具身模型为何会成为产业发展焦点，数据采集又有多重要？

具身智能的数据困境与真实数据的价值

数据匮乏的挑战

具身智能的发展正遭遇大规模训练数据匮乏的难题。大型语言模型因互联网海量知识沉淀而成功，自动驾驶能在实际运营场景大规模采集数据。具身模型训练缺乏大量可直接利用的有效数据资产，其数据采集依赖受控的实验室环境，这严重制约了具身智能的进一步发展。

真实数据的关键作用

业界将具身模型训练的数据类别定义为“数据金字塔”，尽管合成数据和互联网数据的规模化潜力受重视，但金字塔顶层的真实数据不可或缺。真实数据具有物理真实属性及独特的标注内涵，其重要价值使其成为解决具身数据挑战的关键所在。

数采工厂带来的商业机遇与发展前景

数采工厂的建设情况

2025年以来，各地积极投建数据采集工厂，智元等企业占据主要位置，地方性政府与整机厂合资成立数采工厂的案例不断增多。合作模式多样，政府招标采购机器人本体并提供场地支持，企业投标供给数采本体并提供技术支持。

数采工厂的商业潜力

对于具备百台级别的数采工厂，年产有效数据规模可达数万小时，有千万元级别数据销售收入的潜能。大模型企业是具身数据的主要需求方，部分企业已上架数据产品。国内数采人员用工成本低于北美，虽数据销售难快速回本，但数采工厂有望成为整机厂的潜在经销网络等。预计2025年国内产出70+万小时真实数据，2028年累计数采用本体数量接近8000台。

具身智能行业的竞争要点与规范发展

行业现存的数据孤岛问题

具身智能行业存在明显的数据孤岛问题。一方面，数据集标准不统一，导致不同数据难以融合；另一方面，技术路线差异使数据割裂，产业生态的封闭性也阻碍了数据的流通与共享，这些问题制约了行业的整体发展。

行业规范与标准的推进

部分整机厂以开放互通的生态为突破，取得先发优势。国家地方共建人形机器人创新中心携手整机厂成立具身智能数据联盟，国内首个人形机器人数据集标准发布，一些企业获得相关认证。专业数据语料公司的出现也为降低行业数据获取成本提供了可能。

具身智能产业的风险与投资策略

产业面临的风险因素

具身智能产业面临诸多风险，机器人技术进步速度可能低于预期，限制产品性能提升；应用场景发展潜力若不及预期，会影响市场规模；技术路线变动、政策实施力度不足、行业竞争加剧等风险也会对产业发展产生冲击，还有法律法规及国际地缘政治风险。

投资策略的建议

具身智能产业发展迅速，训练数据是商业化关键。建议重视掌握数据话语权的标的，尤其是在数据、模型及本体三要素有成功布局的企业。数据语料公司商业化变现快，也值得关注。还可关注整机厂、数据赋能、动捕设备、资本布局者、算力及云计算等相关领域。

相关问答

具身智能发展面临怎样的数据困境？

具身智能发展面临大规模训练数据匮乏问题，缺乏大量可直接利用的有效数据资产，且数据采集依赖受控实验室环境。

数采工厂的合作模式是怎样的？

通常是政府招标采购机器人本体并提供后续场地支持，企业投标供给数采本体，并提供持续性技术支持。

具身智能行业存在哪些数据孤岛问题？

存在数据集标准不统一、技术路线差异导致数据割裂、产业生态封闭性等问题，阻碍数据流通与共享。

具身智能产业面临哪些风险？

面临机器人技术进步慢、应用场景发展不及预期、技术路线变动、政策力度不足、竞争加剧、法律法规及地缘政治等风险。

具身智能产业的投资策略有哪些建议？

重视掌握数据话语权的标的，关注在数据、模型及本体有布局的企业，以及数据语料公司，还有整机厂等相关领域。

真实数据在具身模型训练中有何重要性？

真实数据处于“数据金字塔”顶层，具有物理真实属性和标注内涵，对解决具身数据挑战至关重要。