新华社旗下中国证券报近日发布深度报道指出：具身智能行业正从实验室走向真实场景，数据成为决定落地成败的关键因素。行业头部数据需求方普遍有全年百万小时级的数据需求，而供给端却面临成本高昂、效率低下、标准缺失等多重瓶颈。这场悄然打响的"数据军备竞赛"，正在重塑整个产业的竞争格局。
头部玩家入场：数据赛道已成新战场
2026年4月，具身智能数据赛道迎来密集布局。帕西尼联合京东云、腾讯云、百度智能云共同推出全模态具身智能数据云商城;智元机器人控股的觅蜂科技发布一站式物理AI数据服务平台，计划到2026年和2030年分别实现千万小时级和百亿小时级数据产能。
与此同时，光轮智能宣布完成近10亿元融资，成为具身数据领域首个"独角兽"企业，今年一季度已获得5.5亿元订单。
觅蜂科技CEO姚卯青的判断很直接："当下正处于数据军备竞赛的起点。"行业头部数据需求方普遍有全年百万小时的数据需求，而供给端却严重滞后。这个缺口有多大?按照传统真机遥操作的效率，百万小时数据意味着数千名工程师连续数月的高强度工作，仅人力成本就高达数亿元。
三条技术路线：谁在重新定义数据采集
面对百万小时级的数据缺口，行业正在探索多条技术路线来突破瓶颈。目前最具代表性的有三条路径，它们代表了从"手工时代"到"工业时代"的不同进化方向。
路线一：无本体穿戴采集
今年4月觅蜂科技发布的MEgo系列是典型代表——包括夹爪造型的手持采集设备MEgo Gripper，以及穿戴在头部和手部的MEgo View采集终端。这些设备不需要机器人本体参与，直接采集人类操作者的动作轨迹和环境信息，再将数据部署至机器人。今年3月鹿明机器人发布的FastUMI同样走这条路线，将单条数据采集时间从传统遥操作所需的50秒缩短至10秒，综合成本降至原来的五分之一。预计无本体方案普及后，采集效率将达到真机采集的两三倍。
路线二：互联网视频预训练
千寻智能选择了一条更独特的路径——基于海量人类互联网视频进行预训练，通过自研设备将数据采集成本降低了90%。这种方式的优势在于数据规模几乎无限，互联网上有数十亿小时的人类操作视频可供挖掘。挑战在于视频数据与机器人动作空间之间存在"语义鸿沟"，需要强大的算法能力来提取可用的动作信息。
路线三 · 基元智航核心方案
多视角真实数据工业化采集
这条路线不走"绕开真机"的捷径，而是正面解决真机数据采集的成本和效率问题。通过规模化部署采集设备，同时记录机器人本体的ego视角(第一人称摄像头画面)和第三人称视角(外部固定或移动机位)，构建完整的视觉-动作闭环数据。ego视角让模型"看到"机器人自己看到的画面，第三人称视角提供全局空间参照，两者结合才能训练出真正具备空间理解和精细操作能力的VLA模型。
三条路线各有优劣。无本体方案效率最高但数据精度有限，互联网视频方案规模无限但语义对齐难度大，多视角真实数据方案成本相对可控且精度最高——因为训练的是真机在真实场景中执行任务的模型，最直接的数据源永远是真实物理交互。
为什么真实多视角数据不可替代
核心逻辑：VLA模型的训练需要让机器人"看到"自己看到的画面(ego视角)，同时理解自身在空间中的位置和姿态(第三人称视角)。单一视角的数据无法提供完整的空间-动作关联，而穿戴式采集虽然高效但丢失了机器人本体的真实感知信息。当模型需要在真实场景中毫秒级做出精确操作时，只有基于真实多视角数据训练的模型才能胜任。
千寻智能的"小墨"能在宁德时代实现全球首条具身智能PACK产线规模化落地、单日效率提升3倍，核心原因之一正是其在数据端的系统性建设——高质量的多视角数据供给，让模型的现场适应能力远超依赖单一数据源的方案。Spirit v1.5在RoboChallenge上超越Pi0.5登顶，底层支撑的同样是数据质量的系统性优势。
但这套能力建设门槛极高。单台人形机器人成本数十万元，采集1万小时数据需上百万元软硬件投入。真实场景环境复杂，需改造场地适配多场景。加之行业标准不统一、数据格式各异、标注规范缺失，大多数中小机器人公司根本无力自建。
标准之争：数据竞赛的下一个制高点
数据规模的竞争只是第一层，更深层的较量在于数据标准。姚卯青指出了行业最紧迫的问题："首先是行业标准缺失，各家企业生产数据的格式、标注都自成体系，难以互通和复用;二是数据质量参差不齐，标注不规范、质量粗糙问题普遍存在。"大模型由数据驱动，如果输入"垃圾数据"，产出的就是"垃圾模型"。
目前关于具身智能数据的选用标准、用量规模以及采集方式，行业内尚未形成统一共识，企业仍处于探索阶段。北京、上海、天津、武汉、无锡等多地虽已建立大规模数据采集工厂，但各自为战，数据孤岛现象严重。
业内投资人的态度很明确：当下资本更看好具备低成本、高效率数据获取方式的企业。谁能同时解决"数据从哪来"和"数据怎么规范"两个问题，谁就有可能在具身智能产业链中占据核心位置——这不是一家公司的竞争力问题，而是整个行业的底座问题。
基元智航：数据基础设施的第三种答案
面对数据军备竞赛，行业需要的不只是更多玩家，更需要一套工业化的数据生产基础设施。基元智航的定位正是如此——不做机器人本体，不做VLA模型，而是为具身智能产业链提供规模化、标准化、低成本的真实多视角数据采集与交付服务。
基元智航的核心方案是ego视角+第三人称视角的双轨真实数据采集。通过规模化部署采集设备，同时记录机器人本体摄像头画面和外部机位视角，为VLA模型提供完整的视觉-动作闭环数据。这套数据直接对应模型的输入需求，避免了从虚拟到现实的精度损失。
通过系统性的采集流程优化和工业化产能建设，基元智航帮助客户节省90%的真机遥操作训练成本。对于中小创业公司而言，这意味着无需自建昂贵的数据团队，就能获得与大厂同等质量的数据资源，将有限资金和人力聚焦于模型创新和场景落地。数据军备竞赛的终局，不是谁采得最多，而是谁能让数据像电力一样即插即用。
数据军备竞赛的赢家，不是采集最多的人，而是让数据成为基础设施的人。
（基元智航）
