幫機器人“搞數據”：錢很多、泡沫很大

資本瘋狂追捧，客戶卻沒幾個，這是當下機器人數據賽道的真實寫照。具身智能的數據基建正成為新的「上游戰場」，無論是AI論壇還是行業座談，都反覆出現一組對比：LLM預訓練有數十萬億token，自動駕駛有百億小時數據，但具身智能目前公開可用的操作數據，只有幾十萬小時級別。多傢俱身智能本體廠商直言，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，在實驗室裡能疊衣服、當24小時售貨員；另一邊卻是一走進真實家庭或工廠就頻頻翻車。反差背後，矛頭直指數據短缺，這也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；從智元孵化獨立出來的覓蜂科技，也迅速完成數億元融資。數據從訓練環節裡的一個變量，成為獨立賽道，只用了不到一年。具身智能投資人天機辯解釋，這背後釋放兩個信號：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。

形芯智能副總裁朱軍每天跟客戶打交道，他透露，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。廠商光靠內部採集根本供不上模型迭代節奏，缺口一暴露，第三方數據需求自然就起來了。但數據這塊拼圖並不好補。真機採集太貴、場景覆蓋分散、廢片率高，加上各家採各家的、格式互不通用，行業總數據量遲遲上不來。目前具身智能主要分四大類數據採集路線，各有優劣。第一類是真機採集，由操作員佩戴VR、AR頭顯控制機器人的每一個動作，產出的數據質量最高，但成本極高，且長時間佩戴VR頭顯容易暈，高廢片率是常態，數據普遍利用率僅60%至70%。

第二類是無本體採集，成本約為真機遙操的一半甚至更低，主要分為可穿戴設備和動作捕捉，但人手操作與機器人動作間的「翻譯」會產生信息丟失，難以完成精細任務。第三類是仿真合成，通過模擬虛擬物理世界批量生成數據，以光輪智能為代表，但短板在於虛擬與現實的差距難以完全模擬。第四類是視頻蒸餾，從互聯網上的操作視頻利用模型反推動作，邊際成本極低，但缺乏關節角度、發力大小等細節，通常只能作為輔助數據。如今各家都採取多條路線並行的策略，朱軍總結，資本市場比較偏愛合成仿真和全鏈路平臺，但線下客戶剛需還是真機數據。數據造出來只是起點，能不能賣出去才是關鍵。

據天機辯調研估算，國內具有持續採購能力的數據客戶非常有限，主要分為機器人本體廠商、具身模型團隊，以及高校和科研機構，真正具備規模化採購能力的可能只有幾十家。變現方式主要有三種：一次性買斷數據集最主流但也最容易被複制；賣硬體設備，壁壘在於供應鏈與產能；賣平臺、訂閱和服務壁壘最高但起步最難。朱軍透露，他們目前的收入主要靠標準化數據集售賣和定製項目採集，綜合毛利率不高，人力是最大成本，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。儘管商業模式還在探索，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，估值卻已達幾億元。

一位專注硬科技早期投資的投資人表示，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。目前，行業對「什麼樣的數據最有價值」還沒有達成共識，數據格式的對齊成了最讓人頭疼的問題。一旦換一個機器人品牌或型號，之前訓練好的模型就無法直接遷移，只能重新採集、重新標註、重新訓練。頭部模型廠商試圖打破困局，海外的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，但業界指出，實際落地時仍需針對具體機型進行適配微調，技術門檻依然很高。

許多數據公司也開始嘗試「定規則」，光輪智能推出工業級評測平臺，覓蜂科技主推硬件加全範式平臺，簡智機器人則將重點放在工業級數據格式上。但無論從哪個維度，「定規則」都涉及利益分配，本體廠商難以完全信任第三方。目前整個數據採集行業還處於早期，本體廠商忙著跑通產線閉環，還無暇顧及行業通用標準。業界認為，這條賽道的發展軌跡與自動駕駛有相似之處，但不同點在於，自動駕駛的數據場景相對有邊界，而具身數據面對的場景更多元，數據稀缺性更持久，也更難被單一平臺壟斷。

不過，泡沫信號也已浮現：行業人人高喊數據是核心，但客戶普遍壓低預算，不願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。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，只有掌握數據生產、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」。