具身智能数据狂飙：44亿融资背后，纯卖数据真的能跑通吗？

2026-07-25 12:43 0 阅读

具身数据的“淘金热”与冷思考

在湖南郴州的中国移动营业厅里，一场看似寻常的促销活动正悄然改变着机器人行业的底层逻辑。普通顾客只需领取一套包含夹爪、手套和头戴相机的设备，经过简单培训，便能在做家务的过程中，为机器人训练采集珍贵数据。这种将数据采集融入日常生活的“5S店”模式，首期投放千套设备即可年产百万小时数据，展现了极具创意的获客与获数手段。

然而，这仅是具身数据行业冰山一角的“花活”。从免费上门保洁采集数据，到VR游戏化数采，再到远程云操控，无数创新试图解决一个核心痛点：机器人极度匮乏高质量物理交互数据。截至2026年中，国内已涌现近百名具身数据玩家，其中15家独立数据服务商在过去一年中融资总额高达44.7亿元。尽管数字惊人，但在具身智能整体融资热潮中，这仅占很小比例。深入剖析这一新兴赛道，我们需要跳出营销光环，审视其技术路线、玩家结构、产能瓶颈及商业本质。

技术路线：跨域融合成为主流共识

具身数据采集并非单一技术路径的竞赛，而是多种技术路线并存的复杂生态。目前主流路线可分为四类：真机遥操、无本体采集、仿真合成以及互联网视频蒸馏。统计显示，在70家主要数采公司中，高达43%的玩家采用跨路线采集方案，如“真机遥操+无本体”或“无本体+仿真”。这种跨路线布局反映了行业共识：没有任何单一技术能独立满足机器人训练的多元化需求。

单独押注“真机遥操”路线的有22家公司，占比31%。这类玩家多为国资数据平台或机器人本体厂商。国资平台凭借资金优势承担重资产投入，而机器人公司则依托硬件优势实现数据闭环。相比之下，单独押注“无本体采集”的15家公司多成立于2024年下半年，技术细分领域涵盖Ego视角、UMI、动作捕捉及肌电采集等，显示出极强的创新活力。

值得注意的是，曾经坚定的“仿真派”如光轮智能和银河通用，正纷纷转向混合路线。外部原因是真机与人类数据供给增加导致仿真数据成本优势削弱，内部原因则是Sim2Real（仿真到现实）鸿沟仍未完全填平，难以高保真还原摩擦、形变等物理细节。至于互联网视频蒸馏，目前仅有枢途科技等极少数玩家深入探索，试图将采集成本降至行业平均水平的千分之五，但这仍面临数据迁移效应的巨大挑战。

玩家图谱：独立服务商崛起与跨界转型

若按身份划分，97家玩家中独立数据服务商占比最高，达40%（39家），其次是国资平台（26%）和机器人公司（25%）。独立数据服务商的独立化，标志着具身数据已从机器人公司的附属职能成长为一条完整且独立的产业链环节。

进一步分析，67%的玩家为“具身原生”公司，33%为“跨界转型”者。这一分布呈现出有趣的结构性分化：在数据采集侧，80%为具身原生公司；而在数据基础设施（Infra）侧，70%为跨界转型者，如海天瑞声、数据堂等传统AI数据标注公司。这是因为数据Infra环节所需的管线构建、质检和交付能力，与原有业务高度兼容，老玩家具备明显优势；而数据采集侧需从零构建资产，新公司反而能轻装上阵，快速适应新范式。

产能缺口与地域布局：供需失衡下的扩张

当前具身数据行业的产能现状与巨大需求形成鲜明对比。据估算，行业现有年产能约为160万至180万小时，或7000万至8000万条数据。相比之下，行业短期目标设定为未来1-3年内产出2500万至3500万小时数据，这意味着产能需扩大15至20倍。即使达成此目标，对比大语言模型所需的互联网级语料，具身数据仍只是“刚够到起跑线”。全球高质量真实物理交互数据总量仅约50万小时，不足LLM训练数据的两万分之一，凸显了物理世界数据获取的稀缺性与高成本。

在地域分布上，全国20个省份已建有数采工厂，其中国资背景覆盖16个省份。长三角地区以30座数量领先，成为数据重镇。无锡等城市甚至提出“全域数据采集”概念，鼓励制造业和服务业开放场景。分布模式与技术方案紧密相关：遥操类工厂因人力密集而散布于三四线城市以降低人力成本，而无本体等轻资产路线公司则聚集在一线城市以获取人才与技术资源。

资本冷观察：撒网阶段与独角兽幻象

资本的态度是行业成熟度的最真实镜像。2026年上半年，具身智能全行业融资约438亿元，而独立数据服务商仅获44.7亿元，占比微乎其微。15家获得融资的独立服务商中，光轮智能一家独大，融资31亿元，估值超20亿美元，成为全球首个具身数据独角兽。然而，其余14家公司融资规模多在数千万至数亿元区间，且多数处于Pre-A轮及以前。

更值得玩味的是69家投资机构的布局策略。没有一家机构在单一标的上重仓加注，最多者仅投资3次。这种“广撒网”而非“重注”的策略，反映了资本市场对数据商业模式的不确定性认知。具身数据被视为“劳动力密集型”生意，随着产能扩大，价格战不可避免，天花板相对清晰。尽管有投资人看好其全球化潜力及向模型评测延伸的基础设施价值，但在验证盈利模型之前，资本普遍保持谨慎。