具身智能训练场扩容背后：数据飞轮与回本难题

中经记者 曲忠芳 北京报道

在2026世界机器人大会（WRC）（以下简称“2026WRC”）期间，“数据”无疑是讨论热度可以排到前列的关键词，既是模型企业、机器人本体企业重点发力的方向，又是投资机构“下注”的热门赛道，同时也催生了许多专门做数据采集设备、数据处理服务的新业态。

当数据被业界寄予具身智能“智能涌现”的厚望时，一个直观的现象便是全国各地的数据采集中心、数据工厂、训练中心等——这里统称为“具身智能训练场”，如雨后春笋般拔地而起，迄今这一热潮仍在持续。中国信息通信研究院人工智能研究所联合人形机器人（上海）有限公司、具身智能测试实验室共同发布的《具身智能训练场研究报告（2026年）》（以下简称《报告》）显示，截至今年6月底，全国建成启用具身智能训练场已超过70家，在建或规划中的训练场还有46家。不难计算，国内具身智能训练场的总量至少接近120家。

具身智能的数据飞轮如何“转”起来？训练场的数据采集来源是什么？是哪些力量在参与具身智能训练场？建设一座训练场要投入哪些成本？商业模式是怎样的？回本周期是多久？《中国经营报》记者结合《报告》以及采访产业界、投资界相关人士，试图为这些疑问找到答案，以供读者参考。

“数据飞轮”如何转起来？

人形机器人（上海）有限公司研发总监周海在解读《报告》时指出，真实数据短缺与场景应用需求的双重牵引，使具身智能训练场从单纯的数据生产场所，逐步发展为集数据采集、模型训练、系统验证和场景适配于一体的基础设施。

在2026WRC期间，星海图首席科学家赵行介绍了该公司的“具身智能生产力飞轮”，即从产业场景出发沉淀真机数据，通过数据模型驱动模型迭代进化，再由模型赋能机器人本体完成物理作业，依靠基础设施支撑集群持续迭代优化，最终反哺产业应用，形成自我强化的正向循环。

据记者了解，大多数机器人企业——尤其是在融资估值已达到头部地位的整机企业都已经向数据采集发力，竞相去打造“数据飞轮”，即提升数据的数量和质量，驱动模型迭代升级，让机器人更“聪明”，能够稳定、高效地完成各个实际场景中从简单到复杂的任务作业。

作为已将宇树科技、加速进化、银河通用、自变量等多家标的纳入投资版图的首程控股资本市场部总经理、董秘康雨向记者指出，首程控股的投资布局正从机器人本体和模型，进一步向数据、算力、存储和互联等上游环节延伸。其中，“数据正成为重要环节，模型企业需要海量数据的‘喂养’”。

事实上，记者在今年年初以来陆续探访了北京、宿迁、天津等城市的数个具身智能训练场，观察到的景象往往是占地面积较大，场内划分为多个真实场景，如工厂货架、商超零售、药店、家居客厅等等，每个场景区域内配置若干各种形态的机器人，旁边配备多名包括数据采集在内的技术人员。

《报告》显示，已披露场景的具身智能训练场主要建设工业制造、家庭服务、商业零售、医疗康养、特种应急五大类行业场景。其中，含工业制造场景的训练场最多，占86%，家庭服务和商业零售覆盖率分别是62%和60%，医疗康养则占30%，特种应急最少，占比约25%。从工业制造场景来看，训练场主要涵盖汽车制造、家电制造、电池制造、3C电子制造、半导体制造等细分场景，重点训练物料分拣、搬运、装配、质检等作业能力。其中，物流仓储、物料搬运等任务布局最为集中，占已披露工业制造场景的近40%，已成为训练场面向工业制造场景开展数据采集和能力训练的重要切入点。

需要指出的是，《报告》的这一发现与2026WRC实际呈现出的产业趋势是吻合的，具身智能产业商业化落地应用的探索“全面铺开”，尤其是工业制造、商业零售、物流仓储等半结构化的行业场景吸引了众多企业涌入。

建设成本与回本周期

谁在主导或参与建设具身智能训练场？

《报告》观察到，当前具身智能训练场主要有两类建设主体，分别是政府引导和企业自建。后者顾名思义，企业基于自身研发需求，或场景数字化转型需求，自主投资建设，例如京东机器人数据采集中心、上海浦东智元数据采集工厂等；前者“政府引导”则是指政府提供场地、资金或政策支持，由具身智能企业、创新中心、科研院所或具身智能产业链上下游企业等联合建设运营，典型代表如上海人形机器人麒麟训练场、北京人形具身智能机器人数据采集与训练基地等。

在《报告》之外，记者注意到，在具身智能训练场建设热潮中也兴起了第三方专业数据采集工厂或服务公司，例如帕西尼感知科技的天津超级EID工厂、诺亦腾与中关村具身智能产业园共建跨本数据采集训练中心等，可以对外承接行业订单，非单一机器人本体企业。

记者了解到，具身智能的数据类型可以划分为三类，第一类是互联网视频数据，第二类是仿真合成数据，第三类则是大多数具身智能训练场重点采集的“真实数据”，而真实数据采集又可以分为“无本体采集”和“真机采集”两种技术路线，前者包括人类第一视角视频数据采集、末端操作数据采集和动作捕捉数据采集，后者则分为遥操作数据采集、自主作业回流数据两类，各种采集方式在成本、规模化程度、真机映射难度等维度呈现不同的优缺点。

建设一座具身智能训练场需要投入多少成本？商业模式是什么？多长时间能够回本？针对业界这些最为关注的问题，《报告》中给出了具有参考价值的数字。

一座数千平方米以上的训练场的建设成本，约在数千万元至上亿元，主要包括机器人本体、场景建设、数据采集设备、算力、网络、存储及管理系统等投入。其中，本体采购是建设成本中占比最高的单项支出。以部署100台人形机器人计算，按照当前单台几十万元的市场价格，仅本体采购成本就可达数千万元。数采设备费用在百万元级别，例如无本体数采设备单价数万元，光学动捕系统价格在数十万元等。场景建设费用在百万元至千万元级别；如果需要还原工业生产线、医疗护理病房或复杂户外环境，改造和设备投入还会进一步增加。

除此之外，算力配套成本通常在百万元级别，自建算力中心需要承担硬件采购和机房改造费用，长期租赁公有云算力的年运营成本也可能达到百万元级别。网络配套成本同样在百万元以上。此外，团队人力、设备维保、场地运维、水电和办公等日常支出，使得训练场年运营费用达到数百万元。

数据生产本身也并不便宜。《报告》引用IT桔子数据称，真机遥操作在规模化运营后的单小时有效数据成本约为275元，其中包括设备折旧、人工和场景等成本；在小规模采集阶段，单小时成本可能达到数千元。简单、非定制化的无本体数据采集费用约为每小时百元级别，真机数据通常为每小时数百元至上千元，复杂数据则需要根据具体需求定价。

《报告》指出，当前国内大多数训练场建设时间不足一年，整体处于起步阶段，商业模式尚未成熟。从已披露情况看，训练场的商业服务有数据产品出售、模型及本体训练、联合研发、测试验证服务等。数据产品出售是训练场最直接、最快形成收入的业务类型，包括成品数据出售，以及定制化产品出售等。从数据定价看，训练场数据受采集和标注复杂度、定制化程度等因素影响，价格差异较大。以年产量10万小时数据、建设投入5000万元估算，如果在年产数据全部售出的理想情况下，仅依靠数据产品出售业务，回本周期在三年以上。

（编辑：张靖超 审核：李正豪 校对：张国刚）