（完整版.pdf ）
以下仅展示部分内容
下载方式见文末

数据，才是物理AI时代的“石油”，而数采，就是那个即将井喷的“基建狂魔”。

最近，如果你还觉得人形机器人比拼的是谁家胳膊腿更灵活、谁家电机扭矩更大，那你可能就OUT了。用国金证券最新一份深度研报的原话说：硬件方案已趋于收敛，“大脑”训练才是决胜关键。

而训练“大脑”需要什么？数据，海量的、高质量的、带物理交互的真实数据。

这份报告标题很直白——《数采：物理AI最大短板，数据基建即将爆发》。看完之后我的第一感受是：原来我们离真正的“具身智能”，差的不是几台机器人，而是几百万小时的“人类生活直播”。

今天，咱们就来聊聊这份研报里的干货，掰开揉碎，看看这场关乎机器人未来的“数据基建大爆发”到底是怎么回事。

01 机器人的“偏科”：四肢发达，大脑却缺“喂养”

现在的AI大模型，比如ChatGPT，它们是在万亿级的网络文本上“泡”大的，知识储备惊人。但人形机器人呢？它需要理解的是物理世界——拿起杯子要用多大力气？绕过桌角要转多大的弯？被碰了一下如何保持平衡？

这些物理交互的真实数据极度缺失。研报里有个震撼的对比：大语言模型有万亿级Token训练，而具身智能可用的真实交互数据，不足其万分之一。

为啥缺？因为收集这些数据太难了！

你敲键盘就能给AI喂文本，但让机器人学会“插拔接头”，你得让人穿着动捕服，戴着VR眼镜，一遍遍地演示，或者通过遥操作一台昂贵的机器人，手把手地“教”。这成本，比请一个北大博士当数据标注员还贵。

据统计，要实现可用的具身智能，至少需要1000万小时的多模态数据。而目前积累的数量，据说还不到5%。这就好比你要训练一个五星级大厨，结果只给了他三分钟的颠勺视频。

02 数据不够，怎么凑？一场“数据基建”的军备赛

既然数据是“卡脖子”的环节，那就得搞基建。研报指出，2025年就是“数采中心”密集建设的元年。

全国上下，从北京、上海到各个省会，都在疯狂建“人形机器人数据训练中心”。这些中心模式很像“横店影视城”，搭建出家居、工厂、商超、医院等各种真实场景的“片场”。

• • 北京人形机器人创新中心：搞了30多个细分场景，120多台异构机器人在这里“打工”采集数据。
• • 天津帕西尼超级数据工厂：不走寻常路，不依赖笨重的机器人本体，而是通过捕捉人类手部动作，年采集量近2亿条，效率是传统遥操作的3-6倍。
• • 优必选：旗下的Walker系列机器人，更是直接成了“基建狂魔”，已中标超7.5亿元的数据采集中心订单。

这阵仗，像不像当年新能源车产业刚起步时，大家疯狂抢矿、建电池厂？只不过这次，大家抢的是“数据油田”。

03 三条腿走路：为了“喂饱”机器人，人类操碎了心

报告里详细梳理了目前主流的三大数据采集技术路线，说白了就是“三条腿走路”：

1. 遥操作（最像“提线木偶”）
这就是最传统的“手把手”教。操作员通过同构机器人、动捕服、VR眼镜，让机器人1：1复刻人类动作。优点是精度高（毫米级），缺点是贵且慢。一套光学动捕系统动辄几十上百万，一个熟练操作员一天可能也就采几百条有效数据。

2. UMI（通用操作接口，最像“手持拍摄”）
这是目前的大热门。简单说，就是做了一个带夹爪和相机的“铁手”，人拿着它去模拟干活，比如拧瓶盖、叠衣服。机器人通过看这个“铁手”的数据学动作。这比直接操作机器人本体便宜多了，而且可移动。鹿明机器人甚至推出了“数据商城”，直接把采集好的数据当商品卖。

3. EGO（第一人称视角，最像“生活Vlog”）
这是未来的趋势，也是降低成本的关键。让真人戴上头环（带摄像头和IMU），正常生活、工作，录下海量视频。然后通过AI算法，把这些人类视频“翻译”成机器人能看懂的3D坐标和运动数据。

京东在这方面玩得最大，计划发动10万内部员工和50万外部人员，佩戴自研的JoyEgoCam，目标两年内采集1000万小时真实世界视频数据。这堪称“人类历史上规模最大的数据采集行动”。

04 谁在背后闷声发大财？产业链机会在哪？

这场数据基建的爆发，带动的不仅仅是机器人公司。报告明确指出，以下环节将率先受益：

1. 卖铲子的“设备商”
这是最确定的受益者。不管谁家数据采集技术牛逼，都得用设备。

• • 机器视觉（相机）：不管是EGO头环还是UMI夹爪，2D+3D相机是标配。奥比中光这类深度相机龙头，凭借技术和制造优势，降维打击数采设备市场，空间巨大。
• • IMU（惯性测量单元）：这个东西负责记录姿态、轨迹，弥补纯视觉的不足。华依科技已经和头部数据企业（智元孵化的觅蜂科技）批量合作供货；芯动联科的高性能IMU则卡位高端人形机器人市场。
• • 触觉/灵巧手：机器人要干精细活，触觉数据必不可少。帕西尼感知这类公司，专注力触觉和灵巧手，目标2026年采集1000万小时多模态数据，估值已超100亿元。

2. 提供服务的“数采公司”
像海天瑞声这种老牌AI数据服务商，把过去做语音、图像标注的经验复用到了具身智能领域。Appen（澳鹏） 更是已在全球采集了超5万小时的EGO数据。它们核心竞争力就是能把数据采得快、采得好、采得便宜。

3. 手握场景的“垂类应用商”
这是我认为最值得关注的领域。通用机器人需要海量泛化数据，但在特定行业（比如汽车制造、电力巡检），数据是封闭且专属的。

比如天奇股份和银河通用合资，聚焦汽车和锂电产线，年产能已达千万条工业多模态数据。亿嘉和深耕电力巡检场景，数据壁垒极高。这些垂类场景对数据量的需求不像通用模型那么夸张，但数据价值极高，商业化落地反而会更快。

结语：数据的“飞轮”正在转动

如果说去年的AI是文本和图像的“ChatGPT时刻”，那今年开始，就是物理AI的“数据跑马圈地”时刻。

这份研报向我们揭示了一个残酷的真相：现在的机器人看着挺能跑跳，但脑子其实还很“笨”。而让它们变聪明的过程，极度依赖一场耗资巨大、人力密集、技术复杂的“数据基建”。

这个过程，有点像互联网早期的“扫街”地推，只不过这次，我们是在物理世界里，用最笨的办法，一帧一帧地教AI理解这个世界的重力、摩擦和温度。

“有多少人工，就有多少智能”，这句AI界的古训，在人形机器人身上，依然适用。而这场“数采大战”中，无论是卖设备的、建工厂的、还是玩数据的，都值得我们高看一眼。

毕竟，谁掌握了高质量的数据入口，谁就掌握了物理AI时代的“石油”定价权。

风险提示：本文内容基于国金证券研报《数采：物理AI最大短板，数据基建即将爆发》进行解读，不构成任何投资建议。机器人发展及数据采集技术路线存在不及预期或剧烈变动的风险，投资需谨慎。

【中国风动漫】《雾山五行》大火，却很少人知道它的前身《岁城璃心》一个拿着十米大刀的男主夭折！

如需获取更多报告

扫码加入

“人工智能产业链联盟”

知识星球，任意下载相关报告！

报告部分截图

声明

来源：国金证券，人工智能产业链union（ID:aiyuexingqiu）推荐阅读，不代表人工智能产业链union立场，转载请注明，如涉及作品版权问题，请联系我们删除或做相关处理！

编辑：Zero

文末福利

1.赠送800G人工智能资源。

获取方式：关注本公众号，回复“人工智能”。

2.「超级公开课NVIDIA专场」免费下载

获取方式：关注本公众号，回复“公开课”。

3.免费微信交流群：

人工智能行业研究报告分享群、

人工智能知识分享群、

智能机器人交流论坛、

人工智能厂家交流群、

AI产业链服务交流群、

STEAM创客教育交流群、

人工智能技术论坛、

人工智能未来发展论坛、

AI企业家交流俱乐部

雄安企业家交流俱乐部

细分领域交流群：

【智能家居系统论坛】【智慧城市系统论坛】【智能医疗养老论坛】【自动驾驶产业论坛】【智慧金融交流论坛】【智慧农业交流论坛】【无人飞行器产业论坛】【人工智能大数据论坛】【人工智能※区块链论坛】【人工智能＆物联网论坛】【青少年教育机器人论坛】【人工智能智能制造论坛】【AI/AR/VR/MR畅享畅聊】【机械自动化交流论坛】【工业互联网交流论坛】

入群方式：关注本公众号，回复“入群”