具身智能数据规模化元年——谁在"卖铲子"赚钱

2026年的具身智能赛道，用"疯狂"二字已不足以形容。

光轮智能三个月内连续完成A++和A+++两轮融资，总规模突破10亿元，估值从10亿美元跃升至20亿美元，成为全球首个具身数据独角兽。智元分拆成立的觅蜂科技，成立仅10天就斩获数亿元融资。京东宣布要发动60万人众包采集，一年内积累500万小时数据。中国移动与戴盟合作，要把数十万营业厅改造成数据采集网络。

而另一边厢，一个残酷的事实正在浮出水面：全球高质量真实物理交互数据总量仅约50万小时，而训练一个通用具身模型至少需要千万小时级数据——缺口超过99%。

这不是蓝海，这是"卖铲子"的黄金时代。

具身智能 | 数据采集 | 光轮智能 | 卖铲子

一、数据饥渴症：具身智能的阿喀琉斯之踵

很多人以为具身智能的瓶颈在于算法、算力或者本体硬件。但真正卡住行业脖子的，是那个最不起眼的东西——数据。

大语言模型的成功让行业形成了一种路径依赖：堆数据就能出奇迹。GPT-4的训练数据据传超过13万亿token，Claude、Gemini莫不如此。于是从业者想当然地认为，只要采集足够多的机器人操作数据，具身智能也能迎来自己的"GPT时刻"。

但问题在于，物理世界的数据采集远比互联网文本复杂三个数量级。

一个ChatGPT用户每小时可以产生数万token的对话数据，而一个采集员操作真机完成一个有效的训练任务，能产生的数据可能只有几分钟的有效交互。更要命的是，机器人在虚拟仿真环境中学会的技能，迁移到真实物理世界时往往"水土不服"——这就是业内常说的"Sim2Real鸿沟"。

我见过太多案例：机器人在仿真环境中能够完美完成抓取任务，但放到真实桌面上，要么力度太大把物体捏碎，要么位置偏移抓了个寂寞。这种"最后一公里"的问题，靠更多仿真数据是解决不了的。

光轮智能联合创始人杨海波曾在公开演讲中透露一个数据：在优质场景采集到的数据，复售率已经能够超过10倍。 这句话的潜台词是，优质数据极度稀缺，稀缺到可以反复卖给不同客户。

数据服务商"光合商城"打出的定价体系印证了这一点：

普通采集数据：200-500元/小时

真机数据：500-1000元/小时

仿真数据：100-300元/小时

值得注意的是，仿真数据的单价正在快速下滑。行业预判，无本体数据的价格最终会收敛到真机数据的1/2到1/3，也就是300-400元/小时。这意味着，没有真实物理交互能力的数据服务商，迟早会被价格战绞杀。

二、为什么99%的缺口是机遇而非危机

99%的缺口，听起来是个糟糕的数字。但对于数据服务商来说，这恰恰是最强的利好。

道理很简单：缺口越大，数据越值钱。

回望互联网时代，早期搜索引擎能索引的网页数量可能也不到实际网页的1%，但正是这种稀缺性，让Google等公司建立了难以逾越的壁垒。具身智能数据领域正在经历类似的过程。

当前全球50万小时的高质量数据，主要来自三类来源：

第一类是科研机构多年积累的实验室数据。这部分数据质量较高，但规模有限，且往往受制于学术发表协议，无法商业化。

第二类是头部机器人公司的内部采集。这部分数据规模可观，但正如前文分析的，头部公司自用都不够，外售动力不足。

第三类是数据服务商的专业采集。这是当前市场的主要增量来源，但大多数服务商的采集能力还停留在"小作坊"阶段，产能和质量都难以满足需求。

谁能在未来两三年内快速扩大真实物理数据的产能，谁就能享受这波稀缺性红利。

三、四大流派：有人挖金矿，有人卖铲子，有人造牛仔裤

如果说具身智能是一场淘金热，那数据采集赛道就是那个卖铲子的行当。但同样是卖铲子，门道各有不同。

流派一：真机数据派——自己养鸡下蛋

代表选手：智元、觅蜂科技

这条路线的核心逻辑是：机器人本体公司和数据采集业务形成闭环。我自己的机器人采集自己的数据，数据自己用，多余的卖给同行。

觅蜂科技就是这一路数的典型。它由智元机器人分拆成立，天然继承母体的具身智能研发能力。成立仅10天就完成数亿元种子轮与天使轮融资，估值迅速攀升。

这种模式的优势是显而易见的：采集端和需求端无缝对接，数据质量有保障，采集成本可控。但短板同样明显——它本质上是一种关联交易，数据的外售规模和价格往往受制于母体公司的战略考量。

更关键的是，头部机器人公司迟早会发现，自己采集的数据自用都不够，哪有余粮外卖？这就解释了为什么觅蜂科技需要在成立后迅速建立独立的数据采集能力，而不仅仅依赖母体。

流派二：仿真数据派——用合成填补真实

代表选手：光轮智能

仿真路线的核心假设是：真实数据不够用，那就用仿真数据来凑。通过高保真度的物理仿真引擎，在虚拟环境中批量生成多样化的训练数据。

光轮智能是这一领域的绝对王者。最新披露的数据显示，其累计交付超150万小时高质量人类数据，覆盖2.5万个环境节点、超过10万种任务类型。2025年营收同比增长10倍，2026年Q1新增订单5.5亿元。

但仿真数据的"可信度"始终是个悬而未决的问题。业内有个经典玩笑：仿真数据训练出来的机器人，放到真实场景里就像"在游泳池里学会游泳，却在下雨天迷路"。

更深层的问题在于，仿真环境再怎么逼真，终究是对真实物理的简化。摩擦系数、材质触感、光照变化、物体重心偏移……这些在仿真中容易被忽略的细节，往往是决定任务成败的关键。

光轮智能显然也意识到了这一点。其最新战略开始强调"仿真+真实"的混合路线，单纯靠仿真数据讲故事越来越难打动投资人。无问智科、弈人科技等竞争对手也在往这个方向转型。

流派三：跨界平台派——用规模碾压一切

代表选手：京东、中国移动

互联网大厂的逻辑简单粗暴：只要规模足够大，什么问题都能解决。

京东3月宣布建设全球规模最大的具身智能数据采集中心。核心打法有两招：其一，发动60万人的众包网络进行数据采集；其二，在宿迁建设可容纳近万人同步作业的采集基地。

具体数字更能说明问题：

• 目标：一年内积累500万小时数据，两年内突破1000万小时
• 同步采集：100万小时机器人本体数据
• 宿迁基地：数据有效率95%，整体处理成本降低60%

这是什么概念？光轮智能花了数年时间才积累150万小时数据，京东一年就要完成3-4倍。更恐怖的是，宿迁基地的运营模式——近万人同时在岗，日处理数据量可能达到百万小时级别。

中国移动的玩法不同，但同样展现了规模优势。6月与戴盟宣布合作，依托数十万线下营业厅构建"外发式"数据采集网络。首个试点选在湖南郴州，满产年产能就达到100万小时。

这种"人海战术+基础设施"的打法，是传统数据服务商难以复制的护城河。京东的60万众包网络，不是一朝一夕能建立的；中国移动的营业厅资源，更是几十年积累的结果。

流派四：UMI设备派——卖水不如卖水泵

代表选手：鹿明机器人、松灵机器人

如果说前面三个流派都是在挖数据，那设备派是在造挖掘机。

UMI（Universal Manipulation Interface）是一种标准化的数据采集设备协议。鹿明机器人、松灵机器人等厂商生产的机械臂和移动平台，可以适配不同的采集场景，输出标准化的数据格式。

诺亦腾机器人是这个方向的隐形冠军。其动作捕捉产品全球销量超过25000套，占据约70%的全球专业动捕市场份额。依托这一硬件基础，诺亦腾预期年产能达到45万小时。

设备派的优势在于轻资产、可扩展。不需要庞大的采集团队，不需要复杂的场地管理，只需要把设备卖出去，就能持续产生数据收益。

但短板同样致命：卖硬件的利润薄如刀片，数据价值全归下游。一个卖设备的，毛利率可能不到30%；但同样一批数据，经过清洗标注后卖给AI公司，毛利率可能超过80%。

四、数字拆解：钱到底是怎么赚的

说了这么多抽象的概念，不如来点实在的——这笔生意的钱是怎么赚的。

先看采集员这端：

表格

采集员类型	时薪（元）	数据去向	终端售价
居家采集员	约17	基础动作数据	200-500元/小时
场地采集员	22-31	场景化数据	300-600元/小时
真机遥操作员	75+	高质量真机数据	800-1000元/小时

居家采集员的时薪约17元，但如果数据最终以300元/小时售出，差价高达17.6倍。这解释了为什么那么多数据标注团队转型做具身数据采集——利润空间摆在那里。

当然，这只是理论数字。实际运营中，平台要扣除质检成本、人员管理费用、获客成本等等。行业通用的外包平台抽成比例在30%-50%之间，相当于利润的大头被平台截胡。

那么，谁在赚这个差价？

答案是那些绕开外包平台、直连甲方爸爸的数据服务商。他们要么有自己的采集团队，要么有稳定的客户关系，能够把大部分利润留存在自己手里。

再看真机遥操作这条线。

一个熟练的真机遥操作员时薪75元，加上场地设备摊销、机器人折旧等，综合成本约275元/小时。如果终端售价能达到800元/小时，毛利率约为66%。

但问题在于，真机遥操作对人员素质要求极高，培养周期长，产能扩张慢。这不是一个靠砸钱就能快速放量的生意。

我认识一个团队，专门做精密装配场景的真机遥操作数据。他们培养一个合格的遥操作员需要3个月，期间要学习机械臂操作、精密装配工艺、质量检测标准等多个模块的内容。这种复合型人才，市面上非常稀缺。

五、中小团队的切入点在哪儿

说了这么多头部玩家的玩法，中小团队的机会在哪里？

我的观察是三条路：

第一条路：垂直场景深耕

通用数据的机会已经被巨头锁定，但垂直场景的数据采集存在大量空白。

比如医疗手术机器人的操作数据、精密仪器的装配数据、特种环境的巡检数据——这些场景数据量不大，但单价极高，且客户付费意愿强。关键是你得在这个行业有积累，能拿到场景授权。

真实工厂和物流生产环境的采集能力是关键差异化。工厂里的装配动作、物流仓库里的分拣场景，这些数据是仿真环境生成不了的，也是大厂众包网络覆盖不了的。

第二条路：数据清洗与标注

如果说采集是挖矿，那数据清洗就是炼金。

具身智能数据的标注比传统图像标注复杂10倍。需要标注的不只是"物体在哪里"，还要标注动作轨迹、力度反馈、时序关系、物理属性等多维度信息。

工信部最新的政策导向也在推动这一点。《关于推进行业高质量数据集建设行动的实施方案》明确提出，要发展"专家型数据标注服务"，建立行业专家认证机制。

这意味着，未来会有越来越多的场景需要"懂行"的标注员——不是简单地点点鼠标，而是真正理解数据背后的业务逻辑。

第三条路：采集设备与工具链

卖数据不如卖工具。

数据采集需要配套的采集软件、质检工具、数据管理平台。这些工具软件的毛利率高达80%以上，且具备很强的网络效应——用的人越多，生态越稳固。

当然，这条路需要一定的技术积累。但对于有开发能力的团队来说，这是一个值得考虑的方向。

六、2026年预测：谁会笑到最后

行文至此，做几个大胆的预测：

第一，2026年下半年，数据价格战开打。光轮智能、无问智科、弈人科技等头部玩家的产能正在快速释放，仿真数据和基础采集数据的价格会进一步下探。没有差异化优势的服务商会被淘汰出局。

第二，真实物理数据成为硬通货。随着仿真数据的局限性被充分认识，具备真实场景采集能力的团队会越来越吃香。京东的60万众包网络、中国移动的营业厅采集体系，本质上都在争夺这个稀缺资源。

第三，数据服务商开始分化。一部分会向上游延伸，做机器人本体；另一部分会向下游延伸，做具身智能应用解决方案。纯数据服务的中间层玩家，处境会越来越尴尬。

第四，国家队入场。6月9日，工信部和国资委联合印发《关于联合开展2026年度人形机器人与具身智能实景实训专项行动的通知》，国家电网2026年投入68亿元采购8500台具身智能设备，宁德时代已建成全球首条人形具身智能机器人规模化落地的动力电池PACK产线。

政策红利正在释放，谁能抓住这波窗口期，谁就能在下一个十年占有一席之地。

结语

具身智能的数据战争，才刚刚开始。

50万小时的现有数据 vs 千万小时级的需求缺口，这个赛道还有太多空白等待填补。

有人在追逐资本的浪潮，有人在深耕场景的价值，有人在打造基础设施的壁垒，有人在编织工具的网络。

谁会是最后的赢家？现在下结论还为时过早。

但有一点是确定的：数据是具身智能时代的石油，而高质量的真实物理交互数据，是石油中最稀缺的那一桶。

谁能率先捅破那99%的缺口，谁就能在这场竞赛中占据先机。

七、产业链四层结构：每个环节都在赚钱

如果我们把具身智能数据产业链展开来看，从上到下可以分为四个层次：

采集层是最上游，也是目前最热闹的环节。这里聚集着三类角色：居家采集员、场地采集员、真机遥操作员。

居家采集员是最低门槛的参与者。他们在家里完成简单的动作数据采集，时薪约17元。这个群体规模庞大，是京东等平台众包战略的主力军。

场地采集员进阶一层。他们在专业采集基地完成场景化数据采集，时薪22-31元。基地提供标准化的场景布置和设备支持，数据质量更有保障。

真机遥操作员是金字塔尖的人才。时薪75元以上，需要经过专业培训。他们操作的可不是玩具机器人，而是真实的工业机械臂，完成的是真实的装配、分拣等任务。

平台层是中间商赚差价的环节。外包平台抽成30%-50%，这是行业公开的秘密。但贵有贵的道理——平台提供了项目管理、质量控制、交付保障等全套服务，省去了甲方和乙方直接对接的沟通成本。

设备提供商是另一个重要角色。鹿明机器人、松灵机器人这样的厂商，把采集设备和工具卖给服务商，自己不承担数据采集的风险，却能享受行业增长的红利。

数据层是当前最吸金的环节。光轮智能、智域基石、它石智航、觅蜂科技这些名字，在过去一年里频繁出现在融资新闻里。

这里有个值得关注的趋势：数据层正在向上下两端延伸。光轮智能开始做仿真引擎和采集平台，试图打通采集和应用的上下游；觅蜂科技则从机器人本体延伸到数据采集，形成"本体+数据"的双轮驱动。

应用层是数据的最终买家。人形机器人本体公司是最大的需求方，他们需要数据来训练控制模型。世界模型和通用大模型团队也在入场，他们需要数据来构建物理世界的常识表示。产业应用方——工厂、医院、物流中心——则是场景化数据的主要需求者。

这四个层次，每一层都有赚钱的机会，关键是你选择哪一层深耕。

八、我观察到的一些有趣现象

在研究这个赛道的过程中，我注意到几个有趣的现象：

第一，地域聚集明显。

具身智能数据采集目前主要集中在长三角和珠三角地区。长三角有大量制造业工厂，珠三角有成熟的电子产业带。这些地方有丰富的应用场景，也积累了大量的技术工人，是做真机遥操作数据的理想地点。

我认识一个团队，专门在深圳和东莞的工厂里采集数据。他们的优势是离工厂近，能快速响应客户需求；劣势是成本高，工人工资比内地高出30%以上。

第二，场景稀缺性比技术稀缺性更重要。

很多人以为数据采集的核心竞争力是技术——算法多先进、设备多高端。但我观察下来，真正稀缺的是场景。

一个手术机器人操作的场景，比十个工厂装配的场景都值钱。不是因为技术含量更高，而是因为获取门槛更高。

手术室的场景授权需要医院同意，需要医生配合，需要患者知情同意……这些流程走下来，可能要半年到一年。工厂的授权相对简单得多，商务谈判几个月就能搞定。

第三，客户比数据更重要。

有些服务商，手里的数据质量一般，但因为绑定了头部客户，反而活得很好。原因很简单：客户愿意为稳定供应付费，即使质量不是最优。

这给我们的启示是：与其追求数据质量第一，不如先把客户关系做扎实。有了稳定的客户关系，数据质量可以慢慢提升；但没有客户，再好的数据也只能烂在手里。

九、一些冷思考

说了这么多乐观的话，最后泼点冷水。

这个行业没有看起来那么美。

首先是回款周期长。数据服务的甲方多是大型科技公司或机器人公司，这些客户的付款周期普遍在3-6个月，有些甚至更长。做数据生意的，要有足够的现金流储备。

其次是人员流动大。真机遥操作员是稀缺人才，培养周期长，但一旦熟练了，很容易被其他团队高薪挖走。我听说有的团队，年流失率超过50%。

再次是价格波动剧烈。2025年真机数据还能卖到1000元/小时，今年有些服务商已经降到600-700元了。随着更多产能释放，价格还会继续下探。

最后，也是最重要的——数据合规风险正在上升。

工信部的政策文件特别提到了防范数据投毒与污染、数据泄露等安全风险。这意味着，未来数据采集会有更多的合规要求，灰色地带会越来越小。

对于中小团队来说，这既是挑战也是机遇。挑战是合规成本会上升；机遇是合规能力会成为差异化竞争力的一部分。

谁能率先捅破那99%的缺口，谁就能在这场竞赛中占据先机。