桥接 · 经典「数据觉醒」线 → EGO 数据研究

目的：把经典 36 篇里的「数据觉醒」线（Chinchilla / Scaling Laws），显式接到本 vault 的「数据×训练」研究纲领上，说清我们到底在补经典线缺的那一块。

1. 一句话命题

经典线证明了：有效训练随数据"量"按可预测的缩放律增长（Chinchilla 20:1）。
我们的 EGO/企业数据研究，问的是经典的下一层、也是它没答的维度：

当数据"性质"不同（形态、质量、配对、力同步、本体）时，"多少小时才算有用训练"如何缩放？

这叫 类型化缩放律（typed scaling law） —— 在"参数量-数据量"的 20:1 之上，再补一条"有效小时 ↔ 数据性质"换算律。

→ 换句话说：经典线把所有 token 当同质；我们必须做异质（不同来源的小时含金量不同）。

来源	证据	说明
EgoScale（2602.16710）	人动作 loss 随小时 log-linear：L=0.024−0.003·ln(D)	人 EGO 数据"量"有自己的一条律
AgiBot World（2503.06669）	真机轨迹 power-law r=0.97	真机数据"量"又一条律
EgoVerse（2604.07607）	无 domain-aligned 锚，8h 多样人数据不显著增益	"量"依赖"对齐/配对"才生效 ← 类型化的核心证据
ManuFacet（工业力同步）	~1000h 力同步，82% vs 15%	力同步的"稀有小时"含金量极高
MimicTouch（2310.16917）	人手触觉 104 条/hr·83%，遥操 19/hr	采集形态决定有效产出率
CHORD（2607.00033）	仿真+力引导，1831 任务·82.12%	仿真力引导可规模替代真机遥操

合起来的一句话：存在不止一条数据缩放律；每条律的"斜率/起点"由数据性质决定；且性质间存在锚定/兑换关系（如 EgoVerse：2h aligned 能撬动 8h 多样；EgoScale：50h 人 + 4h 机 mid-train 才最优）。

把经典 20:1 推广为一张数据性质换算表（部分是 ⚠待实测的假说）：

研究纲领的北极星问题 = 给这张表填上可证伪的定义与基准，让"数据供给"从工匠性判断变成可预测、可预算的工程（这是 Chinchilla 对"量"做的事，我们对其做"性"）。

经典「数据觉醒」线把"数据数量"确认为有效训练的短板（Chinchilla）。
本 vault 的 EGO/企业数据研究，就是把它推进到"数据性质"：构造类型化缩放律（有效小时/性质轴），回答"哪种数据、多少量、怎么配对，才决定有效训练"。

→ Chinchilla 问"多少 token，模型才算装得满"；我们问"哪一种数据，多少小时，才最有效地训练一个具身智能"。