北京
作者｜周淼
主编｜赵妍
来源｜星火Ember
今年世界机器人大会（WRC）上有个微妙的变化：数据采集设备从去年的配角，，一跃成为今年各家展台的重点展示内容。厂商们也不再满足于实验室里的标准动作，而是开始秀“真实场景自采”。
这背后不是展台布置的偶然，而是行业风向的切换。随着机器人从DEMO走向落地，业内逐渐形成一种共识，眼下卡脖子的不再是“身体”或“大脑”，而是数据——海量、高质量、能够从真实环境中采集的数据。
据亿欧智库报告估算，至2026年初，全球高质量具身交互数据仅约50万小时。而训练一个能泛化的通用模型，门槛是千万小时级。正是基于这样的数据缺口，数采中心的建设在过去一年迅速铺开。
数采中心一般由企业自建或与地方政府、科研机构共建。据Interact Analysis的一份报告，过去一年全国至少已有90个数采中心投入运营或在规划建设中，头部人形机器人厂商几乎都在其中。
但与此同时，部分数采中心的实际运行效果也引发关注。近期，北京首个人形机器人数采中心悄然关停，合作机器人厂商睿尔曼智能直言，实验室遥操数据不好用——具身智能要真正“干活”，数据必须来自真实生产生活场景。
产能的算盘
业内通常将训练数据分为互联网、仿真和真实世界三大类。前两类成本低，适合模型预训练阶段“见世面”，但要让模型真正靠谱，终究需要真实世界的数据在后训练阶段来校准和微调——前述高质量具身交互数据，即来自这类真实数据。
而真实世界数据的获取，主要分为两种，一种为无本体采集，人戴着设备在真实场景干活就行，不需要机器人本体；另一种为真机遥操——采集员戴上VR头显，与机器人视野对齐，遥控机器人执行任务。
无本体数据便宜又能堆量，所以预训练阶段大量用，让模型先学会“动作大概长什么样”。但真机遥操的数据才是后训练阶段的刚需——毕竟模型最后要装在机器人身上干活，这一步没法省。这也是数采中心最主流的采集模式。
头部厂商早已跑马圈地。截至目前，智元机器人、优必选、宇树、乐聚均已自建或参与了10座以上数采中心的建设，其中智元参与数量超30个。此外，银河通用、睿尔曼、星海图、傅利叶也在多个中心成为数据采集终端。
比建厂更值得看的，是各家喊出的产能目标——“百万小时”几乎已是门槛：智元2026年规划了千万小时有效数据目标，其中约200万小时为真机数据，800万小时为无本体数据；
优必选提出超100万小时真实数据采集目标，来源包括工厂真实场景、仿真数据、无本体数据；星海图、千寻智能、鹿明机器人、灵初智能等厂商也纷纷喊出100万小时真实数据采集的目标，但数据来源同样指向无本体数据。
不难看到，同样叫“百万小时”，有的实打实是真机跑出来的，有的则把仿真数据、无本体数据也一并打包。数字对不上口径，“百万小时”到底有多少真机含量，得先打个问号。
喊目标的人口径对不齐，不喊目标的人连数都不给：近期冲刺IPO的乐聚和刚上市的宇树科技，均未在招股书或公告中提及数据采集的产能目标——尽管两家公司均已参与数采中心的建设，且将相关投入列为募投方向之一：
乐聚拟使用6.16亿元募资建设高质量大规模数据集，仅在招股书中提及“技能模型已在纸箱拆垛场景验证，大模型研发仍在起步阶段”；宇树拟使用8.65亿元用于智能机器人算法研发（涉及数采），同样没给出具体产能数字。
一边是“百万小时”的目标，一边是招股书里对产能闭口不谈，理想与现实，可能还有不小的距离。
现实的账本
要知道，想在数采中心采出高质量的真机数据，远非让机器人动起来那么简单。从动作捕捉、多模态同步到人工标注、质检，每一个环节的偏差都可能产出低质数据。有业内人士直言，数据采集后续的数据清洗、标注有时比采集本身还费劲。
效率瓶颈同样触目惊心。在智元机器人合伙人姚卯青口中，一名专业遥操员一天工作8小时，平均只能产出2到3小时有效数据。而从前述头部厂商已披露的数采中心项目来看，单台机器人的数据产能规划大致在4小时/天：
智元无锡工厂部署300台机器人，年有效数据50万小时，就此推算，单台机器人的日产能（按年365天）约4.6小时；乐聚（济南）数采中心规划45台机器人，年有效数据近7万小时，单台日产能约4.26小时。
这意味着，要实现上述规划产能，机器人需一年365天连轴转，遥操员每天至少到岗12小时。这还不算上中间的试错成本——设备故障、维护检修，哪样不需要时间来补缺口？
北京人形机器人创新中心数据训练基地相关负责人曾在3月对媒体透露，该基地数据合格率从50%提升到95%花了三个月，期间历经人员培训、流程建立、问题追溯与质量标准优化的反复试错。
目前，该基地日产能约500小时数据，集中宇树、优必选等品牌的120台主流机器人，推算出其单台机器人日产能在4.17小时左右。也就是说，规划的产能看似触手可及，但落地还需要爬坡期。
再来看成本，数采中心是典型的吞金兽，单台人形机器人造价60万至70万元，加上场景搭建、团队运营、多模态采集系统等，一个百台级中心的前期投入动辄数亿元。据业内估算，单小时真机数据的采集成本已达数百至上千元。
来看一组更直观的数字：乐聚前述搭载了45台机器人的济南人形机器人数采中心，总投资约5亿元。优必选2025年签下了14亿元订单，其中近六成来自数采中心，采购的正是其核心机器人产品。
一个绕不开的疑问是，数采中心花大力气建“片场”，性价比还撑得住吗？
片场数据的“性价比”
先得说清楚：真机数据本身是有价值的，业内公认，模型训练离不开它，尤其是后训练阶段。但当前数采中心采集的大多是“片场数据”——在1：1复刻的家庭、商超场景里跑动作、练模型。
斯坦福《2026 AI Index Report》给了个刺眼的数字：仿真环境任务成功率 89.4%，进真实家庭骤降到 12.4%。而数采中心的片场数据同样面临着这个问题：场景预设、物体固定、没有意外。
再把各家的规划摊开，家庭、餐饮、商超、工业几乎成“标配”，场景趋同、动作雷同、数据形态高度相似——你采我也采，投下去的钱不少，产出的数据却长着同一张脸，差异化从哪来？
行业正在转向：睿尔曼撤出北京首钢园数采中心，转向真实工作场景采集。这并非个例。越来越多手握场景的新老玩家都已经让机器人到餐厅、家庭、工厂中干真活，遇到搞不定的事人工接管，数据自动沉淀。
鹿明机器人创始人喻超直言，“实验室采集的数据、仿真生成的数据、视频数据,有用,但不足以让机器人在工厂里稳定干活。”
更底层的变化是采集方式：过去行业默认，只有机器人本体遥操采的才算高质量真实场景数据。但无本体采集正在打破这一认知：自变量近期的测试显示，在部分任务中，10份无本体数据配1份真机数据，效果等同于同等规模的纯真机数据。
这意味着，真机数据还是要的，但需求量正在缩水。这条路线已经有厂家在跑通商业化。主打仿真合成数据与实景无本体采集业务的光轮智能，今年上半年订单新增数亿，部分优质数据复售率超10倍。
相较之下，机器人厂商自建数采中心目前主要还是服务于自家模型训练——真机数据被视为竞争壁垒，且存在“跨本体”难题，换一台不同构型的机器人，采集的数据就得重来。多名机器人厂商均表示，真机数据只靠自采。
这就好比餐馆里的招牌菜——米面粮油可以到处进货，但独家配方得攥在自己手里。更麻烦的是，灶台换了火候还得重调，哪怕你把方子给别人，别人的灶跟你的不一样，照样做不出同一个味。
另一边，回本的压力已经压到眼前。有报道提到，一座此前采购约8000万元机器人的数采工厂，因为回本时间超过预期，今年初已经把部分机器人转卖给了学校——风口上砸下去的钱，一旦算不过账，连机器人都得另寻出路。
片场还在扩建，但观众已经开始离场了。
