具身智能的Scaling Law或许真的来了。

一场围绕着Scaling Law的竞赛正在具身智能行业展开。几家头部具身智能公司以及刚进场的互联网大厂，正在展开竞赛，锚定了2026年的目标：具身真机数据集至少干到100万个小时。

这也意味着具身智能从25年的“学前班”阶段正式进入“小学”阶段，玩家们要开始考试竞赛了。

众所周知，25年具身智能融资火热，不过和融资的火热相比，许多具身公司并没有大举投入扩张，反而非常谨慎，还是停留在发发论文、调调模型、秀秀Demo上。导致这种现象的原因是具身卡在数据采集上，行业内数据量少的可怜，只能做学术研究，所以虽然融了许多钱，但是没有方向可以砸。

这个阶段可以说是具身公司们的“学前班”，玩家们像幼儿园的儿童，日子过得悠闲快乐，不仅不卷，还受到资本追捧，账上趴着巨额现金。这样的日子即将结束，26年要卷起来了。

UMI的“低成本+高效”解决了具身大规模数据采集的问题。这也让头部玩家们嗅到了Scaling Law的机会，开始卷数据规模，希望在26年通过100万小时数据做出漂亮的模型性能增长曲线。

这对具身玩家们来说是一个非常重要的指标，如果干不到100万小时，就意味着不属于第一梯队，会影响后续的融资。所以，一些头部玩家攒足了劲冲刺100万小时。

如果头部玩家们26年的计划能够实现，也就意味着具身智能真正迎来了Scaling Law，大语言模型的故事将在具身智能行业上演：加数据——性能增长——再加数据——性能继续增长。

Scaling Law的故事会受到资本的认可，虽然工厂、家庭等场景的可用性仍不确定，但是有持续性高增长的性能曲线，就会引发资本的持续追逐，头部玩家的估值也会持续飙升。

跟大语言模型一样，Scaling Law也会使资源向头部玩家集中，这也意味着淘汰赛开始。

Scaling Law比拼的就是钱，就拿100万小时数据来说，数据+算力+人才的成本就得几个亿。这还只是2026年第一波竞赛，如果效果好，等到27年第二波竞赛的时候，数据的比拼将会达到几百万小时规模，意味着至少需要十亿起跳的投入。

很明显，会有许多具身智能公司玩不起Scaling Law。分情况来看，估值在一百亿以上的具身公司，单轮融资能达到数十亿，有足够的钱在Scaling Law竞赛中跟上节奏。而估值在五十亿以下的，单轮融资几个亿，投入上就有些勉强了。

当然，最有钱的是字节、阿里这样的互联网大厂，相比依赖融资的创业公司，大厂几乎是拥有无限弹药，投入力度上碾压创业公司。在具身的Scaling Law上，是否会像大语言模型行业一样，大厂碾压创业公司夺得头魁呢？这个需要看具身行业持续的发展情况。

不过，卷对于具身来说是个好事。动物只有在丛林角逐的奔跑和撕咬中才能壮大，活在温室里只会成为宠物。而且，随着26年卷起来，谁是”真龙“，谁是”真虫”，也会原形毕露了。