Sharpa在ICRA 2026的展位上，最让我感兴趣的，不是灵巧手，不是整机，不是模型，而是一个不起眼的细节——展位工作人员透露，Sharpa在数据采集方面尝试了四条路径：Manus动作捕捉手套、外骨骼真机数据、人类视频数据、仿真，但目前正在自研第五条方案。

"四条路径还不够，我们在自研第五条。"这句话背后的信息量，远比表面看起来大得多。它说明了一个事实：在具身智能产业中，数据采集方案的设计，正在成为一个隐形战场。而这场战争的胜负，最终取决于工业设计。

为什么数据采集方案需要工业设计？因为数据采集的本质是一个人机交互过程。一个操作者，穿戴采集设备，执行一系列动作，采集设备记录下这些动作数据，再把数据喂给模型训练。这个流程中，采集设备的设计质量直接决定了数据质量——戴着不舒服，操作者的动作就会变形；动作映射不精准，采集到的数据就是带噪声的；设备太笨重，很多动作根本做不了。

诺曼在讨论人因工程时，有一个非常实用的概念：人类操作者的"舒适区"。当操作者处于舒适区时，动作是自然的、流畅的、可重复的。当操作者被设备束缚、身体不适、认知负荷过高时，动作就会变得僵硬、不连贯、不可预测。数据采集设备的设计，本质上是在争夺"舒适区"——让操作者在舒适区内尽可能多地完成高质量的采集动作。

Sharpa尝试的四条路径，每一条都对应着不同的"舒适区"范围。动作捕捉手套最轻便，但精度有限，且无法捕捉全身动作。外骨骼真机数据精度高，但设备笨重，操作者无法长时间工作。人类视频数据不需要穿戴设备，但缺乏力度和触觉信息。仿真数据灵活可控，但和真实物理世界的差距始终存在。每一条路径都有取舍，每一条路径都只能覆盖一部分采集需求。

这就是为什么Sharpa要自研第五条路径——不是因为现有的四条路径"不够好"，而是因为没有一个方案能同时满足"高精度、高舒适度、高覆盖度、高可扩展性"这四个设计目标。而要实现这四个目标的统一，需要的不是更好的算法，而是更好的工业设计。

创品工业设计在四力五维中的"创新力"，在数据采集设备的设计中体现得尤为充分。创新力不只是形态上的差异化，更是对"采集场景"的重新定义。好的采集设备，应该让操作者忘记自己在"被采集"——就像好的相机应该让被拍摄者忘记自己在"被拍"。这需要从人因工程的角度重新设计采集设备的形态、重量分布、佩戴方式、交互逻辑。

"专业力"则意味着对采集场景的深度理解。工业场景的数据采集，操作者可能在工厂车间里弯腰、爬梯、搬运重物。家庭场景的数据采集，操作者需要模拟日常动作的精细度和自然度。不同场景对采集设备的要求完全不同——工业场景需要设备坚固耐用，家庭场景需要设备轻便低调。没有"通用"的采集设备，只有"场景化"的采集设备。

帕帕奈克在《为真实世界而设计》中强调，设计应该从使用者的真实需求出发，而不是从技术可能性出发。数据采集设备的设计，最容易被忽视的恰恰是使用者的真实需求。一个采集设备的设计团队，如果只关心传感器的精度和数据的格式，而没去真实采集现场观察过操作者工作八小时后的身体状态，就不可能设计出"好用"的采集设备。

从"量产维"看，数据采集设备还有一个被忽视的挑战：标准化。Manus动作捕捉手套是标准化产品，但它的精度上限是固定的，无法根据具体的采集需求进行定制。外骨骼真机数据精度高，但每套外骨骼都是高度定制的，无法规模化复制。自研采集方案的价值，在于可以在"标准化"和"定制化"之间找到平衡——核心模块标准化以保证一致性和可维护性，外围模块可定制以适应不同采集场景。

在创品的"保障力"维度中，数据采集设备的可靠性直接影响整个数据管道的稳定性。一次采集设备故障，可能意味着几小时甚至几天的采集数据全部作废。这种风险，在采集方案的设计阶段就应该被识别和规避。

Sharpa的五条路径，不是资源的分散，而是能力的积累。每一条路径都在积累对"人-机-数据"三角关系的理解，这些理解最终会凝聚到自研方案中，成为产品定义的核心竞争力。数据采集的隐形战场，正在从"谁的数据多"转向"谁的数据好"，而"数据好"的本质，是采集设备的设计好。
值得深思的是，Sharpa的案例还揭示了一个被行业长期忽视的规律：最好的产品定义，往往不是靠"做加法"来完成的，而是靠"做减法"来完成的。Sharpa的22个自由度，不是"能做多少做多少"，而是"需要多少做多少"。1:1人手比例，不是"看起来像人手"，而是"刚好能无缝承接人类动作数据"。直驱方案，不是"直驱比绳驱更先进"，而是"直驱在量产一致性和数据鲁棒性上更匹配目标场景"。每一个设计决策都有明确的目标场景对应，没有"为了做而做"的堆砌。这种克制的产品定义能力，在参数竞赛日益白热化的具身智能行业中，是一种稀缺资源。迪特拉姆斯说过，好设计是尽可能少的设计。Sharpa的灵巧手，恰恰体现了这种智慧——不是参数少，而是冗余少。创品在"好看维"的评估中始终坚持一个原则：好看不是"做了很多设计"，而是"做对了设计"。多余的设计语言是噪音，精准的设计语言才是价值。Sharpa的案例，为这个原则提供了一个来自前沿科技领域的绝佳注脚。