產業鏈已初步成型，中國信通院聯合發佈具身智能訓練場研究報告

中國信通院聯合人形機器人上海公司與具身智慧測試實驗室，近日共同發布《具身智慧訓練場研究報告（2026年）》。報告指出，訓練場產業鏈已初步成型，整體呈現「上游技術供給活躍、下游應用仍待拓展」的倒三角特徵。這份報告由中國信通院人工智慧研究所主導，聯合業界重要單位共同完成，針對當前具身智慧領域最關鍵的基礎設施——訓練場，進行了全面剖析。報告中所指的具身智慧訓練場，是專門用於訓練機器人、特別是形機器人執行真實世界任務的綜合性平台。這類訓練場整合了模擬環境、真實場景搭建、數據採集系統、算力資源與管理軟體，讓機器人可以在受控條件下反覆學習與進化。

隨著形機器人技術快速演進，訓練場成為決定機器人智慧化水準的核心環節，也是產業鏈能否真正落地的關鍵基礎。從產業鏈結構來看，報告分析上游技術供給層面相當活躍，包括感測器、算力晶片、模擬引擎、演算法框架、數據標注工具等供應商持續投入，讓訓練場的技術基礎日益成熟。然而，下游應用場景仍處於早期探索階段，無論是工業製造、物流配送、家庭服務或醫療照護，真正的規模化商用還未全面展開。這種倒三角結構反映出供給端能量充沛，但需求端尚未完全釋放，需要更多示範應用與商業模式驗證來推動閉環。報告特別強調，訓練場屬於重資產投入類型，建設成本涵蓋範圍極廣。

從場景建設開始，需要搭建貼近真實環境的模擬空間，例如居家、工廠、倉儲等不同場域；接著是數據採集設備與本體設備，包括高精度相機、力感測器、雷射雷達以及機器人本體；此外還需要大量的算力資源，通常依賴GPU伺服器叢集來支援模型訓練與即時模擬；網路基礎設施要求低延遲、高頻寬；存儲系統則需大容量固態硬碟與分散式檔案系統；最後還需要一套管理系統來調度任務、記錄資料。光是這些硬體與軟體的初始投入，就讓許多單位卻步。日常運營費用同樣不容小覷。電力消耗是最大開支之一，尤其當算力集群全天候運轉時，電費相當可觀。設備維護需要專業技術人員定期檢查、更換零組件；數據標註與清理也需要大量人力或AI輔助工具。

此外，場地租金、網路費用、保險成本等都持續產生支出。報告指出，多數訓練場建設時間尚短，尚未達到損益平衡點。在商業模式方面，報告觀察到目前訓練場的主流收入來源是數據產品出售。所謂數據產品，包括預先採集的訓練資料集、模擬環境的場景資料庫、以及特定任務的演示數據等。這些數據可以直接賣給機器人開發者或研究機構，用於模型預訓練或演算法驗證。數據產品出售確實是最快形成現金流的業務，但僅靠出售數據，難以回收數億元等級的重資產投入，回本週期往往長達數年甚至更久。

除了數據產品，部分訓練場也正在探索其他業務方向，例如為企業提供模型與本體訓練驗證服務，讓客戶租用場地與設備進行專屬訓練；或者與客戶進行聯合研發，共同開發新的訓練演算法或應用場景；另外還提供測試驗證服務，幫助廠商檢驗機器人產品在特定環境下的性能與安全性。然而，這些業務目前佔比不高，尚未形成穩定的大規模收入。報告認為，訓練場產業要實現永續發展，必須積極建構多元收入結構。其中一條路徑是平台化交易，即建立類似雲端市集的平台，讓數據提供者、算力供應商、模型開發者與終端用戶能在同一個生態體系中進行交易，平台從中抽取佣金或服務費。

另一條路徑是拓展增值服務，例如提供數據分析報告、客製化訓練方案、技術諮詢等，提高單一客戶的平均收入貢獻。第三條路徑是「訓練即服務」，類似雲端運算的服務模式，客戶不需自行擁有訓練場，而是按需租用算力、場景與數據資源，按使用時長或任務量計費，大幅降低初期投入門檻。整體來看，具身智慧訓練場正處於從建設期邁向營運期的關鍵轉折點。上游技術的快速進步為訓練場提供了更高效、更低成本的解決方案，但下游應用的拓展仍需時間與市場教育。報告建議相關業者應盡快建立可複製的商業模式，透過生態合作與服務創新來縮短回本週期，並推動整個具身智慧產業鏈走向成熟。

隨著更多資金與人才投入，訓練場有望在未來幾年內成為人工智慧基礎設施中的重要一環。