网易首页 > 网易号 > 正文 申请入驻

具身数据,缺口到底有多大?

0
分享至



“具身数据缺口很大,但这门生意没有想象的大。

10月29日,据地方发改部门人士透露,数据采集从去年上半年到今年上半年一直非常火热,到了今年下半年,热度反而降了不少。

这有点反常。8月,中国信通院人工智能研究所等发布《具身智能训练场研究报告(2026年)》,测算具身基础模型要迎来“Chat GPT时刻”,至少需要千万小时级真实数据,而全球可用的高质量真实数据只有数十万至百万小时级。缺口摆在这里,数据生意为什么反而冷了?要回答这个问题,得先弄清楚,这个缺口到底是多少,又值多少钱。



图1|具身智能数据采集现场。来源:新华社。

缺口是真的,但“上亿小时”不是一个数

“上亿小时”这个说法,来自数据服务商觅蜂科技CEO姚卯青:模型要达到GPT-3.5那样开箱即用的初步能力,大约需要一亿小时,而全球有效的具身数据只有几十万小时。信通院的口径是千万小时。贵州省大数据局今年7月披露,国内真实场景的合规数据存量约50万小时,商业化落地需要数千万小时,缺口超过99%。三个口径,需求相差一个数量级,供给却都落在几十万小时附近,所以缺口是20倍还是200倍,取决于选谁的标准。



图2|觅蜂科技CEO姚卯青在发布会上演讲。来源:封面新闻。

更大的问题在“小时”本身。同样叫一小时,含金量差得很远。

最贵的一档,是带动作标签的真机遥操作数据,机器人的关节角度、力矩和视觉画面按时间戳对齐。美国的Generalist在2025年11月披露,自己有27万小时这样的数据,每周还在新增1万小时。



图3|中联重科训练场,遥操员操控人形机器人。来源:湖南日报。

中间一档,是无本体的第一视角数据,由人佩戴头戴设备或手持夹爪采集,不绑定某一款机器人。觅蜂称自己累计生产了超过100万小时。



图4|觅蜂MEgo View头戴式无本体采集设备。来源:觅蜂科技。

最便宜的一档,是原始视频。Figure在8月推出的Index应用,称每秒能收到30分钟的视频,相当于一天上传约4.9年的人类工作时长。作为对照,Meta的Ego4D这个经典第一视角数据集,只有3670小时。



图5|Figure Index应用界面。来源:Figure。

所以,“几十万对上亿”,拿的其实是最贵一档的存量,去比所有类型加在一起的需求。

把小时换成钱:填平缺口要花多少?

数据没有标准定价,但价格带已经大致清楚。信通院报告显示,简单、非定制化的无本体采集约每小时一百元,真机数据每小时数百元到上千元;科创板日报4月的报道是,真机数据每小时500至1000元,无本体数据预计收敛到真机的三分之一到二分之一。价格还在往下走,一位采集商称,去年每小时能卖200多元的数据,今年只能卖100多元。

按这个价格带,可以算一笔账。假设填平缺口时,真机数据占10%至30%,其余是无本体数据,真机取每小时600元、无本体取100元,加权单价约150至250元。那么,补齐信通院说的“千万小时”,大约要15亿至25亿元;补齐“一亿小时”,大约要150亿至250亿元,折合20亿至35亿美元,而且要摊在好几年里。

再看另一边:Figure一家公司,就承诺未来12个月在数据和算力上投入超过10亿美元;国内具身赛道2026年上半年的融资,据媒体统计有935亿元。所以缺口虽大,按现价算并不贵。真正的难题不是没有钱买,而是没有人能稳定交付足够多“有用的小时”,以及真正愿意付钱的买家并不多。

市场到底有多大:从买方的钱包倒推

现成的第三方数字很不一致。与非网引用的一份研究称,全球具身数据市场2025年约2.42亿美元,中国约5.0亿元,同比增长203%;亿欧智库给出的是,2024年全球具身智能数据集市场约7.37亿美元;QYResearch则估算,2024年全球具身智能数据采集工厂市场约7.53亿美元。同一个赛道,数字差了三倍以上。IDC的口径更大,称2025年中国AI基础数据服务市场规模为62.62亿元,预计2026年增至78.34亿元,具身只是其中很小的一块。至于“2026年中国具身智能市场破万亿、数据服务占比超15%”的说法,口径里把自动驾驶载具也算作具身智能(中商产业研究院的统计中,自动驾驶载具占44.4%),不能拿来对应数据市场。

所以这里换一种算法:不看别人的口径,从买方实际付出的钱倒推,按数据类型拆开,并把采集基建单独列出来,因为场地和设备是投资,不是数据销售。



中国占全球的比例,取30%至40%,全球外部交易口径的市场约为3.5亿至14亿美元,基准约7亿美元。和与非网2025年的2.42亿美元比,相当于一年增长约三倍,量级是对得上的。

这张表里有三个信号。第一,最大的一块是仿真数据,而不是最受热炒的真机遥操作,后者只占一成多。第二,自采自用的投入把总盘子抬得很高,但那不是供应商能分到的市场。Figure、Generalist这类公司自己采、自己用,Figure一家就承诺未来12个月在数据和算力上投入超过十亿美元。这笔钱放大了行业的总花费,却不会流向外部数据服务商,算外部市场时必须剔除。第三,价格在下行,量要接得上。与非网预测全球市场2030年达到52.5亿美元,以7亿美元的基准算,年均要增长约65%;如果单价每年再降30%,有效小时每年就要增长约2.4倍,四年大约30倍。价格降得越快,量就得跑得越快,这才是这门生意真正的压力所在。

谁在买:每一类买家的钱包都不一样厚

2026年中国18亿元左右的数据交易里,大厂和模型公司约占五成,机器人本体厂商约占三成,科研机构和政府项目约占两成。

大厂和模型公司,是真正掏外部预算的人。觅蜂在8月底向京东交付第2万套MEgo设备,同时宣布与腾讯Robotics X实验室开展无本体数据合作,其百万小时数据已服务腾讯Robotics X实验室、蚂蚁灵波等客户;光轮智能的客户包括英伟达、谷歌、字节跳动、阿里巴巴;无问智科今年一季度与字节跳动等签约,手握数亿元订单。京东的做法最特别,它同时是采购方、采集方和场景方,提出的目标是两年采购1000万小时数据,按每小时100至150元折算,约10亿至15亿元,每年约5亿至7.5亿元。



图6|觅蜂第2万套MEgo交付京东仪式。来源:觅蜂科技。

机器人本体厂商,需求最实,预算最紧。它们需要和自己本体绑定的真机数据做后训练,但国内近300家机器人相关企业里,头部集成商一年的交付量也就万台左右,绝大多数还在亏损。有行业观察称,国内具身公司买第一视角数据的量不大,原因很简单,钱不够。



图7|宇树科技H1人形机器人。来源:宇树科技

地方政府和国资,是在“建产能”,不是在“买数据”。据虎嗅梳理,不到两年时间,全国已有106座数采中心拔地而起,多数是政企共建;信通院统计,截至今年6月底,国内已建成启用超过70家训练场,另有46家在建或规划。据相关统计,2026年上半年公开披露的具身智能及人形机器人相关中标项中,教育科研机构占55.5%,工业及技术型企业占21.1%,政府及公共平台占20.6%,需求更多来自科研和公共投入,而不是产线上的真实用户。



图8|济南人形机器人数据训练中心前台。来源:济南市投资促进局。

工业场景方,不直接采购,而是拿场景换数据。博世和银河通用在苏州成立合资公司,计划投资10亿元建机器人研发与产业化基地,又与千寻智能在工厂里开展数据采集和模型训练;宁德时代把电池产线开放给银河通用、千寻智能的机器人。对这些场景方来说,最值钱的不是订单金额,而是经过真实工况检验的数据。



图9|博银合创苏州研发基地车间人形机器人测试场景。来源:苏州工业园区管理委员会。

海外买家出手更重,但多数是自己采。Figure的Index应用在内测的四个月里,已向创作者支付1500万美元;按Forbes引述的每小时2至5美元的价格折算,这笔钱对应的是数百万小时的原始视频。Generalist则靠自有的27万小时数据训练GEN-0模型,谷歌、英伟达买的更多是光轮的仿真资产。

在合作模式上,行业的基础交易方式有两种,核心区别在于产权是否转移。一种是授权使用,数据公司保留产权,仅出售使用权,买方不得二次商业化。另一种是独买断,产权随交易转移给客户,数据公司须同步删除自有服务器上的对应数据。在这两种基础模式之外,还有三种变形:设备加回购、场景换数据、众包分成。无论采用哪种方式,结算口径都统一按有效小时计,而非采集人员的工作时长。

此外还有一条行业经验值得注意,同一家模型公司若混用多家来源的第一视角数据,往往训不出预期效果。因此短期内客户只能集中选择一两家供应商,这一约束容易导致订单向头部数据公司集中。

谁在卖:四种出身,各打各的牌

本体厂商孵化出来的。最典型的是智元。智元先在上海建了4000平方米的数采工厂,今年4月开源了“AGIBOT WORLD 2026”数据集,又把数据业务拆出来,成立觅蜂科技,今年2月注册,十天内完成数亿元种子轮和天使轮融资,由红杉中国领投。觅蜂的MEgo设备已出货2万套,累计产出超过100万小时无本体数据,并提出2026年实现千万小时级、2030年实现百亿小时级的数据产能。



图10|觅蜂科技MEgo系列无本体数据采集设备。来源:觅蜂科技。

新成立的数据专项公司。它们不造机器人,也不做大模型,只做数据。光轮智能成立于2023年1月,做物理仿真和合成数据,今年6月完成10亿元A+轮融资,估值突破10亿美元,成为全球首个具身数据独角兽,一季度拿下5.5亿元订单;无问智科建了国内规模最大的实体数据采集训练场之一,据称日产千小时数据,一季度手握数亿元订单,4月完成超亿元A轮;简智、诺亦腾等同属这一梯队。据量子位统计,过去一年有融资记录的15家独立具身数据服务商,共融资约44.7亿元,光轮一家6起融资约31亿元,占约七成。



图11|厨房多机位物理仿真图。来源:光轮智能。

老牌数据标注公司转型。海天瑞声是国内首家、也是目前唯一一家A股上市的AI训练数据服务企业,2026年上半年营收1.92亿元,同比增长22.45%。它已与国内一家头部具身厂商签署真机数据采集合约,正在对接更多订单,但公司自己的表述仍停留在订单对接和样例数据方案阶段,具身业务在整体营收里的占比还很小。老牌公司的优势是质检体系和规模化生产,短板是具身数据离不开采集硬件、真实场景和本体适配,不是把标注流程换个对象就能做的。



图12|DOTS-AD自动驾驶平台。来源:海天瑞声。

跨界巨头和地方国资。京东计划发动数十万人参与采集,自研JoyEgoCam设备,目标是两年采购1000万小时数据;百度智能云联合多家机器人公司发布“具身智能数据超市”;中国移动建成1200平方米的家庭场景训练场;再加上前面提到的106座政企共建数采中心。这一类的优势是场景和资金,不靠数据本身赚钱。



图13|京东JoyEgoCam设备。来源:京东。

竞争格局上,有三个特点。第一,资金高度集中,前面那个七成就是证明,觅蜂CEO也判断具身数据最终会走向寡头分布。第二,同质化严重。据虎嗅梳理,绝大多数数采厂的模拟场景集中在叠衣服、搬箱子、包裹分拣等少数通用任务,数据重复度很高。第三,价格战和转包已经出现。采集从集中式转向分布式之后,数据采集变成了组织劳动力的生意,有数据代理商透露,有的头部公司在山东、河南“进村采数据”,让村民戴着VR设备做切菜、做饭,一小时一单给5块钱,还有中间商跑路,连这点劳务费都没结。一位采集商对这门生意明年的光景,也只能说“还很难说”。

供需测算:真机档过剩,好数据仍缺

把供需放在一起,要分档看。

真机遥操作档,名义产能已经远超付费需求。21世纪经济报道提到,一个数采中心满负荷运转,一个月约能产出一两万小时数据。以已启用的70家训练场、每家每月1万小时算,一年的名义产能约840万小时;而按上文测算,2026年外部付费的真机有效小时只有25万至60万,利用率约为3%至7%。全国合规的真实场景数据存量约50万小时,也侧面印证了这一点。即使把本体厂商自采自用的部分算进去,利用率也不会高出多少。

无本体档,原始小时数不缺,有效小时才缺。觅蜂不到八个月累计产出100万小时,京东的采购目标约合每年500万小时,觅蜂自己的产能目标是千万小时级,2027年按原始小时数越过“千万小时”几乎没有悬念。但按界面新闻提到的一天8小时只能产出1到4小时有效数据,有效率只有12.5%至50%,而外部付费需求只有100万至400万有效小时。低标准的数据是过剩的,真正紧缺的是头部客户提出的高标准,60FPS、1080P、双目、深度,时间同步和空间标定精度也都要过关,能满足的供应商并不多。

仿真档,供给弹性最大。仿真数据的成本据称只有真机的约1%,限制它的不是产能,而是仿真到现实的迁移效果。英伟达的范麟熙在红杉AI Ascent 2026大会上提出,要用世界动作模型取代VLA模型,用UMI和第一视角数据取代真机数据,需求结构本身也在变化。



图14|红杉AI Ascent 2026大会范麟熙演讲。来源:红杉资本。

把三档合起来看,缺口的真实形态并不是“缺很多小时”。按原始小时数,无本体档在2027年就能越过千万小时;按有效小时折算,大约在数百万到一千万之间。真机遥操作档,按全球每年新增100万至200万小时估算,要到千万小时需要5到10年,除非技术路线转向无本体。真正稀缺的,是多场景、高精度、能通过验收这三个条件的交集。

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
泪流满面!母亲离世85天后,子女才发现3年前写下的遗书,生死看淡,豁达文字打动无数网友

泪流满面!母亲离世85天后,子女才发现3年前写下的遗书,生死看淡,豁达文字打动无数网友

火山詩话
2026-11-18 13:53:54
普京特朗普提前放话,深圳这场碰面,一定抓住和金正恩谈话的机会

普京特朗普提前放话,深圳这场碰面,一定抓住和金正恩谈话的机会

缘史记
2026-11-18 14:29:27
毛主席气场最强的一张照片,仅凭一个抽烟动作就无人能比!

毛主席气场最强的一张照片,仅凭一个抽烟动作就无人能比!

微野谈写作
2026-11-18 10:55:09
就在大家都以为中国会坚决回应时,北京却选择了战略克制。

就在大家都以为中国会坚决回应时,北京却选择了战略克制。

回京历史梦
2026-08-22 18:23:43
多名院士呼吁停止食用:高胆固醇“加速器”,上了年纪尽早戒掉

多名院士呼吁停止食用:高胆固醇“加速器”,上了年纪尽早戒掉

健康科普365
2026-11-08 18:30:10
轻松一刻:现在正常走都会疼,小时候跑过去都不疼~

轻松一刻:现在正常走都会疼,小时候跑过去都不疼~

莱月昂
2026-11-18 22:21:17
湘雅二院“虾滑论文”火了:湖南写成人类,一厘米刻12毫米,还拿了五项基金!

湘雅二院“虾滑论文”火了:湖南写成人类,一厘米刻12毫米,还拿了五项基金!

迷世书童
2026-11-18 00:05:12
是击毁、击落,还是干扰?中国如何应对印度可能到手的图-160

是击毁、击落,还是干扰?中国如何应对印度可能到手的图-160

文史道
2025-01-24 20:16:55
iPhone 18、Air 2屏幕进入量产准备,明年3月发布基本确定

iPhone 18、Air 2屏幕进入量产准备,明年3月发布基本确定

科技兽
2026-11-18 22:35:10
路虎卫士松赞朝圣之路联名版上市:限量发售20台,售价79.88万元

路虎卫士松赞朝圣之路联名版上市:限量发售20台,售价79.88万元

IT之家
2026-11-18 16:13:38
深圳APEC领导人会议今日开幕,你必须知道的10件事

深圳APEC领导人会议今日开幕,你必须知道的10件事

刘润
2026-11-18 08:07:50
CBA杯-天津胜NBL上海玄鸟拒爆冷 尼克斯34+7+7+5+9失误

CBA杯-天津胜NBL上海玄鸟拒爆冷 尼克斯34+7+7+5+9失误

醉卧浮生
2026-11-18 17:55:57
“被白嫖了”42岁单亲妈妈,怀了30岁网友的娃,让她打掉还拉黑她

“被白嫖了”42岁单亲妈妈,怀了30岁网友的娃,让她打掉还拉黑她

江山挥笔
2026-06-04 21:03:25
杨超越在工厂打工时候的照片曝光!网友炸了:这妥妥的厂花啊!

杨超越在工厂打工时候的照片曝光!网友炸了:这妥妥的厂花啊!

黎兜兜
2026-08-25 22:25:21
油价调整:注意,预计下调390元/吨,跌幅继续下探!

油价调整:注意,预计下调390元/吨,跌幅继续下探!

金投网
2026-11-18 10:41:08
当下 “发不出工资” 的 4 个行业!比想象中还严重!

当下 “发不出工资” 的 4 个行业!比想象中还严重!

职场资深秘书
2026-11-16 15:09:51
康生中伤周总理,吴法宪报告林彪,林:不要上当,他自己想当总理

康生中伤周总理,吴法宪报告林彪,林:不要上当,他自己想当总理

江东浪流史
2024-12-22 08:00:03
“我们自愿有何罪”?三男三女聚众淫乱,三亚高知换妻游戏案始末

“我们自愿有何罪”?三男三女聚众淫乱,三亚高知换妻游戏案始末

易玄
2026-09-13 11:43:30
一周多达10次,48岁男子不幸猝死,妻子:多次劝说,他就是不听

一周多达10次,48岁男子不幸猝死,妻子:多次劝说,他就是不听

杜医生聊健康
2026-07-24 17:49:27
抗美援朝最难启齿的一幕:17岁女卫生员为救战友突破生理底线,事后绝口不提,44年后秦基伟的回忆才揭开真相

抗美援朝最难启齿的一幕:17岁女卫生员为救战友突破生理底线,事后绝口不提,44年后秦基伟的回忆才揭开真相

磊子讲史
2026-11-11 16:38:00
2026-11-18 23:12:49
数据猿DataYuan incentive-icons
数据猿DataYuan
数据智能产业创新服务媒体
3060文章数 623关注度
往期回顾 全部

科技要闻

离职后首份声明!黄仁勋认错愿回归

头条要闻

追上特朗普专机 马斯克又来了

头条要闻

追上特朗普专机 马斯克又来了

体育要闻

“中超卡里乌斯”,成了大连的夺冠英雄

娱乐要闻

主持人张泉灵被曝猛料,公司成老赖

财经要闻

黄仁勋留下的高分成绩单,能延续吗?

汽车要闻

全新红旗H9最有意思的地方,是它开始有自己的豪华逻辑了

态度原创

教育
家居
健康
房产
数码

教育要闻

第十五届“挑战杯”中国大学生创业计划竞赛主体赛拟授奖名单,公布!

家居要闻

2026建博会(广州) 公装联探展交流活动

医生眼里"很伤腰"的椅子,很多人天天坐

房产要闻

周大生出手!海棠湾又一大商业体来了

数码要闻

34999元起,华硕RTX Spark迷你主机ProArt GR1X发售

无障碍浏览 进入关怀版