具身智能数据
训练机器人操作物理世界所需的真实三维动作数据，呈金字塔结构、供需缺口高达 200 倍，被视为 2026「具身智能数据元年」的核心基础设施
简介
具身智能数据（Embodied AI Data）是指用于训练机器人在真实世界中「拿、放、走、抓、避障、操作」的三维动作数据。它与大语言模型的训练数据有本质区别：大模型可以从互联网海量语料中直接获取文本，而机器人需要的是真实物理世界里的动作、力反馈和空间交互数据，获取的复杂程度和难度都远高于文本。
这种数据的稀缺性造就了一个供需极度失衡的卖方市场。据行业测算，训练一个接近人类水平的机器人「大脑」需要 10 亿小时级别的真实操作数据，而目前全球有效供给仅 500 万小时左右，缺口高达 200 倍。正因如此，业内将 2026 年视为「具身智能数据元年」，围绕这类数据形成了一条从时薪 30 元的采集员到估值超 150 亿元数据服务商的完整产业链。
关键信息
- 类型：技术概念 / 数据资产
- 领域：具身智能 · 机器人训练 · 数据工程
- 核心特征：真实世界三维动作数据，获取难度高于文本语料
- 供需现状：需求 10 亿小时级 vs 供给约 500 万小时，缺口约 200 倍
- 总体定价：200-500 元/小时（真机数据最贵，达 500-1000 元/小时）
- 相关概念：具身智能、合成数据、无本体采集、数据复售、具身数据采集员
核心特性
1. 金字塔式的三种数据来源
具身智能数据的来源呈现明显的金字塔特征：
| 层级 | 类型 | 采集方式 | 特点 | 成本 |
|---|---|---|---|---|
| 顶层 | 真机数据 | 员工用 VR 设备、外骨骼操控真实机器人 | 质量最精准，精确记录动作和力反馈，落地关键 | 最贵，500-1000 元/小时 |
| 中层 | 仿真数据 | 虚拟环境中批量生成交互数据 | 成本低、可规模化，弥补真机数据不足 | 低 |
| 底层 | 互联网视频/人类行为数据 | 采集或复用现有视频 | 来源广泛、泛化性强 | 低 |
中层的仿真数据对应本知识库中的 合成数据 概念——批量生成、可规模化，但无法完全替代真机数据。
2. 为什么会出现「数据荒」
- 实验室/工厂数据无法覆盖真实环境：家庭、商场、汽修厂等「毛细血管」场景需要专门采集，算法才能泛化到真实生活。
- 三维动作数据难以从互联网获取：不同于文本，物理动作、力反馈、空间关系无法从网络语料中直接抽取。
- 需求方处于狂热状态：觅蜂科技创始人姚卯青形容需求方「你有多少我就买多少，什么时候有马上要」。
3. 卖方市场支撑高定价
供给远小于需求使数据本身成为稀缺资产。据澎湃新闻报道，当前具身智能数据总体定价 200-500 元/小时，其中真机数据市场价达 500-1000 元/小时。姚卯青判断，不依赖特定机器人本体的无本体数据，价格最终会收敛到真机数据的三分之一到二分之一（真机若 1000 元/小时，无本体未来可能稳定在 300-400 元）。
4. 数据作为「基础设施」先于终端应用变现
觅蜂科技董事长姚卯青 2026 年 4 月判断：在具身智能尚未真正大规模商业化之前，数据作为基础设施，会比终端应用更早形成商业回报。这一判断被产业链现实印证——卖数据的服务商已经开始收客户的钱，而造机器人的企业还在烧钱研发。
不同素材中的观点
- 2026-07-15-woshipm-embodied-ai-data-industry：Tech星球揭示具身智能数据的完整产业链。核心数据：需求 10 亿小时级、供给仅 500 万小时、缺口 200 倍；总体定价 200-500 元/小时，真机数据 500-1000 元/小时。金字塔三层来源（真机/仿真/互联网视频）中，真机数据是落地关键但最贵，仿真数据可规模化补充不足。资本正涌向数据服务商而非机器人本体——光轮智能估值超 150 亿元，靠「数据复售」两周吸金 20 亿。
相关资源
- 本文提到的数据产业链参与者：光轮智能（独立数据服务商）、觅蜂科技（智元孵化）、宇树（招股书披露搭建真实数据集）、京东（数据采集中心）、百度（数据超市）。
- 延伸阅读方向：真机遥操 vs 无本体采集的成本对比、仿真数据（合成数据）在具身智能中的适用边界。