2026年中国具身智能数据采集产业发展蓝皮书 具身智能数据采集的产业图谱、商业闭环与投资逻辑

(2026年)工232026年，"具身智能"第二次被写入了政府工作报告，与量子科技、生物制形机器人从实验室走向产线——智元机器人用15个月实现从千台到万台的量产态信息。中国信息通信研究院《具身智能发展报告(2025年)》指出，行业普遍数据，而目前实际可用的数据量不足需求的5至2026年4月，全国规划或建成的具身智能数据采集训练场已超过64座，覆盖至少27个城市。智元在上海浦东建起4000平方米专属工厂，京东宣布将建成"全球规模最大、场景最全的具身智能数据采集中心"并计划两年内积累1000万小时真实场景视频数据，帕西尼感知科技在天津落地1.2万平方米超级数据工厂、预计年产出超2亿条数据。数据采集训练场，正被业界称为具身智能行业的"新四个核心问题：第一，具身智能数据采集产业的规模有多大、格局如何?第二，数据怎么采、成本如何、技术路径走向何方?第三，政策红利如何释放、标准化4的"配套环节",而是决定产业节奏的"卡脖子工程",其战略地位类似于芯片之于5O第一章导论：具身智能与数据新基建 71.1具身智能产业的爆发与"数据拐点" 71.2数据：具身智能的"第五要素"与核心瓶颈 81.3蓝皮书的研究范围、方法论与读者对象 9第二章全球具身智能数据采集产业发展全景 2.1全球产业格局：中美双雄与多元力量 2.2市场规模与增长预测 2.3投融资热度与资本动向 2.4数据采集训练场建设热潮 第三章具身智能数据采集技术路径 3.1数据金字塔结构 3.2遥操作采集 3.3动作捕捉采集 3.4互联网视频与合成数据 213.5跨本体迁移与数据通用化：贯穿金字塔的横向技术 22第四章数据采集基础设施："数据工厂"为何成为新基建 4.1数据采集训练场的定位与功能 4.2建设热潮与区域分布 244.3成本结构拆解 254.4产能规划与数据产出 4.5社会化采集与众包模式 4.6数据从采集到应用的全流程 第五章数据处理与数据集生态 5.1数据处理工具链 295.2主流开源数据集分析 5.3数据质量评估体系 315.4合成数据与仿真平台 315.5数据标注与人才体系 第六章政策法规与标准体系 6.1国家顶层设计 346.2标准化进程 346.3数据要素市场化政策 6.4数据安全与隐私保护 6.5实景实训专项行动 376.6地方政策与区域竞争 第七章产业链与竞争格局 7.1产业链全景图 397.2上游：采集设备与核心部件 7.3中游：数据采集服务商格局 7.4下游：机器人本体与应用场景 67.5竞争格局演化趋势 427.6核心玩家图谱 43第八章商业模式与数据资产化 8.1数据即服务(DaaS)模式 8.2数据交易与定价机制 458.3数据资产入表实践 468.4"人形机器人即服务"模式 468.5数据飞轮的商业闭环 478.6投资价值分析 47第九章挑战、风险与应对 499.1数据孤岛与标准化困境 9.2高成本与规模化困境 499.3数据安全与伦理风险 509.4技术路线不确定性 509.5商业化闭环未形成 519.6国际竞争与地缘风险 52第十章趋势展望与战略建议 10.12026—2030年发展路径预测 5310.2关键趋势研判 10.3中国vs全球竞争态势 5410.4对企业：战略选择建议 5510.5对投资机构：投资机会图谱 5510.6对政策制定者：政策建议 10.7结语：数据定义具身智能的未来 附录A:全国具身智能数据采集训练场名录(部分) 58附录B:全球主要开源数据集汇总 59附录C:政策法规与标准清单 60附录D:核心企业图谱 60附录E:术语表 61附录F:研究方法与数据来源说明 627第一章导论：具身智能与数据新基建1.1具身智能产业的爆发与"数据拐点"2025年至2026年，具身智能产业经历了前所未有的爆发式增长。具身智能纳入未来产业重点布局，推动其成为新的经济增长点。2025年和2026年政府工作报告连续两年提及具身智能，2026年报告更提出"培育发展未来能源、在十四届全国人大四次会议首场"部长通道"上表示，2026年将大力推动人工智全球人形机器人出货量约为1.8万台，同比增长约508%。高工机器人产业研究所数据显示，2026年国内人形机器人出货量有望攀升至6.25万台。智元机器人在2026年3月28日宣布第10000台通用具身机器人"远征A3"正式下线，在短短15个月内实现量产规模从千台到万台的十倍级跨越，刷新全球人形机器人量智能发展报告(2025年)》指出，2025年我国具身智能和机器人领域融资总额达735亿元人民币，投资事件共744起。围绕具身智能数据的独立赛道也在形成——2026年2月，智元孵化的具身智能数据平台觅蜂科技宣布完成数亿元种子轮与天使轮融资，由红杉中国领投；3月，光轮智能宣布完成10亿元A++,以及8"的线性模式，而具身智能需要在物理交互中完成自主进化的闭环：机器人被部用等环节仍面临突出问题。国际先进技术应用推进中心(深圳)2026年3月发动数据量不足需求的5%。乐聚合伙人王松在2026第三届中国人形机器人生态大会上披露了一组令人警醒的数据："2025年上半年，我们把当时市面上所有开源数据集全部下载统计后发现，行业开源真机数据总量不足1000小时，且多源自实验室项目，存在更但"大脑"的智能化水平受制于数据供给，成为制约机器人从"表演炫技"走向"真1.2数据：具身智能的"第五要素"与核心瓶颈许晋诚形象地比喻道："要让机器人的'大脑'更加聪明，就需要大量经验值，而9第二，数据采集成本远高于传统AI数据。以采集环节为例，真实数据采集的单小时成本可能突破500元，一套采集设备造价超过20万元，机器人本体单台造价动辄60万至70万元。第三，数据供给呈现严重的"孤岛化"特征。北京智源人工智能研究院院长王仲远指出："企业往往各自独立处理本体和数据，但由于数据格式不统一，以工作，并各自研发模型，造成严重的资源浪费。"国家地方共建人形机器人创新万条具身智能数据，预计全国数据量将近3000万条，但各训练场数据尚未实现1.3蓝皮书的研究范围、方法论与读至2030年。研究方法。本蓝皮书综合采用三种研究方法：一是一手调研，包括对具身术应用推进中心等权威机构发布的研究报告，以及企业公开披露的融资、产读者对象。本蓝皮书主要面向三类读者：一是投资机构，为其提供产业研第二章全球具身智能数据采集产业发展全景2.1全球产业格局：中美双雄与多元力量美国：技术驱动路径。美国在具身智能领域采取的"的路径。2025年1月，美国启动"星际之门"(Stargate)计划，拟在4年内投入5000亿美元建设数据中心集群与半导体基础设施，支撑具身智能高算力需同年7月，发布《赢得竞争：美国人工智能行动计划》,以监管松绑为具身智能时刻"即将到来；特斯拉将研发具备自主性的人形机器人列为优先事项，2026年2月马斯克宣布第三代Optimus即将与公众见面，同时特斯拉已开始使用视频学合斯坦福大学等21家机构创建的OpenX-Embodiment数据集，是迄今为止最大的开源真实机器人数据集，包含超过100万条机器人演示轨迹，涵盖22种机器中国：场景驱动与制造优势。中国走的是"场景驱动+制造优势+手"的路径。目前我国人形机器人企业已有150多家，长三角、粤港澳大湾区、场景纵深、丰富的AI人才资源，我国已经处于全球第一梯队。中国把数据采集变成了一门"制造业"——截至2026年4月初，全国规划或建成的具身数采中心、创新中心与训练场已达64座、覆盖至少27个城市，这种大规模、集中式的数据值得关注的是，2026年中美双方都在向"混合策略"收敛。中国行业加向"强化中层仿真+夯实底层人类数据",以降低对昂贵真机数据的绝对依赖；美人形机器人出货量。IDC数据显示，2025年全球人形机器人出货量约为1.8万台，同比增长约508%;高工机器人产业研究所数据显示，2026年国内人形机器人出货量有望攀升至6.25万台。这意味着人形机器人正在从"实验室里的样品"变成"生产线上的产品",真正迈入规模化应用的新阶段。工业渗透率先突破。中国信通院发布的《具身智能发展报告(2025年)》显机器人最先实现规模化应用的主战场，工业渗透率有望突破15%,成为增长最快单座训练场投资数千万至数亿元计，64座训练场的总投入已达百亿级；二是数场扩张快速增长；三是数据服务市场，光轮智能单轮融资即达10亿元，觅蜂科技种子+天使轮即达数亿元，反映出资本市场对数据赛道的高估值认可。综合估算，中国具身智能数据采集相关市场规模(含基础设施、设备、服务)2026年有2025年至2026年，具身智能领域投融资持续火热，但呈现"一级火热、二一级市场：融资规模与事件双高。《具身智能发展报告(2025年)》数据显示，2025年我国具身智能和机器人领域融资总额达735.43亿元人民币，投资2026年2月，智元孵化的具身智能数据平台觅蜂科技宣布完成数亿元种子轮与顶级资本跟投。3月，光轮智能宣布完成10亿元A++及A+++轮融资，成为全球二级市场：预期尚未兑现。与一级市场的火热形成对比，二级市场对机器器人本体和小脑已经趋于成熟，行业更期待在机器人大脑等层面的突破性进资本动向的特征。一是纵向整合趋势明显，本体厂商向数据延伸(智元孵化觅蜂科技);二是横向扩张，数据服务商跨场景、跨本体布局；三是互联网巨计划发动内部超过10万名员工和外部最多50万名各行业人士参与数据采集，这◎2.4数据采集训练场建设热潮数据采集训练场的建设热潮，是2025—2026年中国具身智能产业最引人注建设规模与分布。截至2026年4月初，全国规划或建成的具身数采中心、创新中心与训练场已达64座，覆盖至少27个城市。从区域分布看，已形成几大据采集中心、长三角一体化示范区智能机器人训练中心(苏州吴江)、天津帕西建设主体与模式。数据采集训练场的建设呈现政府、产业、研究机构多方产能规划对比。各训练场的产能规划体现了产业对数据需求的巨大预期。京东机器人数据采集中心计划在一年内积累500万小时真实场景视频数据，两年内突破1000万小时，同时采集机器人本体数据100万小时；天津帕西尼具身智能超级数据工厂预计一年将可产出超2亿条高质量训练数据，后续四座新建工厂的规模和标准还将升级；乐聚(济南)人形机器人数据训练中心的年度有效数据采集时长近7万小时；上海浦东智元数据采集中心同时部署100多台机器人，日均产出数万条数据；北京人形机器人具身智能数据训练基地部署120台不同品牌场景设置。各家训练场几乎"标配"了多个真实场景，覆盖汽车制造、3C装第三章具身智能数据采集技术路径数据金字塔结构图3)塔尖真机演示、真实接触数据、任务纠错、失败样本结构化一些网图、文本、普通视频、人类第一视角教的是：这世界大微长什么样，任务大概怎么做对齐度→但和「这台机器人」关系最松",教的是"这世界大概长什么样、任务大概怎么做",提供基础"见识"。两个核心维度的反向关系。从底座到塔尖，稀缺性/成本单调递增(向上更稀缺、更昂贵),对齐度(与目标机器人的匹配程度)也单调递增；而数据量则单调递减。这构成了产业资源配置的核心矛盾——最便宜的底座数据不能解决"落地",最贵的塔尖数据规模有限；中段数据则成为规模化与对齐度之间最重要V采集训练场的采集核心，正是中段(动捕/代理设备/仿真)与塔尖(真机演示/真实接触)两类高对齐度数据。遥操作(Teleoperation)采集对应金字塔的塔尖层——真机演示与真实接触数据。其核心特征是"用与实际应用完全相同的机器人进行数据收集",从而把的人机协同控制方式，同时也是可靠的高质量交互数据来源——它正是"真机决细分路线与代表企业。国内企业在遥操作领域有多元布局，涉及视觉类、·松灵机器人推出PIKA轻量化小尺寸手持夹爪，重量仅550g,位姿精度最·因时机器人推出的外骨骼力控手套集成了5个直线伺服驱动器，支持14优势与短板。遥操作方案的优势正是塔尖数据的优势：对齐度最高——数采集设备叠加人力成本，单小时数据采集成本可能突破500元，一套设备超过20万元，机器人本体单台造价动辄60万至70万元。此外，遥操作对操作员门槛极/代理设备/仿真)与跨本体迁移技术来分摊对齐成本、放大单点采集的复用价值。代理设备演示等结构化数据。其定位介于塔尖(遥操作真机数据)与底座(互联网视频)之间：相比底座，它具备物理结构与任务对齐性；相比塔尖，它成本更数据都可以被归纳为动作捕捉类型——它正是连接"通用见识"与"具身执行"的20代表企业与案例。诺亦腾机器人在全球专业惯性动作捕捉市场中占据约70%等企业产出用于机器人算法训练的可用数据集。帕西尼感知在天津落地的1.2万平方米具身智能超级数据工厂，内部部署了150个标准化采集单元，每天最多可采集55万条数据，预计每年生产近2亿条融合触觉、视青瞳视觉是国产光学动作捕捉赛道龙头企业，由张海威2015年创立，核心长期垄断。其自研K(鲲鹏)系列工业级光学动捕相机最高分辨率5120×5120、力觉、视觉环境多维度时序数据。张海威在IROS2025系统论证光学动捕作为具身智能数据新基建的产业价值，提出“伴随式多模态采集”方案并推出MotionDecode数据开放计划，2026年面向全球开源首期1000小时人体多模态动作数据集。设备已批量落地宇树科技、智元机器人、人形机器人(上海)等头部优势与短板。动捕采集的核心优势在于“高精度、多模态、跨本体可迁移”惯性动捕达亚毫米级(诺亦腾),远高于普通视觉采集，能高保真捕捉人手精细集”,通过光惯融合触觉手套(如青瞳PulseHand)等设备同步采集全身运动、作迁移学习。同时，惯性动捕(便携、抗磁干扰、易普及)与光学动捕(超高精度、大空间覆盖)路线互补，共同完善国内供给体系。——全模态采集系统(高分辨率相机阵列+触觉手套+配套软件)投入较高且对场本节涉及金字塔的两层：互联网视频对应底座(最海量、最便宜、对齐度最低，教"见识"),仿真合成对应中段补充(具备物理结构与任务对齐性，是连接底座与塔尖的折中地带)。二者共同构成金字塔底部与中段的数据供给主力，也底座：互联网视频学习路径。使用视频数据学习是机器人学习的重要方段观看了3800万个互联网视频片段，实现视频生成和预测，微调阶段使用了4成本降至行业平均水平的千分之五，成本相较于遥操作降低200倍。这一路径的22中段补充：合成数据与仿真路径。在真实的数据采集之外，合成数据是破数据基础设施结合，以"真实数据+生成式视频数据"融合，预计年内可生成数万据集，含350TB三维空间数据，为全球首个适用于智能体自由运动的大规模3D较遥操作降低200倍量级；但代价是对齐度低——目前从视频和合成数据中提取3.5跨本体迁移与数据通用化跨本体迁移技术，是贯穿金字塔三层的横向能力——其战略价值不在于"多采一类数据",而在于"让已有数据跨越金字塔层级与本体的壁垒被复用",从而"中段数据难以向上对齐到塔尖本体"的鸿沟——跨本体迁移技术正是填平这道跨具身学习的验证。GoogleDeepMind牵头的OpenX-Embodiment项目提供了跨具身学习的有力证据。该项目整合了22种不同类型的机器人数据，研究在新兴技能评估方面，RT-2-X的性能比RT-2高出三倍。加州大学伯克利分校副教授SergeyLevine指出："平均而言，跨具身模型在这些实验室中的表现比各自单独研发的模型要好约50%。"统一动作空间探索。清华大学AI研究院TSAIL团队的RDT-1B开创性地提出了一种针对双臂操作的扩散基础模型，引入了物理上可解释的统一动作空间，扩展到1.2B参数，这是最大的基于扩散的机器人操作基础模型。24第四章数据采集基础设施："数据工厂"为何成为新基建是一个培训实习的"工厂",即机器人在各行业正式"上岗"前，从这里学习、练习进入2026年以来，具身智能数据采集训练场的热度丝毫不减，呈现持续扩区域集群格局。从全国布局看，已形成几大特色鲜明的区域集群：·京津冀集群：北京石景山人形机器人数据训练中心(2026年3月28日启动具身智能实训场三期项目)、北京人形机器人创新中心主导的具身智能数据训练基地(部署120台不同品牌机器人，拥有近600万条数据)、天津帕西尼具身智能超级数据工厂(1.2万平方米，150个标准化采集单元)。100多台机器人)、长三角一体化示范区智能机器人训练中心(苏州吴江)、场(已部署近100台机器人)、乐聚(济南)人形机器人数据训练中心 (2026年3月25日正式上线，年度有效数据采集时长近7万小时)、智元机器人与成都郫都区共建的智元西南具身智能产业基地(2026年3月下旬开启生产线试装配)、四川绵阳等。建设模式。数据采集训练场的建设涉及政府招商引资、企业合作、研究机4.3成本结构拆解案尤其突出，机器人本体单台造价动辄60万至70万元。一个部署100台机器人的训练场，仅本体投入就达6000万至7000万元。二是人力与运营成本。高质量的数据采集需要庞大且具备产业经验的专业三是场地与基建投入。大型标准化采集需要1万平方米以上的物理空间。以天津帕西尼具身智能超级数据工厂为例，其空间达到1.2万平方米，后续四座新建工厂的规模和标准还将升级。从15家已上线运营或尚在建设中的训练场数据来看，占地面积往往在3000至5000平方米之间，头部训练场则超过1万平方企业/训练场规模年度产能目标京东机器人数据采集中心全球规模最大、场景最全两年1000万小时视频+100万小时本体数据帕西尼(天津)超级数据工厂1.2万m²,150个采集单元年产超2亿条多模态数据智元(上海浦东)数据采集中心4000m²,100+台机器人日均数万条数据北京人形机器人创新中心120台不同品牌机近600万条数据乐聚(济南)数据训练一年度有效采集时长近7万小时京东的入局尤为引人注目。其不仅计划建成"全球规模最大、场景最全的具身智能数据采集中心",更将发动内部超过10万名员工和外部最多50万名各行274.5社会化采集与众包模式社会化采集模式的经济意义在于：它将数据采集从"重资产集中式"拓展为"轻资产分布式",有望大幅降低单条数据的采集成本，并显著提升数据的场景多第二步：高价值精炼。原始采集数据进入自动化工具链，由系统进行数据清洗、时序对齐、格式标准化等处理流程，形成高可用数据。这一步骤是将"原材料"转化为"半成品"的关键环节，工具链的自动化程度直接决定了数据处理的28尼为例，其最终产出的Omni-sharingDB高质量数据集，将作为通用数据集供给第五章数据处理与数据集生态5.1数据处理工具链格式标准化。这是当前行业最突出的痛点。不同企业、不同训练场采用的提供了一种参考标准，但行业层面尚未形成统一共识。联通数科提出的"智能物模型"方案，试图为多厂家、多型号的同类智能设备建立统一模型，基于该模型自动化标注与人在环标注结合。具身智能数据的标注比传统AI更复杂一一不仅要标注"做了什么",还要标注"怎么做的"(动作序列、力的大小、时序逻辑等)。自动化标注工具可以处理大部分结构化信息，但高质量数据仍需要人在5.2主流开源数据集分析开源数据集是行业"公共品",对推动具身智能技术进步具有重要意义。以下发布方演示次数场景数技能数DeepMind等21家机构140万种技能遥操作(22种机器人)鹏城实验室等种345种遥操作(多种机器人)斯坦福大学等种86种遥操作(Franka)2种700+物品遥操作UCBerkeley等6万24种13种遥操作+脚本化国地中心等种36种遥操作资料来源：网络收集整理OpenX-Embodiment是迄今为止最大的开源真实机器人数据集，由GoogleDeepMind与来自21家国际知名机构的34个研究实验室合作创建，整合了60个现有的机器人数据集。它涵盖22种不同类型的机器人，从单臂机器人到双臂机器人和四足机器人，包括超过100万条机器人演示轨迹。研究人员使用混合机器人数据训练的RT-1-X模型，在小数据领域比在单个数据集上训练的模型高出50%;RT-2-X在新兴技能评估方面比RT-2高出三倍。这一项目验证了跨具身学习的有行业开源数据现状。尽管开源数据集在不断增长，但乐聚机器人的统计揭示了一个严峻现实：2025年上半年，行业开源真机数据总量不足1000小时，且作为预训练的"种子",真正的后训练阶段仍需要海量高质量的真实数据持续迭代。31数据"越多越好"并不是一条已被证明的定律。在机器人领域，数据的ScalingLaw缺乏与大语言模型同等清晰的定义——"数据是否越多越好",本身个环境/物体的演示量超过某个阈值，再增加演示，收效甚微。这一发现对数据人类数据的增益。GeorgiaTech与斯坦福的EgoMimic研究(CoRL2024)34%—228%;而且"2小时机器人数据+1小时人类手部数据"的组合，明显优于"3评估维度。综合学术研究与产业实践，具身智能数据质量可从三个维度评估：一是多样性维度(场景、物体、任务、本体的覆盖度),二是精度维度(动作精度、时序精度、模态完整性),三是可用性维度(跨本体迁移成功率、任务成功率提升幅度)。当前行业缺乏统一的数据质量评估标准，这也是标委会亟待仿真引擎。NVIDIAIsaacSim是全球领先的机器人仿生概括为"三大核心角色":首先是"训练场",通过高精度虚拟映射空间提供海量仿真训练环境；其次是"试验田",在虚拟空间中预演生产流程、故障场景，验证杭州已接入具身智能领域70个高质量数据集，并通过城市可信数据空间打造高质量数据集"一本账",吸引483家数据企业入驻，发布数据产品883个、高质量数据集106个。真实+合成融合。智象未来与诺亦腾机器人的合作代表了"真实数据+生成式视频数据"融合的新路径，预计年内可生成数万小时以本质区别——它不仅需要识别"是什么",更需要理解"怎么做",对标注员的产业专业标注员培养。数据采集员需要理解产业场景、掌握设备操作、进行人集员稀缺的挑战，人力成本居高不下。这也是为什么遥操作单小时成本突破500产学研人才培养。各地正在加强具身智能人才培养。杭州市将具身智能领享受相应人才政策。工信部、国资委2026年度人形机器人与具身智能实景实训专项行动明确提出，要"培养既掌握核心技术、又精通行业场景应用的多元复合第六章政策法规与标准体系具身智能产业的发展，离不开国家层面的战略引领与政策支持。2025年至2026年，中国围绕具身智能出台了一系列顶层设计文件，形成了从战略定位到战略定位。党的二十届四中全会审议通过的"十五五"规划建议，明确将具身智能纳入未来产业重点布局，推动其成为新的经济增长点。2025年和2026年政府工作报告连续两年提及具身智能，2026年报告提出"培育发展未来能源、量智能商业化规模化应用，培育智能原生新业态新模式"。这一顶层设计如同发令"双向奔赴"。工业和信息化部、国资委启动2026年度人形机器人与具身智能实造作业技能包，形成可落地、可复制的整机解决方案。专项行动明确提出要"构国家大基金出手。国家大基金首次出手押注具身智能领域，为产业发展提6.2标准化进程标准化是产业从"实验室"走向"规模化"的必经之路。2025年底至2026年，标准化技术委员会成立。2025年12月26日，工信部成立人形机器人与具身智能标准化技术委员会(以下简称"标委会"),旨在系统性推进人形机器人与首份行业标准实施。工信部批准发布的《YD/T6770—2026人工智能关键基础技术具身智能基准测试方法》成为具身智能领域首份行业标准，于2026年6月1日正式实施。该标准为具身智能领域构建了统一基准测试框架，规范了在标准体系发布。2026年2月28日，我国首个覆盖人形机器人全产业链的《人形机器人与具身智能标准体系(2026版)》正式发布。该体系共分为6大板块，从关节接口的毫米级公差到安全伦理的红线划定，制订了200余项细则。当"数据要素×"行动。国家数据局推动的"数据要素×"行动，旨在发挥数据要素的乘数效应，赋能千行百业。《数据流通安全治理方案》要求2027年建成数据要素市场化体系，这与具身智能"依赖实时数据训练数据资产入表。数据资产入表实践正在推进，这意味着企业积累的数据资企业入驻，发布数据产品883个、高质量数据集106个，链接全球开源数据集2.1万个；已接入具身智能领域70个高质量数据集。在数据安全层面，建成公共数据平台敏感数据自动化识别体系，配置166个识别规则，实现L3、L4级别三层安全挑战。全国政协委员、奇安信集团董事长齐向东指出，具身智能隐私保护技术实践。帕西尼感知科技在具身智能多模态数据采集中，严格特征脱敏算法，在数据采集源头(即对面部、耳垂等可识别性生物特征)进行脱可信数据空间。"可用不可见"是数据流通的理想模式。联通数科格物具身有严格的安全措施，确保数据在"可用"的同时"不可见",既满足具身智能的训练需求，又符合数据安全合规要求。杭州探索的工业数据"就地处理、敏感数据不核心要求。专项行动要求"加强数据治理，在保障数据安全、隐私保护、商业秘密前提下稳妥有序开放共享",并鼓励"在国家级开源社区开放"具身智能基础模型和运动控制算法。这意味着，政策层面正在推动数据从"封闭"走向"有序推广路径。对验证通过的整机解决方案，各省级地区、各央企推动在用户单位及同类场景、关联领域常态化部署，实现"验证一个、部署一批、带动一片"人形机器人即服务"模式。专项行动鼓励探索"人形机器人即服务"模式，广。全国政协委员、天娱数科董事长贺晗建议，建立国家级"人形机器人上岗清单",推行"首台(套)/首批次"风险分担机制，降低企业采购门槛。6.6地方政策与区域竞争杭州：基金+保险+人才组合拳。杭州构建"3+N"千亿产业基金群资本支持具身智能产业；出台首台(套)装备保险补偿和应用奖励政策，对本地企业获评杭州市首台(套)的装备，给予首年度实际保费90%、最高不超过500万元的补助；牵头实施《浙江省人形机器人省地协同项目实施方案(2026—2028年)》,聚焦高效高功率密度空心杯电机、超轻量大负载人形臂、多模态虚拟仿其他地区。各省份结合产业发展实际，探索促进人形机器人、具身智能产业发展和应用的地方性制度安排，探索人形机器人保险等政策。全国政协委员、第七章产业链与竞争格局7.1产业链全景图●核心零部件(关节模组、灵●核心零部件(关节模组、灵●机器人本体厂商、应用场景方(工业制造、物流仓储、商业服务、医疗康养、家庭服务等)●数据采集服务商(数据工厂运营方)●数据处理平台●数据交易中介上游：核心零部件(关节模组、灵巧手、传感器、力觉/触觉传感器)、采集设备(动捕服、数据手套、遥操作终端、VR设备)、算力与存储基础设施。下游：机器人本体厂商、应用场景方(工业制造、物流仓储、商业服务、医疗康养、家庭服务等)。已接近甚至部分超越人类水平，但市场期待的是机器人能在真实场景中真正"干活",这就要求从传统的规则驱动、人工编程转向数据驱动。7.2上游：采集设备与核心部件GPU集群PB级数据仓库动捕设备。诺亦腾机器人在全球专业惯性动作捕捉市场中占据约70%的份鹿明机器人(FastUMIPro,效率提升5倍)、灵心巧手(OpenTeleDex模块化系统)、艾欧智能(全身动作捕捉解决方案)等企业各具特色，产品向轻量化、触觉/力觉传感器。帕西尼感知、灵心巧手等企业在触觉传感器领域有深厚积累。触觉数据是具身智能区别于传统AI的关键模态，其传感器国产化对数据国产化替代进展。浙江省人形机器人省地协同项目聚焦高效高功率密度空突破，对接环境感知、延迟补偿等核心技术需求。杭州高校组建具身智能创新联合体，布局8家概念验证中心、4家中试基地，聚焦专7.3中游：数据采集服务商格局模式一·机器人厂商自建型宇树/乐聚/它石自建数据能力模式二·专业数据服务商模式三·互联网巨头入场型模式四·新型研发机构机器人厂商自建型。智元机器人孵化觅蜂科技作为独立数据平台，已完成专业数据服务商。帕西尼感知科技以"全模态实采"为特色，构建覆盖全国作采集服务，同步开源千小时级高精度动捕数据集赋能行业；光轮智能完成10互联网巨头入场型。京东宣布将建成"全球规模最大、场景最全的具身智能数据采集中心",发动数十万人参与采集；字节跳动推出GR-2机器人大模型，预训练阶段观看3800万互联网视频片段。互联网巨头的入场，可能以平台思维重新型研发机构。国家地方共建人形机器人创新中心拥有近600万条数据，部署120台不同品牌机器人，兼具公共服务与产业引领功能。北京人形机器人创商业模式分化。中游服务商的商业模式可分为三类：自用型(数据服务于自有产品)、外卖型(数据作为商品出售)、平台型(提供数据采集、处理、交易的综合服务)。短期内，纯外卖型难以独立盈利，需绑定本体厂商或场景方形下游机器人本体厂商与应用场景方，是数据采产能突破数据需求差异化本体厂商"双龙头"。IDC数据显示，2025年全球人形机器人出货量排名前人15个月内实现量产规模从千台到万台的十倍级跨越，乐聚机器人和东方精工一万台，每30分钟下线一台人形机器人。应用场景优先级。中国信通院报告显示，2026年工厂与物流流水线是机器人最先实现规模化应用的主战场，工业渗透率有望突破15%,成为增长最快的应数据需求差异化。不同应用场景对数据的需求存在显著差异：工业场景需7.5竞争格局演化趋势纵向整合。本体厂商向数据延伸(智元孵化觅蜂),数据服务商向应用场横向扩张。数据服务商跨场景、跨本体布局，帕西尼构建覆盖全国的分布跨本体动作数据采集。平台化。联通数科格物平台以"智能物模型"为核心，为多厂家、多型号的生态联盟。创新应用联合体、产学研合作等生态联盟形式增多。工信部、7.6核心玩家图谱数据采集设备商(上游):青瞳视觉(光学动捕)、诺亦腾机器人(惯性动灵巧智能(DexCap)、灵心巧手(OpenTeleDex)、因时机器人(力控手套)、艾欧智能(全身动捕)。数据服务商(中游):觅蜂科技/智元(自建+外卖)、帕西尼(全模态实采)、光轮智能(合成数据独角兽)、青瞳视觉(光学动捕多模态数采+开源数据集)、穹彻智能(社会化采集)、京东(平台型)、北京人形机器人创新中心(公共服机器人本体厂商(下游):宇树科技、智元机器人、乐聚机器人、它石智航、◎第八章商业模式与数据资产化数据即服务(DataasaService,DaaS)是具身智能数据采集产业的核心定制化数据采集服务。数据服务商根据客户(通常是机器人厂商或应用场景方)的具体需求，定制场景、任务、本体，进行数据采集并交付。计费方式通标准化数据集销售。将采集的高质量数据进行清洗、标注、打包，形成标是边际成本低(一次采集多次销售),劣势是标准化数据集难以满足客户的个性数据订阅制。客户按年付费，持续获取更新的数据集。这种模式适合需要定制化数据交易的合理性。江磊指出："各训练场的开源数据通常只是其中发展的重要环节，若完全免费开源，反而不利于行业长远发展。"这意味着，健定价维度。具身智能数据的定价可参考以下维度：模态丰富度(视觉+触觉+力觉等全模态数据价值更高)、精度(亚毫米级精度数据价值更高)、场景稀缺性(罕见场景数据溢价)、跨本体可用性(可跨本体使用的数据价值更高)、时效性(最新数据价值更高)。数据确权难题。数据确权是数据交易的前提，但当认为数据包含场景知识产权。这一权属划分需要法律与标准层面的进一步明确。8.3数据资产入表实践政策推动。国家数据局推动数据资产入表，意味着企业积累的数据资产可其财务表现，将原本作为"费用"支出的数据采集成本转化为"资产",增强资本市评估方法。数据资产评估需要综合考虑数据的质量、规模、稀缺性、应用入表影响。数据资产入表将根本性改变数据采集企业的估值逻辑。当前资本市场对数据赛道的高估值(如光轮智能10亿元融资成为独角兽),很大程度47模式逻辑。传统模式下，用户需要一次性投入数十万至数百万元购买机器贺晗建议，以"AI+制造"为抓手，形成真实工位数据回流与持续迭央国企带头应用。政策层面推动央国企发挥引领示范作用，建立国家级"人形机器人上岗清单",优先选择收益可量化、环境相对结构化的场景形成规模。推行”首台(套)/首批次"风险分担机制，降低企业采购门槛。研究院院长王仲远指出："在特定的产品和相对封闭的场景中，具身智能已经能量产滑坡的警示。王仲远对"量产元年"提出了冷静的思考："需要明确量产积累后产生的量产。如果量产基础不够扎实，就可能出现量产滑坡的情况。"这数据赛道估值逻辑。当前资本市场对具身智能数据赛道的估值，主要基于规模×质量×稀缺性三个维度。光轮智能10亿元融资成为独角兽，反映了市场对合成数据赛道的高预期；觅蜂科技数亿元种子+天使轮，反映了市场对真机数投资时机判断。当前产业处于"基础设施期",数据采集训练场大规模建设但尚未形成成熟商业模式。这一阶段适合战略性布局，但需警惕"重资产、长周期”的风险。进入"规模化期"后(预计2027—2028年),数据交易市场雏形形成，◎第九章挑战、风险与应对9.1数据孤岛与标准化困境①现状。数据孤岛是当前具身智能行业最突出的结构性问题。江磊透露，各训练场已积累较大规模的数据量，国家地方共建人形机器人创新中心拥有近600万条具身智能数据，预计全国数据量将近3000万条，然而各训练场数据尚未实现连接。这意味着，全国近3000万条数据分散在64座训练场中，难以形成②根因。数据孤岛的根源有三：一是本体形态各异，不同厂商的机器人在报。王仲远期待："一旦这些标准能够迅速形成行业共识，将极大提升行业的迭9.2高成本与规模化困境20万元，机器人本体单台造价动辄60万至70万元。一座部署100台机器人的器人FastUMIPro将单条数据采集时间从50秒缩短至10秒，效率提升5倍；三蒋维(联通数科)建议政策扶持应"制定数据采集规范并给予数据采购补贴"。①现状。具身智能数据采集涉及大量真实场景中的人与环境信息，安全与②具体风险。数据投毒可能导致机器人学习到错误行为模式；隐私泄露(人脸、生物特征、家庭环境信息)可能侵犯个人权益；供应链安全漏洞可能导致采③应对。帕西尼的实践提供了参考：实时生物特征脱敏算法在采集源头对51清晰的ScalingLaw之上，但在机器人领域，数据的ScalingLaw缺乏同等清晰的定义。清华团队研究发现"多样性>数量",而GeorgiaTech与斯坦福的③应对。企业应采取多路径并行策略，保持技术弹性：既积累真实数据，①现状。当前量产基础是否扎实存疑。王仲远提醒："对于'量产元年',需情况。"硬件迭代周期通常需要18个月到两年，并非短期内就能完成。②根因。商业化闭环未形成的原因在于：机器人能力尚不足以在真实场景中稳定"干活";应用场景方对机器人投入产出比的认可度不足；数据飞轮尚未充③应对。王仲远建议："在订单增长的过程中，各方能够齐心协力打磨硬①现状。全球具身智能竞争加剧。美国"星际之门"计划拟4年投入5000亿美元，美国AI行动计划以监管松绑为发展扫清障碍。技术封锁与供应链风险持大的硬件生态与供应链基础、广阔的场景纵深、丰富的AI人才资源，我国已经◎第十章趋势展望与战略建议10.12026—2030年发展路径预测基于当前产业发展态势，本蓝皮书对2026—2030年具身智能数据采集产业2027—2028年：工业场景规模化渗透，数据交易市场雏形。工业渗透率持2029—2030年：服务与家庭场景突破，数据资产化成熟。随着技术成熟度银河通用联合创始人张直政判断："具身智能规模化应用将会在2026年开始，全面落地则需要5—10年。"本蓝皮书的预测与这一判断基本一致。10.2关键趋势研判趋势一：多源数据融合成为共识。真机+仿真+合成的混合策略已成为中美趋势二：数据采集社会化、众包化。数据采集将走出工厂、进入真实家庭与工作场景。穹彻智能的"万人采集"网络、京东发动数十万人参与的众包模式，趋势五：中美数据生态分化与竞争。中国以"数据工厂"规模化运营见长，美国以技术驱动和开源生态领先。双方在数据标准、生态构建上的竞争将加趋势六：合成数据质量逼近真实数据。随着多模态生成式AI技术进步，合中国先手牌。张玉峰分析，PC、家电等品类的标准和生态长期由海外国家定义，而我国新能源汽车的全产业链优势已为中国汽车产业赢得了全球话语如今在具身智能领域，得益于强大的硬件生态与供应链基础、广阔的场景纵深、史性机遇。IDC预测，2026年中国具身智能机器人市场规模将突破110亿美元，服务和消费机器人厂商的全球出货占比超过85%。中国待突破。全国政协委员、芜湖机器人产业发展集团有限公司董事长许服务以及软件生态链，"人形机器人产业的发展则需要进行原始性创新，其关键意义上的智能型机器人。中国有机会定义这一"超级终10.4对企业：战略选择建议本体厂商：自建数据能力or绑定数据伙伴?这是本体厂商面临的核心战略选择。自建数据能力(如智元孵化觅蜂)的优势是数据与应用紧密耦合、数据商自建数据能力以构建护城河，中小本体厂商绑定数数据服务商：平台化or垂直深耕?平台化(如京东、联通数科格物平台)的优势是规模效应、生态整合能力强，劣势是重资产、需要强大资源整合能垂直深耕(如帕西尼聚焦全模态实采)的优势是专业壁垒深、差异化明显，劣势设备厂商：国产替代+出海机会