物理AI最大短板,数据基建即将爆发!相关上市公司梳理

成熟具身基础模型至少需要千万小时级真实交互数据，而当前全球高质量真机数据仅有数十万到百万小时。国金证券测算，存量可用数据仅50万小时，相比千万小时的最低需求，供需缺口接近20倍。

投顾支持 | 于晓明

执业证书编号：A0680622030012

真机数据产出效率偏低，推高数据定价操作人员操控机器人连续工作8小时，最终可用于模型训练的有效数据仅3小时左右。其余时间大多消耗在动作失败后的反复重试、操作完成后的现场复原、设备故障停机检修以及数据上传校验环节。综合折算下来，全天有效产出往往不足总工时的一半。较低的产出效率，直接拉高了机器人训练数据的市场售价。国金证券在专题报告中披露，刻行时空拿到30万小时真机数据海外交付订单，订单总额2亿元，折合每小时售价约667元。当前行业真机数据普遍报价在每小时500元至1000元，灵巧手精密操作类数据，价格还会进一步上行。

过去行业聚焦电机、减速器、传感器等硬件产品，如今机器人动作训练数据已经成长为独立生意。这份研报重点梳理数据服务商盈利模式、不同采集路线的成本差异，以及未来高价值数据的发展方向。

具身模型存在海量真实数据缺口

文字大模型依靠海量图文素材完成训练，机器人模型的训练门槛更高。机器人不仅要读懂文字指令，还要在现实环境中完成物理动作。以抓取杯子放入柜体这项任务为例，仅凭人类操作视频，机器人依然难以稳定完成抓取。视频只能记录外部动作，无法提供夹爪夹持力度、机械臂转动角度、物体打滑临界点等关键参数。机器人训练数据必须同步录制视觉画面、关节位置、运动速度、夹爪状态，复杂任务还要补充触觉与受力信息，并且所有信息必须做到时间轴严格对齐。

一旦画面与传感器信息出现时序错位，模型就会学到错误动作。数据服务商的核心工作，就是完成全流程记录、清洗校对与标准化标注，输出可直接用于模型训练的数据集。目前行业面临严重的数据供给不足。中国信通院2026年8月的研究显示，成熟具身基础模型至少需要千万小时级真实交互数据，而当前全球高质量真机数据仅有数十万到百万小时。国金证券测算，存量可用数据仅50万小时，相比千万小时的最低需求，供需缺口接近20倍。

三大数据采集路线并行发展

面对高昂的真机采集成本，行业逐步形成三类采集方案，形成成本互补。真机采集需要配备机器人本体、专职操作人员与固定场地，换用不同型号机器人后，原有数据大多无法直接复用。两指夹爪与五指灵巧手的动作逻辑存在明显差异，旧数据必须经过二次转换验证才能使用，规模化扩产难度较高。无本体采集不需要完整机器人硬件，工作人员佩戴头戴摄像设备或是手持专用夹爪工具，直接记录真人操作动作。这套方案省去大额硬件投入，可以走进仓库、家庭、商场等多元场景，低成本扩充场景样本。

仿真采集依托电脑搭建虚拟场景，在虚拟环境内让机器人反复练习动作。仿真可以大批量生成样本，还能模拟各类危险、罕见工况。短板在于虚拟环境的摩擦力、碰撞形变必须高度贴近现实，否则虚拟场景训练出来的动作，落地到真机上很容易失效。英伟达、FigureAI、智元机器人等企业，普遍采用多源数据混合训练模式，兼顾数据质量与产出规模。

商业模式从卖原始数据转向平台订阅

当前主流业务是直接售卖标准化动作数据集，客户采购现成样本训练专项任务。长期来看，数据服务商将逐步向软件平台转型，把采集、清洗、标注、模型微调整套流程打包成一体化工具，向客户收取年度订阅费用。仿真引擎每年订阅费用在10万元至100万元，复杂三维场景按照项目收费，单场景价格在1万元至20万元。平台模式的优势十分突出，软件研发完成后，新增客户不需要同步配套大规模人工采集团队，边际成本持续走低。数据堂现有业务毛利率可以体现纯数据业务的盈利水平，具身智能数据业务能否达到同等盈利水平，仍取决于后续订单落地情况。

通用大模型冲击之下，真实场景数据价值提升

英伟达最新研究显示，GPT大模型已经可以直接输出机器人动作指令。在仿真抓放任务测试中，搭载通用大模型的方案成功率达到74.8%，显著高于专用机器人策略模型。不过在精密操作场景下，通用大模型短板十分突出。精密作业测试里，通用大模型成功率仅4%，专用模型可以达到16.75%。大语言模型能够读懂任务指令，但难以精准把控夹爪切入角度、抬升高度与动作修正时机。同时大模型接口调用成本偏高，单次成功操作的调用成本接近36.4美元。

业务格局随之发生变化。简单的视频切分、物体识别、动作标注工作，会逐步被大模型自动完成，单纯基础标注业务的利润空间持续收缩。机器人进入工厂实景作业后，会持续遇到训练样本之外的长尾工况。例如零件抓取频繁打滑，就需要补充不同夹持力度、接触位置、摩擦条件下的实测数据，持续迭代模型。外部实景数据能够明显提升模型泛化能力，补充多场景实测数据后，模型在常规任务里效果提升22个百分点，全新未知场景下效果提升35个百分点。实景场景资源，开始成为数据服务商争夺的核心资产。

相关上市公司

海天瑞声已经落地真机数据产能，与北京石景山人形机器人训练中心合作建设大型训练场，部署超过100台机器人，同时支持头戴摄像、手持夹爪、动作捕捉等多种采集方式。国金证券测算，2026年公司真机数据年产能可达10万小时，无本体采集数据产能50万小时，产能全开后可对外批量交付标准化动作数据集。

301***拥有长期积累的三维空间资产，建成300多座城市级高精度场景，累计10亿个三维模型。公司搭建机器人仿真训练平台，接连拿下广东省具身智能训练场调度中心、深圳具身智能机器人仿真平台开发项目。依托自有三维场景资产，公司训练出的巡操机器人已经落地精密制造企业。同时公司把展馆运维业务与机器人导览服务结合，在实景运营中持续收集新样本与训练需求。

300***依托整车研发经验切入赛道，具备机械结构开发、三维工程建模、仿真验证等工程能力。2026年6月，公司联合光轮智能、宇信科技打造具身智能平台，由合作方提供仿真数据与评测技术，阿尔特把汽车工程开发经验迁移到机器人研发环节。公司还携手富士康推出一体化交付平台，覆盖机器人设计、中试到量产全链条服务。目前子公司已经承接多项机器人开发项目，具身数据业务暂时还未形成明确营收规模。

... ...

扫码回复“8-数据基建”查看行业公司介绍，并可免费诊股，还可咨询实操指导服务！