一条被验证的路径
威卡数据集第一阶段规模达到3600万帧，覆盖12类典型作业场景——放在整个具身智能行业里，这只是起步量级。但这套数据集所代表的研发思路，比数据体量本身更值得关注。
第一，技术逻辑顺序正确。先沉淀可复用行业经验的数据底座，再完成经过验证的模型训练，最后依托工程装备承载模型能力。很多研发团队的路径与之相反：优先打造硬件载体，再去补齐智能能力。真正难以复制的，是蕴藏在真实作业数据里的实操经验；如果颠倒研发顺序，即便投入大量资金，最终产出的也只是演示效果。
第二，场景选择精准。不从容易做演示的简单场景切入，而是选择工况复杂、负载动态变化、非结构化特征显著的工程机械场景作为突破口。威卡不追逐风口叙事，也不与通用大模型正面竞争。具身智能这两年最不缺的是故事，行业真正缺的，是愿意沉下心做采集、对齐、标注、质控这些细活慢活的参与者。威卡选择的是后者：把自己放在数据生产基础设施的位置上，交付的不只是数据，还有方法和载体。三者协同落地，才能把一次性项目沉淀为可复制的工程能力，真正推动产业落地。
第三，发展定位清晰。不少企业忙着拿融资、造硬件样机、讲故事；威卡则静下心来打造数据底座，为工程机械原生模型训练夯实数据基础，最终把训练完成的模型回装到工程机械设备当中。对具身智能尤其是工程机械行业而言，这不是流于纸面的故事，而是一条经过验证、可以复制的落地方案，对整个行业有着特殊参考意义。
【广告】声明：该文章系转载，旨在为读者提供更多新闻资讯。所涉内容不构成投资、消费建议，仅供读者参考。
启远网提示：文章来自网络，不代表本站观点。
