一、数据瓶颈：缺口不只在数量，更在质量与闭环
物理AI面临的训练数据约束，可以从三个层面理解。
- 数量层面：行业预计成熟具身大模型所需数据至少为千万小时级，迈向通用智能则可能达到亿小时量级；而当前高质量训练数据仅数十万至百万小时，供需缺口约90%。
- 质量层面：物理AI需要建立任务指令、环境观测、机器人状态、控制动作与执行结果之间的时序关联，数据需同时覆盖视觉、语言以及关节位姿、力觉、触觉等信息，并满足“准、全、广、真”的要求。
- 交互层面：具身数采依赖边缘端采集与云端加工协同，形成“数据采集—清洗对齐—标注加工—质量评测—交付反馈”的闭环。
二、行业画像：路线未收敛，商业模式仍在探索
数采行业当前处于技术路径百家争鸣、商业模式尚未定型的早期阶段。真机、无本体与仿真三条路线的分歧，本质是精度与规模之间的平衡。
- 真机：精度最高，但规模提升受限于设备与人力。
- 无本体：规模提升速度最快，精度相对受限。
- 仿真：发展潜力最广阔，但存在虚实迁移成本。
预计混合数据类型将成为具身模型的主流训练方式。供给缺口与尚未收敛的技术催生众多玩家入局；从商业范式看，数采设备与服务的商业模式最为清晰，数据资产及平台SaaS则更具长期潜力。
三、竞争要素：边界调整与资产升级
基模能力提升带来冲击，也重新定义边界
市场对具身数据公司的一大分歧在于：通用模型持续改善后，独立具身数据公司是否会被降维打击。
我认为，通用模型的能力圈集中在“理解指令、拆解任务、调用技能”，精密任务能力尚不足。数据显示，GPT在精密操作组成功率仅为4.0%，而对照组DM0.5为16.75%。具身数据公司拥有丰富的物理信息资产，核心壁垒体现在切换更强基模后，其数据与服务带来的额外边际增益。
数据公司的产品是训练资产，而非视频
丰富的物理信息、完整的数据处理能力以及持续优化的训练反馈，是构建数据资产的核心。训练数据的多样性与策略在未见环境下的泛化表现大致呈幂律关系。
以DROID项目为例，加入多场景外部数据后，模型在分部内和未见场景下的表现平均提升22PP和35PP，泛化能力显著增强。
长期护城河：场景入口、评测闭环与复用能力
中长期最有价值的公司，往往是掌握部署网络或深度嵌入部署流程的公司。其数据来源随业务运行持续产生，竞争对手难以通过一次性资本开支复制。
但拥有场景并不必然意味着拥有数据价值，还需建立“失败诊断—数据配方—采集处理—训练回灌—实机复测”的完整闭环，才能真正实现模型能力增益。同时，数据迁移至不同本体后的复用性，是竞争同质化后数据公司盈利能力的重要保障。
四、投资建议：订单可见度最高，龙头持续受益
数采服务是整个数据采集产业中订单可见度最高、现金流最稳定的环节，龙头公司将持续受益于供需缺口的放大和路线收敛带来的格局集中。
- 短期：关注具备订单、产能和交付能力的数采服务商。
- 中长期：优选能够将数据处理平台化，并向模型评测、后训练及部署回流延伸的公司。
重点关注三类公司：
- 拥有传统AI数据服务经验的传统龙头，如海天瑞声。
- 以仿真资产为底座、构建软硬件一体平台的仿真龙头，如五一视界。
- 布局“数据—仿真—训练—迁移—场景”闭环的全流程平台，如凡拓数创、阿尔特。
五、风险提示
- 机器人发展进展不及预期。
- 数据采集技术路线剧烈变动。
- 各公司主业发展不及预期。
注：以上内容不构成任何投资建议，请谨慎参考。