2026年11月1日,多项国家级人工智能、算力与具身智能行业标准正式实施。第九届进博会上,人形机器人从表演展示转向实际作业,释放出明确信号:赛道正从"讲故事"阶段切换到"验成色"阶段。
一、标准落地重构评价体系,有效数据供给成新标尺
具身智能数据采集的本质,是把机器人完成任务的完整过程转化为可训练、可验证的结构化信息。以抓取、装配等典型工业场景为例,模型训练不再只依赖单一视觉画面,还需同步覆盖多维度信息:
- 视觉与深度图像
- 关节状态与IMU数据
- 力触觉信号
- 运动轨迹与力位控制曲线
- 任务完成结果
这些原始记录须经清洗、标注、质检和时间同步,方能形成合格训练数据集。模型训练完成后还需回到真实场景反复验证,回流失败样本持续迭代。完整闭环已延伸覆盖"感知—采集—治理—训练—部署回流"全流程。
中国信通院《具身智能发展报告(2026年)》指出,实现机器人领域"ChatGPT时刻"需要千万小时级有效训练数据支撑。国内供给方式已从零散项目式采集转向专业化训练场和标准化生产,全国建成启用超过70家具身智能训练场,真实场景采集与仿真数据合成双线并行。
需求侧硬件基础同步扩张。2026年前三季度,国内传感器产量同比增长16.4%,工业机器人产量同比增长29.1%,机器人减速器产量同比增长44.4%。深度图像、点云及力触觉/IMU反馈已成为柔性操作场景刚需。
行业竞争核心逻辑彻底切换:此前比拼训练场数量与采集产能规划,如今市场关注重点转向数据验收通过率、模型训练实际改善效果、下游客户复购率。"有效数据供给"取代"采集规模"成为新的核心指标。
二、五类数据来源互补,长期壁垒指向综合最优解
当前具身智能领域五类主流数据来源各有适用场景与能力边界,未来将长期形成真实采集与仿真合成互补格局:
- 仿真数据:可低成本规模化构造长尾、危险或高成本工况,核心待突破点在于解决仿真到现实迁移(Sim2Real)效果问题;
- 人类行为视频(含Ego第一视角):便于快速扩展场景和任务示范,但普遍缺少完整机器人本体状态与力反馈信息;
- UMI便携式示范装置和触觉手套:可高效补充手部动作及接触信息,仍需解决向不同硬件本体的动作映射难题;
- 真机遥操作数据:与目标本体对齐度最高,但受设备数量、操作人员能力和采集效率约束明显;
- 部署回流数据:最贴近真实作业场景且包含大量高价值失败样本,但高度依赖机器人装机规模、场景开放程度和数据合规体系建设。
从投资视角看,具身智能数据赛道企业的长期壁垒从来不是单纯的采集成本优势,而是能否在本体对齐度、模态完整性、跨本体泛化能力以及最终模型训练收益之间找到综合最优解。
近期行业热度与估值分化印证了这一点:上半年赛道普遍享受高估值溢价,下半年随着宇树科技上市后股价大幅波动,市场开始重新审视企业真实收入质量与商业化闭环能力,此前靠关联交易制造虚假收入的模式已完全无法获得资本认可。
三、全产业链价值重估,三条主线覆盖核心标的
具身智能数据产业价值链条已从单一采集设备环节延伸至数据生产、治理和场景部署全链路。商业验证的核心标准最终要回到有效产出和可持续收入层面:
- 上游:机器视觉、3D视觉、力触觉、IMU与测控设备决定原始信号质量;
- 中游:训练场和数据服务商完成采集、清洗、标注、质检与数据集交付;
- 下游:本体及场景方通过实际部署形成持续数据回流。
国家数据局明确提出,要建设覆盖数据采集、清洗、加工、标注、质检、测评、迭代、审计等全生命周期的管理服务能力,探索订阅、定制、API调用等多元化商业形态。
需注意,当前多数产业环节仍处于"增长逻辑已成立、盈利模式待验证"的探索阶段。投资过程中需重点跟踪数据订单与复购率、有效小时产出、验收通过率、训练场设备利用率、数据集交付相关收入的实际贡献。
感知硬件与采集设备主线
多模态传感器与专用采集终端是具身数据获取的物理基石,直接决定原始信号质量与产能规模。
- 奥比中光(688322)
- 奥普特(688686)
- 创维数字(000810)
- 汉威科技(300007)
- 东华测试(300354)
数据生产、治理与交付主线
中游采标服务需解决时空对齐等复杂工程壁垒,是打通"数据到模型"价值链条的关键环节,后续重点关注商业模式向订阅及API服务升级的进度。
- 海天瑞声(688787)
- 拓斯达(300607)
- 凡拓数创(301313)
场景反哺与仿真合成主线
下游真实部署形成高价值长尾数据回流,叠加工程仿真与合成数据能力,共同拓展场景示范边界并填补真实数据供给缺口。
- 杰克科技(603337)
- 埃斯顿(002747)
- 索辰科技(688507)
除此之外,人形机器人核心零部件赛道同样受益于产业落地提速,春光科技、福莱新材、征和工业、达实智能、模塑科技、肇民科技、中邮科技、精研科技、祥和实业、麦迪科技等企业,也在各自细分环节完成技术与产能提前布局。
四、全球巨头密集布局,国内供应链成本下探
2026年下半年以来,全球科技巨头密集布局进一步确认产业趋势:
- 特斯拉Optimus已在弗里蒙特工厂启动早期量产,预计2027年底开始外部交付,初期聚焦工业高危重复性作业;
- 英伟达持续推进物理AI技术栈,扩展Isaac机器人开放平台,发布Cosmos 3世界模型,黄仁勋年初即宣告物理AI的"ChatGPT时刻"已经到来;
- 美光预判单台人形机器人存储需求是L2+级智能汽车的10倍,正研发专为物理AI设计的边缘推理存储器,预计2028年下半年量产;
- OpenAI正式布局人形机器人赛道,以"AI大脑"为核心攻关方向,9月发布的GPT-6 Astra展现出通用大模型直接操控机器人的强具身能力,其SuperMimic等新型动作学习范式有望大幅降低人形机器人训练成本。
国内方面,小米人形机器人在汽车工厂完成8小时不间断产线作业验证,实现异常自主纠偏与产线系统协同,标志人形机器人从实验室正式走向工厂落地。国产供应链通过技术自研与资源整合,已将整机成本从百万级下探至十万级区间,掌握核心零部件技术并能低成本量产的企业正逐步建立全球竞争优势。
随着国家级行业标准正式实施,具身智能数据采集赛道彻底告别"唯规模论"的粗放增长时代,"质量优先、工程落地优先、真实商业闭环优先"将成为新的行业共识。