具身数据采集：一条正在成形的独立赛道

湖南郴州的营业厅里，藏着机器人训练的起点 在湖南郴州，一家中国移动营业厅挂出“具身数据采集5S店”的招牌。普通市民领一套夹爪、手套和头戴相机，经过简短培训，就能在家务劳动中同步采集机器人所需的物理交互数据。首批投放的1000套设备，满负荷运转下，年均可产出百万小时级真实动作数据。这不是营销噱头，而是一种轻量、下沉、可规模复制的数据采集新范式。 四条主干路线，撑起整个数据基建 当前具身数据采集已形成四大技术路径：真机遥操、无本体采集、仿真合成、互联网视频蒸馏。其中，真机遥操仍是主流——22家公司单独押注该路线，多为国资平台与机器人厂商；无本体采集则成为新锐力量，15家初创公司集中布局Ego视角、肌电传感、触觉映射等细分方向；仿真合成仅剩2家坚持纯虚拟路径，其余均已转向混合采集；而视频蒸馏路线目前仅1家深耕，主打极低成本的数据提取能力。 值得注意的是，超四成数采主体选择跨路线并行——30家公司同时部署两种及以上方案。这并非策略摇摆，而是现实倒逼：单一路径无法覆盖机器人训练所需的全维度数据。行业普遍用“数据金字塔”来描述需求结构——底层是海量基础动作，中层需任务逻辑与环境反馈，顶层依赖高保真物理交互。没有哪一种方式能独自筑塔。 玩家结构清晰：新势力主导采集，老玩家掌控基建 97家国内具身数据相关主体中，独立数据服务商达39家，占比最高；国资平台25家，机器人公司24家，工业与IT跨界者5家，大厂平台型公司4家。这意味着，具身数据已脱离附属地位，成为具备自我生长逻辑的独立产业分支。 更深层的分化在于基因构成：65家为“具身原生”企业，即创立之初即聚焦该领域；32家由AI标注、自动驾驶、动作捕捉或工业自动化等领域转型而来。有趣的是，这种分布呈现明显错位——70家数据采集公司中，八成以上是原生新锐；而27家数据基础设施（infra）提供商中，七成来自传统AI数据服务老兵。原因在于：采集端需要从零构建场景、动线与人机协同体系，轻装上阵的新公司更具敏捷性；而infra环节依赖成熟的数据管线、质检标准与交付经验，老玩家反而拥有天然迁移优势。 产能扩张激进，但供需鸿沟依然巨大 目前行业年产能约为160万–180万小时真实交互数据，外加7000万–8000万条结构化样本。而短期目标（1–3年内）是冲击2500万–3500万小时，增幅达15–20倍。这一跃迁背后，是数采工厂在全国20个省份铺开，长三角以30座工厂居首，三线城市如郴州、宿迁、自贡亦成重要节点——低成本人力+真实生活场景，正构成不可替代的数据富矿。 然而，对比大语言模型动辄千亿token的训练语料，全球高质量具身交互数据总量尚不足50万小时，仅为LLM数据量的两万分之一。即便产能目标全部兑现，也仅相当于迈过起跑线。真正的瓶颈不在产能，而在数据质量定义、跨场景泛化能力与物理世界建模深度。 资本态度冷静：撒网式布局，尚未出现重仓标的 过去一年，15家纯粹聚焦具身数据采集、不碰硬件与模型的独立服务商，共完成34轮融资，总额约44.7亿元。其中光轮智能一家占去七成，估值超135亿元，成为全球首个具身数据独角兽。其余公司多处于Pre-A轮及以前，半数成立不足一年，尚无一家公开盈利。 69家投资机构参与其中，但出手最频的国方创投仅投3次，六成以上机构仅投1次。资本并未押注单点，而是在广撒网——既因赛道早期变量未收敛，也因“卖数据”模式尚未验证可持续盈利。相比具身大脑动辄数十亿的单笔融资，数据服务商仍被视作基础设施中的“劳动力密集型”环节，价格承压、天花板可见，但延展性不容忽视：能力可向模型评测、物理世界数字孪生、跨国数据服务迁移。 三条共识，指向一个验证窗口期 第一，具身数据已是一条真实存在的独立赛道，正在催生新职业、激活地方经济、重构AI供应链分工； 第二，它仍处于高度早期：技术标准未统一、商业模式未闭环、头部格局未定型； 第三，资本用行动投票——当前是验证期而非爆发期。未来一到两年，谁率先实现规模化交付、稳定单价、正向现金流，谁就可能真正立住“卖铲人”的定位。而这场验证，不靠概念，只靠真数据、真场景、真利润。