|
在上海浦东的一座数据采集工厂里，数十台人形机器人每天重复着同一批动作：抓起一个杯子、放到指定位置、再抓下一个。采集员通过遥操作设备一遍遍纠正它们的轨迹，机器视觉、关节角度、力控反馈等数据随之汇入后台。 同一时刻，类似的场景正在成都、无锡、南昌、苏州、天津、北京、深圳等几十个城市同步上演。 中国信息通信研究院近期发布的《具身智能训练场研究报告（2026年）》，第一次系统晒出了这个行业的家底：截至2026年6月底，全国已建成启用超过70家具身智能训练场（数采中心），在建或规划中的还有46家，覆盖全国18个省级行政区。 如果说过去两年行业的关键词是造机器人、训大模型，那么这份报告传递出的信号非常明确：具身智能正在进入数据基建阶段——谁掌握了真实世界数据的生产能力，谁就握住了下一轮竞争的入场券。 为什么整个行业突然开始囤数据？答案藏在一个朴素的判断里：机器人要真正会干活，靠的不是看过的数据，而是做过的数据。 大语言模型的幸运在于，人类上千年的文字积累和全球60多亿网民，为它准备了约300万亿词元（token）的现成教材。而机器人需要的视觉、动作、关节扭矩、力触觉等多模态交互数据，此前从未被系统性地记录过，无法从互联网直接获取，只能从零开始、逐条生产。 一个简单的抓取动作背后，涉及视觉感知、空间理解、动作规划、轨迹控制、力度反馈和成败判定，这些数据必须让机器人进入真实物理环境，通过大量实践持续积累。 信通院报告用一组测算说明了缺口有多大：假设机器人迎来ChatGPT时刻需要训练1.1万亿token的数据，若全部依靠线台机器人连续工作一整年，产出千万小时级的有效数据。而目前全球可用的高质量真实数据，总共只有数十万到百万小时级。 报告援引的海外案例同样印证了数据的价值：预训练数据规模翻近一倍，任务成功率提升约1.5倍——数据对能力的拉动可以被直接量化。 人工智能科学家李飞飞也明确指出：仿真数据与真实数据是互补关系，但真实数据提供真实世界的物理约束，是模型落地不可替代的部分。 正是在数据饥渴的倒逼下，训练场这种新型基础设施在中国率先实现了规模化建设。 从报告披露的版图看，训练场已形成长三角、京津冀、珠三角三大集群：浙江以14家居首，广东、北京、山东、江苏各有8家，四川5家，上海、广西各3家，湖北、安徽、湖南各2家，河南、河北、江西、吉林、天津、福建、重庆也均有落地。 从华北的北京、天津、河北雄安周边，到华东的沪苏浙皖，再到华南的粤桂两地，一张覆盖多层级城市的数据基础设施网络已经铺开。 仅长三角一地，上海人形机器人麒麟训练场、智元机器人数据采集工厂、银河通用苏州具身智能数据采集中心、杭州市人形机器人中试基地、合肥市具身智能机器人数据采集预训练场等，总占地面积就超过7万平方米。 工业和信息化部等八部门在《人工智能+制造专项行动实施意见》中明确提出建设人形机器人中试基地和训练场；工信部与国务院国资委联合开展实景实训专项行动；国家发展改革委提出以训练场和中试基地为抓手，构建高质量真机数据采集系统，破解具身智能训练的数据饥渴；国家数据局则部署建设行业高质量数据集。2024年至2026年6月，各地方政府已累计发布超过40份相关政策文件。 一个容易被外界忽略的事实是：建数采中心，从来不是某一家企业的独门生意，而是全行业的集体动作。 按建设运营主体统计，走在最前面的是国地中心体系——由国家级平台北京人形机器人创新中心牵头，依托上海主训练场麒麟，联动北京、河南、深圳、河北、重庆、吉林、陕西榆林、江苏常熟和吴江等9个分训练场，共10处。 企业侧布局最广的是智元机器人，已在上海浦东/临港、成都郫都、无锡、南昌、嘉兴、重庆、珠海、贵安等地建成或签约9处数据采集中心和训练场；优必选、帕西尼感知、乐聚机器人各有5处，鹿明机器人有3处；京东、睿尔曼、银河通用、星海图、蓝思科技、卧安机器人、中联重科、群核、零次方、箸境、开普云、优奇等12家企业也各有1处。 其位于上海浦东的数据采集工厂构建了家居、餐饮、工业、商超、办公等线多类操作物品，除供给自身研发外，还对外开源了AgiBotWorld系列真实数据集。 以张江数采工厂为中心，智元还在向全国多家合作训练场输出数据采集能力，统一数据标准、统一回流，形成行业合作方协同的模式。 在上海创智学院与智元联合发布的最新成果中，通过实时回流机器人在真实环境中的任务执行数据更新模型，长程任务的平均子步骤得分较传统监督微调方法提升近50%——数据飞轮的效果已经可以被量化。 在深圳，智元与玉禾田集团子公司联合建设具身智能机器人智创中心，围绕环卫、保洁场景采集垂域数据；在江西南昌龙旗科技园，智元机器人完成了流水线全闭环操作。 星海图也参与了人形机器人数据采集中心的建设，成为这一轮数据基建中的一员。 京东一边在江苏宿迁联合地方政府建设数据采集社区、开源第一视角数据集，一边上线具身智能数据交易平台。 帕西尼在天津建成1.2万平方米的超级数据采集工厂，预计数据年产量达数亿条，今年5月还完成了具身智能数据的合规出口。 把这些名字放在一起看，结论一目了然：数据采集不是某家公司讲的故事，而是机器人行业为自身迭代必须补上的基础设施课。 机器人本体是身体，具身大模型是大脑，真实世界数据则是支撑能力进化的教材和养料——没有教材，再好的身体和大脑也学不会干活。 当然，把训练场建起来只是第一步。信通院报告也没有回避问题：当前训练场存在场景任务同质化、数据实际产能有限、流通性不足、可持续商业模式尚未形成等共性挑战，行业整体正从建设热潮期迈向能力沉淀期。 在产能端，报告预计已启用的训练场2026年数据年产量累计将达到千万小时级；真机遥操作数据在规模化运营后，单小时有效成本已降至约275元，数据生产的工程化流水线正在成形。 在交易端，2026年初，全国首单具身智能数据集在江苏省数据交易所上架并完成交易；北京、贵阳等地数据交易所陆续推动具身智能数据上架；京东云、百度智能云、鹿明机器人等相继推出数据交易平台和数据超市。 在生态端，上海麒麟训练场带动浦东张江模力社区汇聚超过200家具身智能上下游企业，上下楼就是上下游的产业生态初见雏形。 一条完整的闭环正在形成：机器人进入真实场景，产生真实数据；数据训练模型，模型提升能力；能力更强的机器人进入更多场景，产生更多数据。 这个数据飞轮一旦转动起来，受益的将不只是某几家企业，而是整条产业链——本体企业获得训练验证的低试错成本环境，模型企业获得高质量数据供给，地方政府则把本地的制造、物流、零售、医疗等场景资源，转化为面向未来的数据资产和产业入口。 这也是各地政府争相布局数采中心的底层逻辑：它在为整个行业铺设数据的轨道。轨道铺得越早、越密，产业这趟列车就跑得越快。 当越来越多的机器人走进数采中心上岗，中国具身智能也正在从造机器人、训模型，跨入数据、模型、本体、场景协同进化的新阶段。 这场静悄悄的数据基建，或许不会每天登上头条，但它正在决定中国机器人产业未来五年的身位。返回搜狐，查看更多 |
