风暴中的数采中心｜数据拆解117个数采项目：谁的中心？能力多大？

来源：市场资讯

（来源：澎湃新闻）

9月初，一家刚上市的具身智能企业负责人公开质疑，把具身智能行业里的“数采生意”推到台前：地方参与建设数据采集中心，数采中心采购机器人，再由机器人企业回购数据。他质疑，一些企业正借此制造不可持续的收入，甚至出现“攒局式创业”。

澎湃新闻美数课工作室根据政府公示、招投标文件、企业及项目资料等公开信息，梳理了117个具身智能数采、训练及相关设施和项目。据不完全统计，截至2026年9月26日，其中67个能够确认存在实际数据采集活动，23个主要能确认训练、测试或验证功能，27个仍处于规划或建设阶段。

质疑之外，真实数据已经成为具身智能产业的“硬需求”。中国信通院在《具身智能训练场研究报告（2026年）》（下简称报告）中指出，随着具身智能技术逐步成熟、产业应用不断深化，训练场正从“建设热潮期”向“能力沉淀期”过渡。

数采中心，名字里不一定有“数采”

具身智能数采中心，一般指用于规模化、标准化采集和管理机器人物理交互数据的基础设施。这类设施大量出现的一个前提是，具身智能行业正在尝试把大模型的“规模定律”（Scaling Law）复制到机器人身上。

报告指出，视觉语言动作模型、世界模型等路线都在扩大数据规模；但与大语言模型不同，机器人需要的视觉、动作轨迹、关节状态、力觉和触觉等真实交互数据，互联网上没有足够的现成数据，只能重新采集和生产。

数采本意是弥补机器人训练数据的缺失，但从各地项目来看，“数采中心”正在变成一个更大的篮子。117个数采中心样本中，只有46个名字直接指向数据采集或生产，48个叫“训练场”“实训基地”“训练中心”，还有20个以创新中心、实验室、中试平台等名义出现。由此可见，训练场可以做数采，中试平台也可能兼具数据采集功能，项目名称已经很难直接对应实际功能。

因此，记者在梳理数采中心时并没有按名称来判断，而是进一步看是否存在真机采集、遥操作、动作记录、数据标注或训练数据生产等实际活动。

中国信通院截至2026年6月底的统计显示，全国建成启用的具身智能训练场超过70家，在建或规划中的还有46家。已建成训练场主要集中在浙江、广东、北京、江苏和山东，区域分布与具身智能产业集群高度重合。

这也构成了数采中心的第一个现状：名称不统一、功能边界不清、运营状态模糊。究竟有多少数采中心、什么才算数采中心，目前仍缺少统一口径。

企业自建外，越来越多主体进入数采中心

最早建设数采中心的，往往是机器人或具身智能企业自己。自行建场地、部署机器人和采集设备，生产的数据既服务自身模型和产品迭代，也可能对外提供数据和数采服务。帕西尼的超级数据工厂、具福科技的数据采集工厂，都更接近这种企业主导建设的模式。

但随着具身智能成为地方产业布局的一部分，地方国资、园区平台、高校和科研机构也开始进入。

苏州吴中是一个典型案例。吴中区政府通过区属国资平台设立苏州智能机器人科技发展有限公司，由其建设运营当地数采中心；另一边，吴中金控又发起规模11亿元的机器人产业投资基金，苏州智能机器人科技发展有限公司出资约1亿元。

这意味着，地方国资在这里不只是支持项目，而是同时参与平台建设、产业投资和项目采购。数采中心也因此从企业内部的数据生产设施，逐渐带上公共平台和产业招商属性。

目前真正公开产能的数采中心并不多，口径也不统一。仅5个按“小时”披露的数采中心，公布的年化或规划产能合计已达到约140万小时。但其中既有设计产能，也有满产能力，并不等于已经实际生产出的数据量。

同一个中心的产能口径也可能发生变化。湖北人形机器人创新中心今年6月曾披露“年数据采集能力超千万条”；7月公开信息称日均产出2.4万条训练数据。设计能力、日均产出和年度实际采集量显然不是同一个概念，但口径差异往往没有进一步的解释。

这种口径不一并非数采中心独有。具身智能行业很多基础数据本就缺少统一披露标准，甚至连最基本的机器人出货量，也常因统计周期、产品范围和交付口径不同而难以对齐。

数采中心的第二个常见现象也随之出现：如果连一座数采中心到底能采多少数据、实际产出多少都难以准确评估，那么市场究竟需要多少真实数据，又如何验证这些产能是否真的有需求？

围绕数采，支持政策开始向产业链两端延伸

数采中心迅速增加的背后，还有地方政策的推动。

从各地政策看，支持已经从数采中心和训练场的建设向上下游延伸：前端补基础设施，中间补高质量数据集和数据采购，末端再补机器人进入真实场景。

这意味着，数采中心已经不再只是一个生产训练数据的场地，而正在成为连接数据生产、模型训练和场景落地的产业端口。各地政府试图把这条链条一段一段拼接起来：先把场地建起来，再把数据生产出来、卖出去，最后让机器人真正进入场景。

但这也带来第三个现象：政策可以把产业链补得更长，却不意味着商业闭环已经跑通。中国信通院曾指出，当前训练场仍存在场景同质化、实际产能有限、数据流通不足以及可持续商业模式尚未形成等问题。

以梳理的117个项目来看，数采中心目前仍处在快速扩张和规则逐步形成的阶段：名称、建设状态、产能和资金口径尚未统一，数据交易和商业模式也还在探索过程中。但另一方面，真实物理交互数据的缺口确实存在，数采也已经成为具身智能模型训练和应用落地绕不开的基础环节。

中国信通院在报告中判断，具身智能训练场下一阶段的重点，不只是继续扩充场地和设备，而是让训练场更贴近真实场景，把数据采集、模型训练和系统验证真正连起来。与此同时，推动数据生产工程化、交易流通合规化，并逐步建立覆盖场景建设、数据生产、运营评估等环节的全周期标准。