2026人形机器人系列专题之具身数据：物理AI核心资产，模型迭代孕育数据产业新蓝海-国信证券

请务必阅读正文之后的免责声明及其项下所有内容优于大市人形机器人系列专题之具身数据物理 AI 核心资产，模型迭代孕育数据产业新蓝海核心观点行业研究·行业专题汽车优于大市·维持证券分析师：唐旭霞证券分析师：孙树林0755-819818140755-81982598tangxx@guosen.com.cnsunshulin@guosen.com.cnS0980519080002S0980524070005证券分析师：傅嘉良0755-22940076fujialiang@guosen.com.cnS0980526100002市场走势资料来源：Wind、国信证券经济研究所整理相关研究报告《汽车行业 2026 年 9 月投资策略及中报总结——行业整体利润承压，Cybercab 投入运营》 ——2026-09-15《人形机器人本体系列之宇树科技招股书梳理》 ——2026-08-22《汽车行业 2026 年 8 月投资策略-宇树机器人上市在即，关注汽车板块财报行情》 ——2026-08-20《重卡行业专题——海外市场空间广阔，出海景气有望长期延续》 ——2026-08-20《具身智能产业研究蓝皮书》 ——2026-08-02高质量物理交互数据是具身智能实现泛化的关键，具身 Scaling Law 初步显现。纵观数字 AI 大模型的发展历程，模型能力边界的突破始终伴随着数据、算力与算法的协同演进。数据是物理 AI 大模型发展的关键资源，是支撑模型训练、能力涌现与智能进化的底层驱动力。具身智能领域的 Scaling Law已开始获得初步实证支持，如 Dyna-2 在 Ego 第一视角人类视频预训练数据的实验中发现，当数据规模从千小时扩展至百万小时，模型的表现呈现明显改善趋势，为具身 Scaling Law 提供初步证据，预计数据需求将持续扩大。通用模型厂商加快入局具身智能，触觉数据稀缺性高。部分基础模型厂商数字 AI 业务 ARR 增速放缓，向物理世界的延伸有望成为其拓展应用边界的重要方向，具身数据采购需求迅速增长。以 GPT-6 Astra 为代表的多模态通用模型持续向物理世界拓展，在具身领域展现出较强的任务理解、规划与闭环纠错能力，进一步扩大了数据需求主体。当前具身数据积累以视觉信息为主，人类操作视频提供了丰富的行为与语义信息，触觉数据则需要在交互过程中同步记录接触状态，现有触觉数据的供给仍然相对有限。具身数据采集路线多样，多源数据训练价值凸显。具身数据采集技术路线包括互联网视频数据、Ego 第一人称视频数据、仿真合成数据和真实数据等类型，不同来源的数据具备互补价值。1）互联网视频数据规模庞大，是具身智能的数据底座，但缺乏力和触觉信息；2）Ego 第一人称视角数据由采集者佩戴头戴式或颈挂式设备，在日常工作环境中自然完成任务，不依赖特定机器人本体，是规模化潜力较高、部署门槛较低的路线，未标注的 Ego 数据价格约几十元/小时，处理后的高质量数据几百元/小时，Ego 设备则为千元级别；3）UMI 通用操作接口数据由操作员手持 UMI 夹爪作为采集工具，采集末端操作信息，提供结构化动作信息，主要优势在于跨本体复用，不依赖特定机器人本体硬件，但动作空间与真实机器人有差距，数据价格几十到几百元/小时，核心装备万元级；4）遥操作数据提供真实机器人执行示范，是高价值的数据类型，主要用于模型后训练，数据价格为几百元至上千元/小时，触觉手套价格分化显著，国内厂商单套售价为万元级别；5）仿真数据支持高效率生成与场景扩展，但核心面临 Sim-to-real Gap 难题。国内厂商积极布局数据采集与处理，具身数据有望实现百亿市场空间。具身智能数据产业链覆盖基础设施、数据采集、数据加工及应用等环节，具备软硬件协同、真实场景资源及持续数据交付能力的企业有望形成差异化优势。市场空间方面，展望明年，行业需求向亿小时级迈进，按数百元/小时价格测算，数据市场对应约百亿元市场空间潜力；长期看，借鉴特斯拉智能驾驶数据积累历程，在车辆持续在用、单车日均行驶 1 小时的假设下，测算到 2024年 FSD V13 模型能力有明显突破时，特斯拉全球车队行驶时间测算约为 60亿小时（测算值，仅供参考）。理论上，机器人的数据复杂度远高于智能驾驶汽车，若具身智能形成类似 FSD V13 重大模型能力突破，则数据需求大概率超越该时长，考虑到未来数据采集成本下降，远期数据市场规...