具身智能卡在数据上：要百万小时，现在攒了不到 5%

本文解读：《2026中国具身智能数据产业分析报告-易观分析》 · 共 30 页 · 原文

硬件不是瓶颈了，数据才是。易观分析这份报告的判断很直接：机器人已经解决了能不能动，接下来卡在能不能喂饱模型。

它引用国际先进技术应用推进中心的测算：要实现具身智能能力的涌现，至少需要百万小时级来自真实世界的' 物理互动数据，而目前行业积累不到需求的 5%。

数据缺口不止是总量。报告把它拆成三层：量不足，质不够，异构不通。真机数据质量最高但单小时成本 500 到 1000 元，' 仿真数据无限却有迁移偏差，互联网视频规模大却没有动作标签。

最刺眼的一组数字来自斯坦福 HAI《AI Index Report 2026》：机器人操控在仿真中的成功率 89.4%，' 到真实家庭场景降到 12%，中间是 77 个百分点的鸿沟。报告给出的答案不是某一项技术，而是造、治、用、通协同推进的系统工程，把数据从企业私产变成行业基础设施。

当采集一小时的代价高于一个部件的毛利，数据就成了比硬件更贵的门槛。

图源：《2026中国具身智能数据产业分析报告》（第1页）

一、2026 年进入市场验证期，游戏规则变了

报告把中国具身智能产业划成五个阶段：科研探索期，产业起步期，技术融合与场景示范期，2026 到 2030 年的市场验证期，' 以及 2030 到 2035 年的产业成熟期。

市场验证期的定义是：政策与市场强力驱动，国家标准出台，产品开始批量进入真实场景，跑通产品市场匹配，' 并形成一批可复制的行业解决方案。2026 年又是十五五规划第一年，具身智能被列为未来产业的重点培育方向。

报告列了几个时间点：2026 年初民政部、工信部等 8 部委部署机器人在家庭、社区、养老机构等场景规模化应用；' 多家机器人企业宣布万台以上量产计划；工信部计划到 2027 年产业加速实现规模化发展。

值得注意的是报告的清醒：多位院士与专家在世界机器人大会上指出，2030 年是解决泛化能力与低成本制造两大瓶颈的关键年份，' 2030 到 2035 年才是技术红利释放期。

它的三重优势判断也很务实：制造业优势让成本持续下降，产业链协同让执行器、减速器、丝杠、电机、传感器形成国产化闭环，' 市场驱动让订单反哺迭代。

产业竞争的分水岭，从能不能造出来，挪到了能不能跑通场景。

图源：《2026中国具身智能数据产业分析报告》（第2页）

二、具身数据和互联网数据不是一个物种

报告对具身数据的定义很精确：物理世界交互的多模态记录。它有三个核心特征，每一个都跟互联网文本、视频数据不共戴天。

第一是物理交互性。数据必须包含力、触觉、形变、摩擦等真实物理属性，互联网上已有的图文视频一律不通用，' 一段演示视频再清晰，也带不出一牛顿的摩擦力。

第二是多模态强耦合。视觉、本体姿态、触觉力觉、音频、语言指令必须在同一条时间轴上精确对齐，差一帧就报废。第三是时序连续性。数据以状态与动作的序列构成轨迹，是行为克隆与模仿学习的核心载体。

正因如此，具身数据从训练副产品变成了产业核心燃料。报告的说法是，当前产业正从硬件能力驱动转向数据规模与闭环驱动，' 但高质量、可跨本体复用、可评测的物理交互数据依然稀缺，尤其是失败样本与接触细节。

互联网数据教模型看懂世界，具身数据教模型动手改变世界。

图源：《2026中国具身智能数据产业分析报告》（第3页）

三、三重制约：量、质、异构互为因果

报告把数据瓶颈拆成三个维度，并且强调三者互相强化，不是单点问题。量的问题叫总量断档。百万小时级的需求对应的现实是不到 5% 的积累，根因是高质量、大规模、低成本这个不可能三角没被打破。

真机数据质量高但单小时成本 500 到 1000 元；无本体数据便宜但要重定向、缺力觉；仿真数据无限但有迁移偏差；' 互联网视频规模大却没有动作标签。

质的问题叫仿真与真实的鸿沟。斯坦福那份报告给出的 89.4% 对 12% 是最直观的证据。' 报告进一步指出行业数据集过度干净，系统性丢弃失败样本与长尾场景，模型泛化靠运气；标注粒度不统一，脏数据进、脏模型出。

异构的问题最容易被低估。各家关节数、坐标系、控制频率不同，一家的数据没法直接训练另一家的模型，换本体等于重采、重标、重训；' JSON、Parquet、ROS bag 等格式并存，跨平台不可拼接；各训练场的数据尚未连接。

换一台机器人就要重采一遍数据，这才是这个行业最贵的隐形成本。

图源：《2026中国具身智能数据产业分析报告》（第4页）

四、破局四条腿：造、治、用、通

报告给的解法是系统工程，四条腿缺一不可，名字也很短：造数据、做对数据、转飞轮、通数据。

造数据解决量。本体厂商依托量产机器人规模在真实场景持续采集，以真机数据锚定质量基线；仿真厂商构建高保真物理引擎与场景资产库，' 用合成数据覆盖长尾与极端场景。两条路线互补，真机保真，仿真扩边界。

做对数据解决质。数据从采集完成到可训练可用，中间要过标注、清洗、质量评估。要建立统一的标注规范，' 按任务级、片段级、关键帧级、接触级分级，并用自动化评测工具量化可训练性。

转飞轮解决数据与模型的循环。训练场把采集数据转化为模型能力，再把模型部署到本体上验证，执行中产生的新数据回流，' 形成采集、训练、部署、回流的闭环。

通数据解决异构。建立跨本体、跨平台的数据格式标准与接口规范，通过交易平台与合规机制促进高价值数据流通，' 让数据从企业资产变成行业基础设施。

四条腿里最难的不是采数据，是让采来的数据能被别人的机器人用。

图源：《2026中国具身智能数据产业分析报告》（第5页）

五、六种商业模式：最成熟的边际成本最低

报告梳理了六类并行模式：数据集产品销售、定制化数采项目、数采硬件销售或租赁、仿真 SaaS 订阅、数据要素交易、' 全链路服务与训练场运营。成熟度和边际成本几乎是一条反比曲线。

仿真 SaaS 最成熟，边际成本极低，靠合成数据做规模效应，核心壁垒是引擎精度与生态标准，代表企业包括群核、光轮、无问。' 定制化数采项目也成熟，是真机保真的主流做法，但边际成本高，收入难复制，代表是智元、觅蜂、宇树。

数采硬件销售或租赁处在成长期，卖设备加数据回购，边际成本中等，代表是鹿明、帕西尼。' 治理与标注是传统标注的延伸，人力密集，按工时和条数计费，代表是海天瑞声、景联文。

数据交易处在成长期到极早期之间，核心壁垒是确权、合规与稀缺数据集；训练场运营更早，重资产、回报周期长，' 需要物理空间与全链路整合能力。

这份报告的原文件放在运营动脉（www.yydm.cn）上，图表、口径说明和样本量都写得很清楚。

想看原文的完整版，搜标题就能打开，图表和数据附录都是齐的，不用注册。

边际成本越低的模式越成熟，这是数据生意绕不开的经济学。

图源：《2026中国具身智能数据产业分析报告》（第6页）

六、三条采集路线：真机保真、无本体铺量、仿真扩边界

采集是价值链的物理入口。2026 年的格局是三线并行：真机遥操作、便携无本体采集、仿真与数据合成。' 互联网视频蒸馏只用于预训练，不构成物理采集，报告没把它算进来。

真机遥操作质量最高，具备真实摩擦力与碰撞动态，无需跨本体映射，但成本也最高，500 到 1000 元每小时，' 受本体数量、场地与人力限制，规模扩展性弱。它用于复杂精细操作、最终场景验证和模型微调基准。

无本体采集靠可穿戴设备记录人体动作，成本降到真机的三分之一左右，行业参照 200 到 400 元每小时。' 它存在人体到机器人的跨本体重定向鸿沟，但结合众包后产能容易进入百万小时级。

仿真与数据合成遵循合成加真机校准的迁移逻辑，前期引擎与资产投入高，一旦搭建完成边际成本趋零，' 适用于大规模预训练增广和极端、危险场景模拟。

报告引用觅蜂创始人的判断：仿真需要购买数字资产、建模、调用 GPU 渲染，而无本体设备规模化后，' 部分场景下单小时真实数据的成本已经低于仿真。

真实数据变便宜的那一天，仿真会退回它最该待的位置：边界场景。

图源：《2026中国具身智能数据产业分析报告》（第7页）

七、训练场：七十多座已建成，两千五百台在跑

报告统计了一组少见的行业基建数据：70 多座训练场已建成启用，另有 40 多座在建或规划；覆盖 23 个以上省份；' 已部署机器人 2500 台以上；总面积 28 万平方米。

区域分布很不均衡：长三角 36 座，珠三角 12 座，中部 12 座，京津冀 10 座，成渝 6 座，其他地区 24 座。' 省级层面浙江 12 座、江苏 11 座、广东 10 座、北京 8 座、上海 8 座，集群特征明显。

训练场的价值在于把固定成本变成可变成本：中小企业不必自建采集设备与场地，按需租用即可。' 同时它承担闭环飞轮的中转站角色，数据在这里变成模型能力，再回到本体上验证。

报告也点出了当前的阶段判断：训练场整体仍处起步期，重资产、回报周期长，头部国资中心与云厂商正从单点采集走向全链路运营。

训练场不是办公室，它更像这个行业的公用水电，谁接入谁就省一笔固定资产。

图源：《2026中国具身智能数据产业分析报告》（第8页）

八、五家样本：数据生意的五种打法

报告拆了五家典型企业，每家都给出了优势与挑战，这部分比结论更有参考价值。

觅蜂科技 2026 年 2 月从智元拆分独立，创始人判断模型没有强壁垒、数据才是壁垒。它的 MEgo 设备累计下线 2 万台，' 累计产出超 100 万小时数据，覆盖 22 大类场景，无本体路线成本约为真机三分之一。挑战是千万小时产能需要 9 倍放量。

光轮智能 2023 年 1 月成立，走仿真合成加人类第一视角双主阵地，2026 年 3 月完成 10 亿元融资成为全球首个具身数据独角兽，' 5 月估值突破 20 亿美元。它的部分数据集复售倍数超 10 倍，一季度新增订单 5.5 亿元。

无问智科的世界模型加数据工厂路线，公开披露在线强化学习让仿真成功率从 9.7% 提升到 79.8%，迁移真实机器人后任务成功率提升 50%，' 客户复购率超 80%，订单同比增长超 3000%。

群核科技是纯仿真路线，5 亿多个结构化 3D 场景、4.8 亿个带物理参数的 3D 模型，但具身业务收入仍在百万级、占比不足 1%；' 鹿明机器人主攻无本体采集，FastUMI 单条采集从 50 秒降到 10 秒，成本降至传统遥操作的 1/5，数据有效率从 70% 提升到 95% 以上。

五家里没有一家只靠采集活下来，都在往闭环和标品上走。

图源：《2026中国具身智能数据产业分析报告》（第9页）

九、趋势与机会：从卖数据到定义数据

报告给出的三个结构性变迁值得记住：能力层从数据规模转向数据价值，产业层从分散供给走向分化重构，' 终局资产形态从数据商品迈向数据要素。

六个趋势里有三个最硬。一是硬件入口化，卖设备即买数据，但真正的壁垒在软件粘性，数据格式绑定、云端平台依赖、评测基准锁定。' 二是标准化与标品化，竞争单位从小时数转向有效信息密度。

三是买方自建与中立性分化。头部本体厂商与基座模型公司正把数据生产内化，中立第三方在评测、开源社区、公共训练场里找空间。

报告还点出一个反常识的观察：产能军备竞赛之下，结构性过剩已经出现，原始数据贬值与高难数据稀缺并存，' 静态数据集的价值窗口正在收窄，有效信息密度乘以闭环增益才是新标尺。

八个机会里，第三方评测认证被排在第一位，理由很实在：既有评测机构既卖数据又办考场，中立性代价明显，' 谁能做出不卖数据、只办评测的独立第三方，谁就能吃掉这块中立性溢价。

完整 30 页图表与企业拆解见运营动脉（www.yydm.cn），搜报告名即可打开。