幫機器人“搞數據”：錢很多、泡沫很大

文｜定焦One

具身智能的數據基建，正在成為"上游戰場"。

最近的AI論壇上，總繞不開這樣一組對比數據：LLM預訓練有數十萬億token，自動駕駛有百億小時數據，而具身智能目前公開可用的操作數據，只有幾十萬小時級別。多家具身智能本體廠商也公開表態，數據是當前最大的瓶頸。

一邊是機器人在春晚舞臺上跳舞、翻跟頭，在實驗室疊衣服、當24小時售貨員；另一邊是一走進真實家庭或工廠，就頻頻翻車。反差背后，問題指向了數據短缺，并催生出一條獨立的賽道。

過去半年，資本開始密集流向數據公司：光輪智能短短兩個月內連續完成兩輪融資，估值超20億美元，成為全球首個具身數據領域獨角獸；2025年成立的簡智機器人，獲螞蟻、滴滴、德聯領投；覓蜂科技從智元孵化獨立后，迅速完成數億元融資。

數據從訓練環節里的一個變量，成為獨立賽道，只用了不到一年。這背后是兩個信號。

具身智能投資人天機辯解釋，一是VLA大模型的泛化瓶頸開始顯現，數據質量才是機器人大腦的天花板；二是本體廠出貨節奏比預期快，數據需求從研發探索被推到了量產必備。

這個判斷在一線得到了印證。形芯智能是一家專門做具身智能數據的第三方公司，副總裁朱軍每天跟客戶打交道，對數據短缺的體感最直接。他告訴「定焦One」，前兩年行業都在埋頭搞整機、靈巧手等硬件，等硬件真做出來才發現，機器人換個物體、換個環境就不會操作，短板全卡在數據上。廠商光靠內部采集根本供不上模型迭代節奏，缺口一暴露，第三方數據的需求自然就起來了。

但數據這塊拼圖并不好補。真機采集太貴、場景覆蓋分散、廢片率高，加上各家采各家的、格式互不通用，行業總數據量遲遲上不來。

缺口足夠大，涌入的玩家足夠多，這條賽道還在變擠。

01.誰在提供數據？四條生產路線

2023年，具身智能行業剛剛起步時，缺數據的問題便被關注。機器人的數據到底難在哪兒，為什么不能像大模型那樣直接從互聯網上獲取？

具身智能訓練的核心是"動作"。機器人要學會擰瓶蓋、疊衣服、開抽屜，需要的是"看到什么-做什么-力度多大-關節怎么動"的完整閉環，這類數據在互聯網上幾乎不存在，必須"造"出來，而怎么造，直接決定了成本、質量和規模化空間。

目前，具身智能主要分四大類數據采集路線，成本、保真度各有優劣，頭部公司往往不押注單一路線，會選擇多線并行。

首先是真機采集。由操作員佩戴VR、AR頭顯，將畫面同步到機器人的攝像頭視角，然后控制機器人的每一個動作。

這一方式產出的數據質量最高，可以直接用于訓練VLA模型。智元、優必選等頭部人形機器人廠商，以及去年才成立的靈御智能，都押注了這一路線。

但該路線的采集成本很高，既要購買真機，對操作員也有要求。特斯拉Optimus數據采集員時薪在25-48美元。

一位具身智能從業者表示，長時間佩戴VR頭顯不僅很容易暈，操作員還需通過VR畫面判斷空間距離和物體位置，稍不留神就容易出錯，高廢片率是常態。有從業者統計，數據的普遍利用率為60%-70%。

國內的部分公司試圖通過"人臂同構"設計降低門檻，但這一設計犧牲了機器人"超人性能"，其采集的數據集無法讓機器人完成鉆狹縫這類特殊場景的任務。

第二類是無本體采集。

此路線不需要機器人本體，采集完的動作數據在后期通過重定向映射到目標機器人本體，成本約為真機遙操的一半甚至更低，主要分為可穿戴設備、動作捕捉。代表公司有覓蜂科技、簡智機器人。

可穿戴設備采集的代表是UMI（通用操縱接口），人手持特制夾爪直接操作物體，同步記錄軌跡和視覺數據。動捕采集則是人穿戴動作捕捉設備記錄全身或手部運動，可用于驅動人形機器人或生成仿真數據。

但這類采集方式有兩大局限。

一是人手戴夾爪操作時，只能知道"抓住了"或"沒抓住"，感受不到用了多大的力、力是如何變化的，因此像擰瓶蓋、插USB這類需要"邊感受邊調整力道"的精細活，其訓練出來的模型雖然看起來動作是對的，但一上手就容易使錯勁。二是人的動作"翻譯"給機器人時，會產生大量的信息丟失。

第三類是仿真合成，主要通過模擬虛擬物理世界，批量生成機器人操作數據。

這條路線對技術能力要求很高，尤其是在縮小虛擬與現實差距方面，需要自研仿真引擎、物理參數校準等能力。以光輪智能為例，它自研了一套"能模擬、能測量、能生成"的仿真系統，累計交付超100萬小時人類行為數據，復售率超10倍，是目前仿真路線里規模最大的一家。

不過這類路線短板也很明顯，在仿真環境里，物體的各項屬性都是設定好的，比如杯子重量、表面的光滑程度，為固定數值。但真實場景中，杯子可能裝了水、手可能是濕的，這些細微變化難以完全模擬到位，導致操作失敗。

第四類方式是視頻蒸餾，近期被越來越多公司采用。

它是直接提取互聯網上已有的第一人稱或第三人稱操作視頻（比如Ego4D、YouTube烹飪視頻等），利用模型反推"人做了什么動作"，產出結構化數據（比如手 pose、物體軌跡、關節級動作），再遷移到機器人上。

舉個例子，一段人擰瓶蓋的視頻，不僅僅記錄某一次的關節角度，還能提煉出"手到這個位置、施加這個方向的力，瓶蓋就會轉"的通用規律。這種方式沒有涉及動作采集，只有篩選和清洗，邊際成本極低，數據量極為龐大。近一年來，這項技術受到行業重視，主要得益于世界模型的成熟，讓提煉精度達到了商用水平。代表公司是極佳視界，其三個月內累計融資約35億元，估值已達百億級別。

Ego4D網站截圖

但缺點在于，視頻里只有視覺信息，沒有關節角度、發力大小等動作細節，且人手與機械臂明顯不同，無法直接用于端到端訓練，通常只作為輔助數據。

需要指出的是，如今各家都采取多條路線并行的策略。比如，以仿真數據為核心的光輪智能，也開始采集人類數據。曾是堅定仿真派的銀河通用，同樣發布了全身遙操作系統。自動駕駛數據標注出身的愷望數據，更是多路線通吃，無本體、真機遙操、仿真合成它都能承接。

朱軍總結，現在資本市場比較偏愛合成仿真和全鏈路平臺，其次是可穿戴，真機路線少有人看，但線下客戶剛需還是真機數據，仿真只能做輔助。路線融合趨同已是明確趨勢，仿真廠商搭建數據管理平臺，搭配真機數據校準；可穿戴企業疊加合成數據擴充樣本；真機采集團隊自研仿真、視頻蒸餾工具降本。

02.收入幾百萬，估值飆到幾個億

數據造出來只是起點，能不能賣出去、賣給誰、能不能持續賣，才是這條賽道能不能立住的關鍵。

據天機辯調研估算，國內具有持續采購能力的數據客戶非常有限。目前主要分三類：機器人本體廠商、具身模型（VLA和世界模型等）團隊，以及高校和科研機構。考慮到不少客戶仍停留在驗證階段，真正具備規模化采購能力的客戶，可能只有幾十家。

而且，這幾十家客戶的付費意愿也不穩定。一位具身智能數據廠商表示，目前本體廠商采購外部數據，主要是因為"自己采不夠用"，一旦本體廠的數據采集體系跑通，外部采購可能就會大幅收縮。

朱軍坦言，"先買一批數據試用，跑通后自己建團隊復刻"的客戶不少，他們的應對方式是盡量配套專屬采集工具、場景工藝和迭代方案。而且"持續跟著客戶更新數據標準，客戶自己復刻的綜合成本、周期都很高，目前還很難完全替代我們。"

至于變現方式，也主要有三種，進入門檻和護城河各不相同。

其中，一次性買斷數據集占主流，這也是最卷的商業模式。

以EGO可穿戴采集路線為例，目前市面上很多小團隊買改裝頭顯+腕帶相機+開源標定代碼，幾萬塊就能搭一套采集工位，但標定漂移、遮擋、同步丟幀導致廢片率往往在30%上下，數據質量參差不齊。一次性買斷數據集之所以占主流，主要在于它最簡單，但也最容易被復制。

第二類是賣硬件，比如可穿戴采集設備、遙操工作站，甚至整臺采集專用機器人。壁壘在于硬件設計、供應鏈和產能。風險在于賣出去之后，客戶完全可以自己組織人力采數據。

第三類是賣平臺、訂閱和服務，壁壘最高但起步最難，需要客戶已經形成規模化數據消耗習慣，而目前的市場還沒到這一步，僅部分公司在試探。

朱軍透露，他們現在的收入主要是靠標準化數據集售賣和定制項目采集，綜合毛利率不高，人力是最大成本，標注、采集、算法研發人員開銷占比最高，其次是采集硬件折舊，算力成本反而占比最低。他們的長期目標是綁定客戶長期迭代需求，降低一次性數據集銷售。

在天機辯看來，具身智能數據行業的商業模式還處在探索階段。"雖然幾個頭部數據玩家已經獲得了穩定的國內外客戶框架訂單和收入合同，但能做到規模化復制的幾乎沒有。"

盡管如此，具身智能數據公司的估值已經水漲船高，有些公司年收入只有幾百萬，估值已經到了幾億。天機辯告訴「定焦One」，市場對具身智能數據的龐大需求，是數據公司估值短期暴漲的主要原因之一。

一位專注硬科技早期投資的投資人表示，"現在投具身數據，看的不是PE，甚至不是PS，而是單客戶價值×潛在客戶數×數據壁壘系數。光輪智能一個季度新增訂單5.5億元，等于給行業定了一個標準，如果能達到10%的光輪訂單份額，估值就可以參考這個比例去套。"

03.誰能定義具身智能的數據規則？

目前，行業對"什么樣的數據最有價值"還沒有達成共識。

"是仿真數據還是真實數據？是第三視角還是第一視角？"一位從自動駕駛轉行到具身智能的從業者認為，"自動駕駛到了2018年，至少大家公認激光雷達+攝像頭融合是主流方向，但具身智能現在連采集路線共識都沒有，客戶很難持續下單。"

這導致了行業總數據量級被嚴重稀釋，模型被固定在單一本體上，數據格式的對齊成了最讓人頭疼的環節。目前主流的VLA模型，訓練時用的是某一款機器人的數據，學到的操作方式僅適配這款機器人。一旦換一個品牌或型號，數據格式不同、關節配置不同、傳感器布局也不同，之前訓練好的模型就無法直接遷移，只能重新采集、重新標注、重新訓練。

不過，頭部模型廠商也在試圖打破這一困局。比如，海外的具身大腦公司Skild AI主攻跨本體通用底座模型；螞蟻靈波近期也推出LingBot-VLA 2.0，號稱用60000小時數據訓練而成，可適配20多種機器人。但天機辯指出，目前市面上的跨本體通用模型，在實際落地時雖然"能實現跨本體遷移"，但仍需針對具體機型進行適配微調，這一行的技術門檻依然很高。

很多具身智能數據公司也開始嘗試著"定規則"，其中有三家表現得較為活躍：光輪智能、覓蜂科技、簡智機器人，各自側重的方向不同。光輪智能推出了工業級評測平臺RoboFinals，主要涉及評測標準；覓蜂科技主推MEgo硬件加全范式平臺，正在探索推動跨本體數據格式標準的建立；簡智機器人則將重點放在工業級數據格式上。

但無論哪個維度，"定規則"的本質都涉及利益分配。

如果本體廠商自己來定，其他競爭對手難以接受；如果交給第三方，本體廠商也很難放心，比如一旦覓蜂的跨本體格式被市場接受，或者光輪的數據格式成了行業標準，就意味著它們掌握了生態的"收費站"，宇樹、智元等本體公司需要為此持續付費。

同時，數據采集行業還處于早期。目前具身智能本體廠商還處在跑通閉環的階段，比如，智元忙著把遠征和OmniH2搬上產線，宇樹在沖刺G1的穩定量產交付，銀河通用在全力訓練GraspVLA。各家的重點是先把自身最重視的指標跑通，而非關注行業通用標準。

這一發展軌跡和自動駕駛有相似之處，天機辯認為，兩者都是模型性能瓶頸倒逼數據價值顯現，都經歷"先有標注公司、后有數據平臺、最后內化"的路徑壓力，早期也都有大量同質化公司涌入。

但不同點在于，自動駕駛的數據空間相對有邊界，場景是路，規則相對穩定，具身數據面對的場景更多，工廠、家庭、手術室，每個場景的數據分布差異極大，這意味著數據稀缺性更持久，也更難被單一平臺壟斷。

而且，自動駕駛的數據飛輪是車企用出貨量跑出來的，但機器人本體廠出貨量目前遠遠不夠，所以獨立數據公司的窗口期比當年更長，代價是商業化節奏也更慢。

朱軍則認為，現在具身數據領域最大的泡沫信號是三重錯位：行業人人高喊數據是核心，但客戶普遍壓低預算、不愿為高質量真機數據支付合理溢價；賽道玩家扎堆做同質化仿真數據，靠低價內卷；資本瘋狂追捧，可行業整體客戶復購率偏低，多數團隊僅靠融資維持，穩定商業化訂單很少。

這也意味著，雖然標準制定的臨界點尚未到來，但洗牌信號已相對清晰，未來一年，行業將完成從"拼融資"到"拼客戶"的切換。那些只有概念沒有訂單的數據公司會先出局，掌握數據生產、客戶和行業話語權的玩家，才有望成為物理AI時代的"數據基礎設施"。