一边玩叠叠乐积木，一边采集大脑活动数据——这听起来像科幻电影里的场景，正在加州圣利安德罗的一座仓库里真实发生。

数据标注公司Encord的“飞行员”们戴着脑电波传感器头盔，小心翼翼地拆解积木塔。他们不是在玩游戏，而是在为物理AI寻找“人类意图”的训练信号。当大语言模型已经吃掉了整个互联网的文本，机器人模型却面临训练数据的严重匮乏。Encord的答案是：制造数据，而不仅仅是管理数据。

一、物理AI的致命瓶颈：数据根本不存在

大语言模型可以通过爬取Stack Overflow和整个互联网的文本近乎零成本地构建训练集。但物理AI没有这个捷径。

Encord机器人学习负责人Vineeth Velmurugan曾任职于OpenAI机器人实验室和仓库自动化公司Berkshire Grey。他直言：“这些数据根本不存在。”

自动驾驶公司可以自己采集物理世界数据，但那很难规模化。视频训练虽然可行，但缺乏真实世界数据的保真度。Velmurugan估计，要真正突破机器人数据瓶颈，需要一个规模大约相当于YouTube视频总量五倍的数据集。

这个数字解释了为什么数据生成本身正在变成一个产业，而不仅仅是研究课题。

二、脑电波：给训练数据加上“意图标签”

Encord正在与德国神经科学初创公司Zander Labs合作，试验用脑电波数据来丰富训练信号的维度。

Zander的神经科学家Lucas Gehrke解释说，测量大脑活动可以推断出精神状态——包括错误感知、意图和惊讶。例如，在任务进行中记录脑电波活跃度，能帮助模型构建者判断何时需要调用最高算力的模型。

这些数据集带有密集的物理标注——“右手拧紧螺栓”。Velmurugan估计，这种密集标注对特定任务训练的价值是“垃圾自我中心数据”的100倍，而生产成本仅高20倍。

除脑电波外，Encord还在前臂绑戴传感器组检测肌肉电信号，据此构建手部三维轨迹，弥补视频中手指被遮挡的信息缺失。脑电波捕捉意图，肌电信号追踪动作——两种新数据模态叠加，让机器人模型有机会真正理解“人是怎么想的”。

Encord表示，目前的目标是构建一个初步的脑电波标记数据集，在客户机器人模型上运行并评估是否真的能提升性能，然后再决定是否扩大规模。

三、从“读懂大脑”到“控制机器人”

如果说Encord在用脑电波训练机器人“理解”人类，那强脑科技（BrainCo）在做的事情更直接——让人类用脑电波直接“指挥”机器人。

7月17日，2026世界人工智能大会（WAIC）上，强脑科技全球首发BrainCo脑控机器人训练平台。这是全球首个一体化脑控机器人AI科研平台。

平台的工作原理分三步：用户戴上脑电帽采集脑电信号；AI算法解码信号识别运动或控制意图；意图被转化为机器人指令。整个过程在200毫秒内完成。

平台采用一体化设计，即使没有脑机接口背景的研发人员，也可以在10分钟内实现“意念”控制机器人。目前平台已支持接入人形机器人、机械臂、机器狗等多种第三方设备。展会现场，平台通过驱动机械臂完成抓取水杯、苹果等动作，直观展示了技术可行性。

强脑科技提出“三元智能”协同理念：脑机接口负责意图解码与输出，人工智能增强解码能力与任务分解，具身智能完成物理执行。

四、“读心”的双重意义

脑电波在物理AI领域的价值，可以从两个层面理解。

第一层：作为训练信号。 Encord的探索表明，脑电波可以成为机器人训练数据中缺失的“意图维度”。传统视频数据只能记录“做了什么”，脑电波能告诉模型“为什么这么做”“做的时候在想什么”。这些信息对训练真正理解人类意图的机器人至关重要。

第二层：作为控制接口。 BrainCo的平台则展示了另一条路径——脑电波不仅是训练数据，还可以是实时控制信号。当机器人需要与人类紧密协作时，脑电波控制提供了一种比语音、手势更直接、更自然的交互方式。

Velmurugan称这是解决机器人数据瓶颈的“最前沿”。但物理数据的生产成本意味着机器人AI无法复制大语言模型“爬遍互联网”的零成本路径。这可能是限制人形机器人和仓储机器人普及速度的根本约束。

五、结语

物理AI的最大瓶颈不是模型架构，而是真实世界操作训练数据的极度匮乏。脑电波能否成为那个“解锁”的关键，目前还是未知数。Encord的试验仍在试运行阶段。BrainCo的平台更多面向科研场景，距离大规模商用还有距离。

但方向已经清晰：当机器人需要真正理解人类意图时，最直接的信号来源，恰恰是人类大脑本身。物理AI的下一个突破口，也许就藏在那些微弱的脑电信号里。