90个数据工厂，喂不饱1个“具身智能大脑”？

作者：快思慢想研究院院长 田丰，财联社科创板日报 黄心怡

开篇

炎炎夏日，在北京亦庄“2026世界机器人大会”的咖啡亭里，一台名叫XMAN-R1的人形机器人正踮着"脚尖"取杯、萃取、出品，履历表上的职务是"特聘咖啡师"；不远处的洗衣房，两台机器人在统一调度下配合着洗衣、叠衣，动作衔接得不像是在演示，倒像是在上班。这是2026世界机器人大会（WRC）上，擎朗智能搭建的"具身社区"一角。几步之外，中坚科技旗下的消防机器狗正展示水炮作业：直流水柱压制明火，120°广角喷雾负责降温隔烟，60米的最大射程之外，还配了一套水带自动脱落系统，专为紧急撤离设计。

两个场景放在一起看，透着这个行业正在发生的换挡。过去几年，机器人展会的主角是"身体"——关节自由度更高，续航更久，奔跑姿态更像人。但今年，快思慢想研究院院长田丰在现场感受到明显的变化：厂商们谈论最多的，是数据。研究机构Interact Analysis的报告显示，全国已经有至少90个人形机器人数据采集和训练中心处于使用或规划建设中——这说明整个行业投资逻辑正在快速切换。

一、数据不是唯一

丹尼尔·卡尼曼在《思考，快与慢》里把人的认知拆成两套系统：系统1反应快速、直觉、近乎本能，系统2承担缓慢、审慎、依赖推理。这个框架不只是心理学规律，如今也成了具身智能行业理解自己的方式——机器人的"大脑"要做语义理解和任务分解，"小脑"要管肌肉记忆式的力控和抓取稳定性，二者需要的数据完全不同。这套认知框架，恰好也是"快思慢想研究院"名字的出处，而田丰对这场机器人"数据竞赛"做出判断：单纯囤积数据解决不了行业的规模化难题，真正决定节奏的，是数据、本体统一性、商业闭环这三件事能不能同步收敛。本文就从"身体"讲到"数据"，再讲到田丰拆解出的三重结构性矛盾。

二、巡检消防与灵巧手：订单落地的两条腿

灵睿P1是中坚科技子公司桦之坚研发的工业级四足机器人，目前主要跑在电网巡检和园区安防的场景里，前面提到的消防机器狗，就是基于这个平台二次开发的。这类"脏活累活"场景，恰恰是机器人最先站稳脚跟的地方——不追求万能，只追求把一件事做到工业级可靠反复用。

灵巧手赛道的进展更直观地体现在订单数字上。傲意科技CEO倪华良告诉《科创板日报》，公司正在推进三笔大额订单，分别是1000台、2000台、3000台，合计近五六千台，日常的中小规模订单也在持续交付。客户数从第一年十余家，到第二年破百家，截至2026年上半年已接近300家。但倪华良同时给出了一个更清醒的注脚：客户结构符合经典的"二八法则"（他称之为"一九法则"）——10%的客户贡献90%以上收入，剩下90%的客户仍处早期验证阶段，往往只采购一两台，采购十台已算"大单"。这组数字提醒人们，订单增长和商业化成熟，中间还隔着一段距离。

三、配送、叉车与"具身社区"：机器人开始"上班"

仙工智能的展示更偏"系统集成"：搭载机械臂的AI配送机器人能完成抓取、导航、避障、3D避障和电梯交互，把过去要多台设备甚至人工配合的环节整合成一个闭环；具身叉车则能持续识别不同颜色的托盘并完成叉取，现场的BEV实时感知画面随环境变化不断更新。仙工智能联合火星加速器发起的"阶梯计划"也在大会上落地，首期公布20家生态合作企业，目标是到2030年实现100万台具身智能机器人落地。

擎朗智能的底气来自其KOM 3.0大模型——号称全球首个融合潜空间世界模型的服务行业VLA架构，撑起了洗衣房、咖啡亭、甜品屋、零售店四大场景的"具身社区"。创始人兼CEO李通对《科创板日报》的判断很直接："现在可以说已经到了商业化落地元年，机器人是不是真能干活是人形商业化的本质，岗位化策略是通向大规模商业化的必由之路。"他给出了一个时间坐标：以进入家庭为标志，至少还需要五年以上；但在工业和服务业里，只要找到具体岗位、让机器人在有限范围内完成泛化任务，这个目标近期就有希望实现。

四、硬件底座跟进，数据成为护城河

硬件供应链也在同步跟进。兆易创新展示了覆盖MCU、模拟、存储的具身智能产品线，本月刚发布的GD32H77R和GD32F50MxxG率先亮相：中科硅纪M6灵巧手用的是GD32F503主控，11关节6驱动、整手仅410克；松延动力的Bumi小布米以GD32H75E为核心，98厘米、17公斤、21个运动自由度，是全球首款万元价位内的高性能人形机器人。

如果说去年的展台是在比拼哪个机器人跑得更快，今年的展台比的是谁家数据采集装备更高效。具身智能的长期竞争力，正取决于是否拥有高质量、低成本、可持续积累的真实交互数据——这也是2026届世界机器人大会数据采集方案成为全场焦点的原因。

五、数据基础设施独立成军

千觉XTac展出的UMI G1穿戴式触觉数据采集夹爪，由主夹爪、从夹爪、背负式计算单元、头显套装和可视化终端组成，能在自然的人机交互中同步采集视觉、触觉、位姿、夹爪状态和IMU数据——现场观众用两指夹爪抓取口红、口香糖、名片，屏幕上实时跳出视觉与触觉的输出结果，围观感堪比一场街头魔术。

仙工智能干脆把数据采集独立成为公司：现场宣布成立杭州开物创新具身智能科技有限公司，打通真机数据采集、多源接入、数据治理、模型训练、仿真评测与能力回灌的完整链路，并计划年内第四季度开源数据集和自研评测基准。强脑科技的数采矩阵则整合了真机执行、真人示教与仿真生成三种数据来源：真机数据靠双臂轮式数采平台采集，搭载21自由度全掌触觉灵巧手Revo 3；人类操作者戴上RevoHuman外骨骼数采手套，手部姿态、触觉与腕部视角就能同步转化成可训练的多模态数据。

六、触觉手套与"一次采集、多机复用"

帕西尼的PXCap Pro数据采集手套，一个人戴上就能同时操控多台异构灵巧手，动作被实时重映射并同步执行，实现"一次采集、多机复用"。大晓机器人的ACE系列构建了从采集、标注到跨本体应用的完整链路，其中ACE Sense Glove是行业首个集成三维力触与动捕信息的采集手套，力触觉灵敏度达到0.01N，关节角误差小于2°。公司董事长、商汤科技联合创始人王晓刚在采访中提出一个更长期的判断：随着真人环境式数据持续增加、世界模型能力不断增强，行业对真机数据的依赖会逐步降低——当基础模型足够强大，完成特定动作对齐可能只需要数小时，而不是过去动辄上百小时的真机采集。这也印证了未来学家罗伊·阿玛拉那句常被引用的话："我们总是高估一项技术的短期效果，却低估它的长期影响"——具身智能的数据积累，眼下看着缓慢，但复利效应一旦启动，拐点可能来得比预期快。

七、开源数据集与生态协作

光轮智能拿出了目前公开信息中规模最大的开源数据集：10万小时的EgoSuite-Open100k，覆盖15000余类场景、15000余种任务，通过Hugging Face向学术与商业研究开放，并同步启动"5年100亿具身智能数据共建计划"，与阿尔特、五八同城、吉利、新希望、宝通等签约。奥比中光则拿出一整套"无本体"硬件矩阵——第一视角的EGO、手持操作的UMI、腕部近场的WristCam、同步中枢的Hub，覆盖真实交互的全部视角；傅利叶联合一行凌光展出的EGO数据采集头环Lume R1，走的也是同一条路线。

八、数据不够用吗？先看清"缺口"的真实成色

田丰判断：机器人规模化落地的瓶颈表面看是高质量数据稀缺，但这只是表象，真正的结构性矛盾是数据、本体统一性、商业闭环三者能否同步收敛，单独囤积数据解决不了这个问题。

数字最能说明这个"表象"。据IDC统计，2025年人形机器人出货中，商演、科研和数采场景合计占比78.4%，真正进入工厂产线作业的比例很低。截至2026年4月底，全国90个数据采集与训练中心里，64个已投入使用，至少13个部署了百台以上机器人——但对照行业公认的百万乃至千万小时级训练数据需求，可用的高质量交互数据仍存在数量级差距。

田丰进一步解读：这个缺口的真正成因，是数据采集正在为一个尚未被商业验证的市场"预支"资产，采集速度本身并不慢。经济学里最基础的一条常识是，资产的价值取决于未来现金流的贴现，而不是账面存量——一旦下游场景的商业验证不及预期，眼下这批看似庞大的数据存量，价值会大幅缩水。

九、70亿参数不到位，数据也白搭

大语言模型这些年信奉的经验规律是：参数越多、数据越多，能力越强，即所谓Scaling Law。国内不少数采场的建设逻辑，正是把这条规律直接平移到了机器人身上——"先囤数据、后调模型"。但田丰指出，这条规律在具身智能领域，多了一道此前没人验证过的门槛。

2025年11月，由Andy Zeng、Pete Florence团队创立的Generalist AI发布GEN-0模型，做了一组机器人领域的对照实验：用27万小时真实操作轨迹训练不同参数规模的模型后发现，10亿参数的模型难以吸收复杂多样的感觉运动数据，60亿参数的模型开始明显受益于预训练规模，而真正的相变发生在70亿参数——团队论文里用了一个很形象的词，"model ossification"，模型僵化。参数规模不够，即便喂入再多数据，模型也无法继续进步，只有跨过70亿这道门槛，模型才能充分内化大规模机器人数据，完成有效的多任务迁移。这是学界首次在机器人领域观察到这个现象。

十、本体碎片化的孤岛困境

比"数据够不够"更重要的问题，是本体构型的碎片化。田丰观察到，国内人形机器人本体尚未收敛到少数主流构型，各厂商在关节自由度、末端执行器、传感器配置上差异巨大，同一个动作在不同本体上采集的数据难以互相复用，名义上的数据总量被本体多样性稀释成大量"孤岛数据"。这里有一个值得玩味的对照：语言模型的Scaling Law之所以成立，前提是"token"作为数据单元在不同架构间高度通用；而机器人领域至今没有出现这样一个放之四海皆准的数据单元。数据结构没有标准化之前，采得越多，浪费也越多——这不是勤奋能解决的问题，是规则没定的问题。

十一、6种范式，"大脑—小脑"分工

田丰把当前的数据采集技术路线归纳为6种并行的范式：

1. 遥操作（穿戴设备采集人类操作）

2. 动作捕捉（光学或惯性精确追踪）

3. 仿真合成数据

4. 无本体采集（以UMI为代表的轻量化手持设备）

5. 互联网视频升维

6. 真实产线场景采集

这六条路线更像是同一支球队里分工不同的球员，各自守住一块阵地。

无本体方案是眼下增长最快的一条路线，厂商披露的数据普遍在"采集效率提升数倍、成本降至真机采集的五分之一左右"这个区间，具体数字因厂商而异，尚无第三方统一审计，但方向上的成本优势是业内共识。田丰给出了深入剖析：这个成本优势是靠牺牲本体动力学信息——关节力矩、末端接触力、惯性反馈——换来的，采到的是运动学层面的数据，不是动力学层面的数据。精细操作比如装配、柔性物体处理，仍然要靠真机闭环的力反馈数据来微调，两者是分层关系，不是替代关系。

十二、大脑管推理，小脑管肌肉记忆

这个分层，恰好对应了具身智能"大脑—小脑"的架构分工，也呼应了本文开篇提到的那套认知框架：越靠近底层的电机控制策略，越需要本体特异性数据，好比小脑管的肌肉记忆，容不得半点通用化；越靠近高层的语义理解和任务分解，越能共享跨本体、无本体的通用数据，好比大脑管的审慎推理，反而适配更广泛的输入。把无本体数据直接接入末端执行控制层，会在"UMI-to-real"的迁移中放大误差，这是眼下不少团队踩过的坑。

无本体路线还有一个容易被忽视的天花板：规模化瓶颈不在硬件成本，而在人类动作库的代表性。如果采集样本主要来自采集人员自身的操作习惯，而不是产线工人、家政从业者这些目标场景的真实操作者，模型学到的只是采集团队的动作分布，不是目标场景的真实分布。这是数据代表性的系统性偏差，采集小时数堆得再多也无法消除，只能靠重新设计采集人群结构和场景覆盖策略来解决。

十三、数采场：标准先行的试验场

各地一窝蜂建“数采场”，目的是什么？2026年8月数字中国建设峰会披露的数字，全国已建成启用超70家具身智能训练场，在建或规划中的另有40余家——中心化的具身智能基础设施正在批量落地。这些场地眼下最大的价值，是给跨厂商的数据格式、标注标准、评测协议提供了一个实践试验场，物理产能只是这个过程的副产品：工信部主导的人形机器人与具身智能标准化技术委员会（TC8）旗下的数据标准工作组WG7，目前的时间表是2026年中建立标准体系、2027年初出台正式标准，而配套的《YD/T 6770—2026 具身智能基准测试方法》已于2026年6月1日实施。测试评价标准先落地，数据质量与流通标准还在路上。

十四、谁在为明天的具身智能买单？

数采场也在悄悄改写产业链的现金流分布。据《数据猿》报道，优必选2025年第四季度三个月内签下至少6笔数据采集中心相关订单，合计约8.29亿元，占其2025全年签约额的59%以上。数据采集场是具身智能产业链上第一个出现稳定现金流的环节，其分量不亚于本体制造本身——数采场把商业化冷启动的成本，从单个厂商身上，转移给了地方政府和产业基金。

但田丰也点出了风险：不少地方采用国企出资建场、批量采购机器人、再从机器人公司回购数据的模式，本质是一种“账面闭环”——政府投资转化成了采购额和数据交易额的统计数字，却较少验证真实产线的终端商业需求。这套模式短期内做大了数据吞吐量，却让训练场的任务设计趋向同质化，集中在抓取、分拣这类标准动作上；一旦地方财政或产业基金力度退坡，数据供给会同步收缩。这是当前数采场建设最大的结构性风险——用采集的速度，掩盖了商业验证的滞后。

十五、尾声

安迪·格鲁夫有句话流传很广："只有偏执狂才能生存"，说的是对危机保持警觉的能力。放在具身智能赛道上，真正的偏执，是时刻追问一句：这些数据，真的会被明天的商业场景兑现吗——拼命囤数据、拼命扩产能，从来只是手段，不是答案——我们不能把指向月亮的手指当成“月亮”。回到那杯由XMAN-R1萃取的咖啡——它好不好喝，最终不取决于机器人采过多少小时的数据，而取决于有没有人愿意天天来买AI咖啡，这才是具身智能真正的商业护城河。

参考文章：《从造“身体”到采“数据”，机器人赛道换挡| 2026WRC观察》，财联社科创板日报记者 黄心怡

畅销书：《AI商业进化论：“人工智能+”赋能新质生产力发展》

出版社：人民邮电出版社

作者：田丰

帮助你定位AI当下发展坐标的指南针

帮助你洞察AI未来演进趋势的航海图

通俗化解读AI的原理、特性和四大发展规律、提供AI赋能商业、引发新质生产力变革的一手案例分析。既有宏观视角的全局观照，又有各行业应用层面的下探记录，聚焦AI的原理与实践、现在与未来，是当下AI应用的全景图、更是身处AI技术浪潮之中的探路书。