被低估的那道坎

一、99%的缺口：Sim2Real 那道77个百分点的鸿沟

先看清缺口有多大。据公开资料与行业研报援引，截至2026年初，全球高质量真实物理交互数据大约只有50万小时；而训练一个能通用的具身模型，业内普遍认为需要千万小时级别的数据。中间差了不止一个数量级，缺口超过99%。

更尖锐的矛盾在"仿真"与"现实"之间。斯坦福HAI《AI Index 2026》披露了一组对比：在机器人操控的仿真任务上，完成率可以达到89.4%；可一旦放到真实家庭场景，完成率骤降到12.4%——Sim2Real（仿真到现实的迁移）鸿沟高达77个百分点。这意味着，光靠仿真或在干净环境里刷指标，解决不了真实世界的长尾问题。物理交互数据，必须回到真实世界里，一台机器、一双机械臂、一个又一个家庭任务地去积累。

这也是具身智能与大语言模型最根本的不同：它无法"坐享其成"地吃掉互联网，每一份高质量数据都意味着真实的采集成本。

二、四条技术路线：质量、成本、规模的不可能三角

数据要从头来采，但怎么采，决定了你花多少钱、拿到多少、质量好不好。行业目前跑出四条主流路线，本质上是在"质量—成本—规模"这个不可能三角里做取舍。

遥操作（Teleoperation）——"黄金标准"。 由人穿戴设备手把手教机器人完成动作，数据质量最高、最贴近真实意图，代价也最贵。据野村证券相关报告，遥操作单价约在500—1000元/小时。

第一人称视角 Ego 采集——"新主食"。 不操作机器人，而是让人戴上摄像头，以第一视角记录自己做事的过程。它便宜得多（据相关报告约100—300元/小时），且规模天然更大，目前在不少企业的总采集时长中已占到40%—50%。它正成为数据里的"主粮"。

UMI（Universal Manipulation Interface）——效率派。 这类便携采集方案把效率拉高、成本压低。公开资料显示，UMI类方案效率可提升约5倍、成本降至约1/5。鹿明机器人（Lumos）的 FastUMI Pro 计划2026年投放1万台采集终端，把"轻量采集"推向规模化。

仿真数据——成本最低，但只是"倍增器"。 仿真生成数据的边际成本极低，据公开口径约50元/万帧，适合做泛化和扩增。但它无法替代真实数据：仿真与现实之间存在那77个百分点的鸿沟，仿真数据更像是"力量倍增器"，而非替代品。

四条路没有谁取代谁，现实中的做法是组合：用遥操作定标，用Ego铺量，用UMI提效，用仿真放大。

三、京东的"卖铲人"打法：把数据做成基础设施

在淘金热里，最稳的生意往往是卖铲子。在具身数据这场淘金里，京东正在扮演"卖铲人"。

据公开报道，京东在2026年4月发布了一套覆盖"采、存、标、训、评、仿、测"全链路的数据基础设施，目标是把数据采集和加工变成可复用的底层能力。更具冲击力的是它的动员规模：计划调动约60万人（10万内部员工+50万外部），用两年时间采集1000万小时人类第一视角视频，以及100万小时机器人本体数据。

为把采集标准化，京东自研了 JoyEgoCam 二代采集终端；并已开源业内公认规模较大的第一视角数据集 EgoLive——首批约2000小时、包含65866个任务片段、覆盖346项任务。2026年7月，京东在广州开工首个 RoboBase 实体基地，并计划在五年内布局80余个类似基地，把"数据工厂"从线上落到线下。

据媒体报道，京东目前已覆盖物流、工业、健康、家庭、城市运维五大场景，累计完成约200万小时的数据采集。当一个零售与物流巨头把"采数据"当成战略级基础设施来建，这门生意的产业属性已经清晰。

四、一门正在崛起的千亿产业

把视角抬高，数据本身正在长成一门大生意。据亿欧智库相关测算，2024年全球具身智能数据集市场规模约7.37亿美元，预计2031年达70.14亿美元，年复合增长率约38.2%；其中中国市场到2031年预计约占一半。

资本已经用脚投票。据IT桔子数据，2026年上半年国内具身智能领域融资约935亿元，较去年同期提升约5倍；其中数据基础设施成为重点押注方向——光轮智能、觅蜂科技（红杉领投数亿元）、无问智科（融资超亿元）等数据服务商接连获得大额支持。

相应的"训练场"与"采集工厂"也在落地：无问智科在长三角建起约8000㎡的训练场；数据堂拥有约8000㎡采集工厂、配备300套灵巧手；银河通用以约90%的仿真训练为主，公开资料显示其可一周生成十亿级数据集、成本仅为传统的1/100；千寻智能则组建了千人级采集团队，覆盖约35万个采集点位。从数据集、训练场到采集终端，一条完整产业链正在拼接。

五、飞轮与隐忧：从"采得多"到"跑通闭环"

数据产业跑起来之后，竞争逻辑也在变。据公开报道，智元机器人首席科学家罗剑岚曾提出一个判断：未来12—18个月里，行业真正的 checkpoint 不是谁的模型参数更大，而是"真实部署带来的数据闭环"能否跑通——也就是机器人上岗后，能从真实使用中持续回流数据、反哺训练。谁的飞轮先转起来，谁才真正拥有壁垒。

但飞轮旁边站着一头"灰犀牛"：数据权属与隐私合规。在商超、家庭里采集到的人脸、家庭空间布局、对话内容，归谁？如何脱敏、如何授权？行业正在摸索"可用不可见、可控可计量"的合规路径。这不是技术问题，而是决定这门产业能走多远的制度问题。

去现场，看数据的下一站

如果说2024—2025年是"机器人本体"刷存在感的年份，那么2026年的关键词里，"数据"二字的分量正在急剧上升。从遥操作到Ego，从UMI到仿真，从数据集开源到RoboBase落地，一场围绕"数据石油"的采集、加工、交易产业，已经不只是概念。

想直观看清这条产业链的全貌，不妨把目光投向年底的展会。 HRIE 2026上海国际人形机器人与机器人全产业链展览会（2026年12月9-11日，上海国家会展中心（SNIEC）），从数据采集终端、训练场方案，到一众数据服务商的最新布局，都将集中亮相。对于关注人形机器人规模化的人而言，HRIE 2026 或许正是一个把"数据这门生意"看个清楚的最佳现场。