在具身智能产业蓬勃发展的当下，数据采集正成为一条备受瞩目的赛道，众多企业纷纷入局，在资本与市场的双重推动下，展现出强大的发展潜力与商业价值。
具身智能大模型的训练对数据有着极高要求，需要海量、多模态、高保真的物理交互数据。然而，截至目前，全球高质量真实物理交互数据总量仅约50万小时，而训练通用具身模型至少需要千万小时级数据，缺口超过99%。这种供需失衡使得数据成为稀缺资源，数据采集也因此成为具身智能产业细分赛道的新型“铲子”，印证了“数据先行、铲子先富”的逻辑。
数据采集赛道的竞争格局已初步形成，大致可分为四大流派。以智元等头部机器人公司为代表的“真机数据”派，通过“本体 + 数据”闭环运作，数据业务成为内部能力的自然外溢。智元合伙人、高级副总裁、具身业务部总裁姚卯青牵头建成行业规模最大的数采超级工厂，部署近百台远征A2 - D专机，实现单机单日千条数据的极速采集。2026年4月，智元联合多方开源全球首个基于全域真实场景的百万真机数据集AgiBot World，在“真机数据”领域占据领先地位。
定位为数据基础设施服务商的初创公司则聚焦仿真数据/合成数据。如光轮智能，成立于2023年1月，致力于为企业落地AI提供合成数据解决方案。2026年3月，该公司完成10亿元A++及A+++轮融资，成为全球首个具身数据领域的独角兽企业；5月又获蚂蚁集团领投的新一轮融资，投后估值超20亿美元。光轮智能将人类数据与仿真打造成闭环基础设施，人类视频数据产品覆盖2.5万 + 环境节点、10万 + 任务种类，累计交付超150万小时高质量人类数据。无问智科成立于2022年11月，2023年5月正式启动运营，基于长三角（德清）具身智能数据采集训练场，日产数据上千小时，形成万级规模化合成数据与千万次仿真验证能力，2026年Q1在手订单数亿元，本年度营收将突破超亿元。
跨界平台型巨头如京东、中国移动等依靠产业场景优势入局，采用混合采集模式。京东宣布建设具身智能数据采集中心，覆盖物流仓储、工业制造等五大核心场景，发动数十万人参与采集，计划一年内积累500万小时人类真实场景视频数据，两年内突破1000万小时，并同步采集100万小时机器人本体数据。中国移动围绕家庭生活场景推出“灵犀数霄”具身智能训练场，构建融合真机遥操作与无本体轻量化采集的混合数据采集体系，辅以仿真合成数据。
还有专注于提供标准化、模块化采集硬件的“UMI型公司”，如鹿明机器人、松灵机器人等。鹿明机器人以“UMI协议”数据为主，于2026年3月推出行业首个“FastUMI Pro数据超市”。
随着具身智能产业热度攀升，新创公司在数据采集领域成绩斐然。弈人科技利用自动驾驶积累的车辆感知网络，转型采集具身智能数据，2025年实现AI数据业务收入过亿元，2026年一季度获得具身智能数据新增订单超亿元。相比之下，成立于2016年的宇树科技，2022年实现营业收入约1.23亿元，2024年才实现净利润约9547.47万元。而光轮智能、无问智科等新创公司成立仅3年，便在2026年实现过亿营收，成为“卖数据的先赚钱”的典型例证。
在数据定价方面，具身智能数据总体定价区间在200 - 500元/小时。其中，真机数据因最适合训练落地模型，需求旺盛、价格最贵，国内市场价格在500 - 1000元/小时。姚卯青透露，随着产能稳定，无本体数据价格最终会收敛到真机数据的二分之一到三分之一左右。
面对大模型对数据需求维度的几何级膨胀，单一技术路线难以满足“规模、成本、精度、泛化”的苛刻要求，行业全面迈向多源融合采集时代。以人类视频注入通用物理常识，以仿真合成数据海量覆盖长尾边界，以UMI采集分布式扩充真实交互动作，最后依托高精度遥操作进行垂直场景的专家级微调。在具身智能产业链上，数据采集正从“分散采集”走向“平台化供给”，成为被资本市场单独定价、被产业巨头系统性押注的重要赛道。
