风暴中的数采中心｜数据采集是好生意吗？“部分高度依赖数采订单的企业或接近临界点”

数千平方米的空间里，家居、商超、工业、医药等场景被搬进同一座“训练场”，百余台不同品牌、不同形态的机器人分布其间，练习物品收纳与分类、快递打包装箱、床铺整理、商品拣选与交付等任务。这些在人看来习以为常的操作，需要工作人员一遍遍演示、反复“教学”，将操作过程记录为可供模型学习的数据。

今年6月，澎湃新闻记者曾到访一处大型具身智能数据采集与训练中心，现场观看了具身智能数据采集的过程。

在现场，有的是工作人员遥操作机器人完成任务，通过机械臂记录操作过程；有的在光学动作捕捉区域记录工作人员演示的人体动作；还有的由工作人员佩戴头环式设备，以第一视角记录双手及前臂完成任务的过程，无需机器人本体参与。

在为机器人提供训练数据的同时，这些中心也成为机器人设备的采购方。一门围绕“教机器人干活”，设备采购、数据采集与销售等生意逐渐展开。

近期，澎湃新闻记者采访多位机器人企业负责人及从业者发现，数据采集中心承载着多重期待：研发团队需要数据提升能力，本体厂商需要订单，地方希望形成产业成果，采集团队则希望收回设备和人力投入。这些需求既共同推动项目落地，也使技术研发、设备销售与融资诉求交织在一起。

2026年8月17日，安徽芜湖，数据采集员在实景化生活实训场景中开展机器人技能训练，收集高质量真机数据。 本文图均为 视觉中国 图

数采中心的诞生

“眼高手低不可以，眼低手高也不能发挥机器人的能力。”四川具身人形机器人科技有限公司CEO冯振宇向记者表示，机器人操作需要手眼协同，短期内最缺的仍是能够形成物理闭环的具身交互数据。

在他看来，看过炒菜、画画的教学视频，与真正做出一道菜、画出一幅画之间，存在操作上的鸿沟。力触觉、接触关系等信息，很难仅靠语言或视觉模型高效推理，却直接影响机器人能否完成任务。

国内人工智能专家张春龙向记者指出，具身智能需要在物理世界中感知空间数据并进行交互作业，因此必须借助真实场景数据进行充分训练。静态场景可以通过模拟搭建趋于真实，而动态干扰和实时交互因素也是空间数据采集时需要重点考虑的对象。机器人最终面对的，除了摆放好的物体，还有任务过程中不断发生的变化。

具身智能的训练需求催生了数采中心遍地开花。中国信通院等机构近期发布的《具身智能训练场研究报告（2026年）》（以下简称《报告》）显示，据不完全统计，截至2026年6月底，全国已投入运营的具身智能训练场超过70个，另有46个处于规划或建设阶段。

从场景分布看，《报告》统计的已披露训练场中，包含工业制造场景的占86%，家庭场景和商业零售场景分别占62%和60%，医疗康养、特种应急场景分别占30%和25%。同一训练场可以覆盖多个行业场景，工业制造是当前建设最集中的方向。

但伴随着训练的推进，问题也从“有没有数据”，转向“数据能否用于训练、改善了什么能力”。

“可采集数据规模”并不等于“可训练数据规模”。原始记录需要经过清洗、对齐、标注和质量控制，才能进入训练流程。一些容易采集、展示和标准化的任务，也未必对应真实应用中的主要难点。

以家庭场景为例，《报告》发现，当前采集任务仍集中于叠衣服、叠毛巾、桌面整理等操作，从洗衣机中取出成团湿衣物并展开晾晒等复杂任务尚待充分挖掘。即使是桌面整理，也往往只覆盖少量桌面类型、物体组合和摆放方式，难以反映实际应用中的多样变化。

具身智能从业者周铭向记者介绍，数据采集涉及设备调试、运动控制和任务设计。“训练不是简单下达一个抓取指令就完事。”在其接触的项目中，一个抓取动作可能就要反复调整力矩和动作参数，复杂任务所需时间更长，“所以很多企业干脆直接外购数据集，花钱换时间成本。”

专业数采服务存在需求，但在满足需求前需要先有一笔不菲的投入。《报告》显示，数千平方米的综合性训练场，建设投入可达数千万元至上亿元，机器人采购占据较大比例，年度运营费用也可达数百万元。真机采集数据的价格通常为每小时数百元至上千元，复杂任务价格更高。

《报告》还指出，假设建设投入5000万元、每年产出10万小时数据，并且全部售出，仅靠数据销售收回投入仍需三年以上回本。这是特定条件下的测算，并不意味着现实项目均能达到相同的产出和销售水平。

2026年4月27日，位于福州软件园内的一家具身机器人大型数据采集工厂，信息采集员训练机器人。

环环相扣的收益链条

数采中心的生产和收益链条是如何形成的？

《报告》将训练场的建设主体主要分为政府引导、企业自建两类：前者由政府提供场地、资金或政策支持，企业、创新中心、科研院所等联合建设运营；后者基于企业自身研发或场景数字化转型需求投资建设，其中一部分主要服务自身模型迭代和产品研发，也逐步向外部开放数据与服务。

周铭介绍，在部分合作模式中，采集团队需要先采购机器人，再将采集的数据出售给厂商。如果后续收购价格偏低，或者数据不符合要求，前期设备、人力和调试投入就可能难以收回。设备即使能够转售，也可能承受较大折价，“很多小型初创公司，如果花钱采购本体自己做算法训练，很容易把自己拖垮”。

数据销售尚待验证，设备采购和中心建设已经先行。

设备销售、数据销售和数采中心建设，常被放在数采业务的同一叙事中，但三者对应的收入来源和后续责任并不相同。

熟悉机器人数采业务的林川向澎湃新闻记者介绍，在部分项目中，地方合作方、设备采购或租赁主体、采集运营方与机器人厂商之间，可能形成多层合作关系——地方关注产业落地和可展示的成果，厂商需要设备订单，运营方则希望未来的数据销售能够覆盖投入。

在他看来，部分项目同时承载着地方业绩和企业融资需求。设备交付较快形成销售收入，但数据能否持续产出、卖给谁，以及终端应用能否跟上，兑现周期更长。

林川特别提到，在合作早期，一些参与方愿意先投入、等待产业成长；但随着实际应用或数据销售回报未能达到预期，合作方会逐步提高对厂商后续采购数据的要求，数据采购的金额甚至超过设备采购金额，这就会形成合作方之间的博弈。

2026年8月17日，安徽芜湖，数据采集员在实景化生活实训场景中开展机器人技能训练，收集高质量真机数据。

高需求等同于好生意吗？

左手向数采中心“买”采集的数据，右手又向数采中心“卖”机器人，具身智能企业也面临资本市场的追问：企业营收的增长是否具备可持续性？

近日，有报道援引知情人士消息称，部分人形机器人上市进程放缓，相关收入是否反映真实商业需求受到审视。

林川也向记者表示，部分高度依赖融资和数采订单的企业，可能正在接近泡沫被戳破的临界点。如果后续融资、上市或数据回购安排无法按预期推进，原本依靠增长预期维系的合作就可能承压。

如果具身智能企业承压，数据采集这门生意势必受到牵连。

数据采集的困境，也出现在海外数采企业的经营中。

近日，机器人数据公司Eidon AI宣布停止运营。该公司创始人山姆·帕迪亚（Sam Padilla）在复盘时表示，团队从发出第一批采集设备开始，用了约五个月获得约3000小时数据。但最终使用数据的实验室，期待的是每月、最好每周就能达到这一供应规模，“实验室需要的不是一次性的数据集，而是可靠、持续的数据供应。”

帕迪亚指出，客户希望供应商先证明具备规模化供货能力，才愿意考虑合作；创业公司为此需要先承担研发、制造和部署成本，却很难提前锁定采购合同。不同客户对传感器、任务和数据格式的要求又各不相同，为一家客户准备的数据，未必能卖给另一家。设备投放之后，再调整采集方案也并不容易。

他仍然认为具身智能面临数据瓶颈，但他直言：“存在技术瓶颈，并不一定意味着这是一门好生意。”

《报告》也指出，当前国内大多训练场建设时间不足一年，商业模式尚未成熟。已披露的商业服务除数据产品出售外，还包括模型及本体训练、联合研发、测试验证等。数据销售是较快形成收入的业务，但训练场的服务范围并不限于出售数据。

对于未来发展，《报告》提出，训练场将从集中式建设向分布式实景发展，把数据采集、模型训练与系统验证延伸至工厂生产线、家庭住宅、商业门店等真实场景，形成“中心训练场+分布式实景点位”的布局。这既有助于使数据更贴近实际应用需求，也有助于分摊重资产投入。

（文中周铭、林川均为化名。）