数采：物理AI最大短板，数据基建即将爆发——电话会议纪要关键要点总结 一、涉及行业与公司 - 行业：机器人数据产业（具身智能数据采集、治理与训练全链条），涵盖上游数采设备、中游数据采集服务商、下游垂直领域应用[1][2] - 上游设备公司：奥比中光（深度相机）、华依科技与新动联科（IMU/陀螺仪，易丰科技核心陀螺仪供应商）[1][7] - 中游服务商：海天瑞声（数据标注清洗）、利亚德（高精度光谱）[1][7] - 下游本体公司：天奇股份、亿嘉和[1][8] - 其他提及主体：易丰科技（国内头部数据采集设备商，2026年规划采集1,000万小时数据，拥有约2万套设备，其中1万套用于自采）[3]；宇树科技（G1等适用于数据采集的产品已实现批量销售）[5]；Figure（国际头部初创公司，C轮融资额中预计15%-20%投向数据采集领域）[5]；北京、上海智源等机构联合产业联盟启动数据工厂建设[5] 二、核心观点与论据 （一）数据是机器人产业最关键瓶颈，数据市场尚属蓝海 - 机器人产业正从展示性功能（如唱歌跳舞）向能产生实际经济价值的专业场景应用过渡，核心痛点是机器人大脑的智能化与泛化能力不足，深层原因在于缺乏足够数量和高质量的数据来训练机器人模型，数据已成为制约产业发展的最关键瓶颈环节[2] - 整个数据市场从采集、治理到训练的全过程尚属蓝海，具备前瞻性投资价值[2] （二）市场空间测算：从十亿订单到万亿级远期空间 - 设备端：以易丰科技为例，1万套设备对应约1,000万小时数据量；若未来数据需求展望至10亿乃至百亿小时级别，采集设备需求量将达百万台级别，对应设备市场规模可达百亿甚至千亿人民币[3] - 数据服务端：数据类型包括真机数据、仿真数据和无本体数据，市场均价从每小时100元至5,000元不等；以行业中位数每小时300元估算，业界普遍认为需要超过1,000万小时的高质量数据才能实现类似GPT-3.0的突破，对应百亿量级的视频数据市场[3] - 整体规模：预计2026年数据产业整体订单规模约10亿元人民币；中期维度市场规模有望达到百亿量级；远期随着模型持续迭代对数据需求不断增长，市场空间可能扩展至千亿甚至万亿级别[1][3][4] （三）具身智能数据与传统大模型数据的四大区别 - 多模态与完善性：除视觉信息外，还需整合触觉、力觉甚至听觉等高精度模态数据[5] - 时空对齐：对数据时空对称性要求远高于传统文本和图像数据[5] - 场景覆盖：需覆盖足够多长尾场景，以保障模型通用性与泛化能力[5] - 质量优先于规模：物理AI更依赖执行、验证和复现，高质量数据的重要性超过单纯数据量堆砌[1][5] （四）产业发展现状 - 国内自2024年下半年起，地方及国家层面已开始规划布局数据产业，北京和上海智源等机构联合产业联盟启动数据工厂建设[5] - 2025年各省市密集部署针对人形机器人或具身智能的数据采集项目，代表性项目包括上海张江异构人形训练场和北京石景山训练场[5] - 资本层面积极布局，宇树科技G1等适用于数据采集的产品已实现批量销售；国际上Figure高度重视数据采集，C轮融资额中预计15%-20%投向该领域，近期头部初创公司在此方面资本开支预计可达1（单位原文未完整披露）[5] （五）四种主流数据采集技术路线及优劣势 - 机器人所需数据可分为真实数据、合成数据和互联网/纯人类数据三类，规模依次递增，成本和精度依次递减[6] - 遥操作：物理真实性和动作精度最高，但成本高、效率低，属重工业模式，通常用于模型训练后期关键环节，以调整和验证机器人精细操作性能[6] - Ego第一人称视频：部署门槛最低，可通过众包模式快速提升数据规模（如向市民发放头戴设备采集），劣势在于后期数据清洗、标注、治理和部署挑战较高，主要用于大规模预训练及前中段精度示范[6] - 仿真合成数据：产能无限，可快速复制、无限扩展，有效覆盖长尾场景并实现自动标注，主要劣势是存在难以跨越的"Sim-to-Real"鸿沟；若该问题解决，将是快速提升数据规模并保证一定质量的通用采集方式[6] - 便携式无本体：与Ego类似，能较好兼顾数据质量与成本，未来有潜力成为主流数据生产方式之一，劣势在于末端视野受摄像头范围限制且可能缺少部分物理信息，主要应用于大规模预训练和示范流程[6][7] （六）产业链核心受益环节与投资逻辑 - 上游数采设备：产业的"最大公约数"，格局相对清晰，将率先受益；核心产品包括相机、惯性测量单元、力觉/触觉传感器（如电子皮肤、力矩传感器）等；投资应选择具有明确卡位优势的核心零部件厂商[7] - 奥比中光：全球深度相机市场领导者，2026年机器人相关收入预计达4-5亿元，2027年有望超过10亿元[7] - 华依科技与新动联科：IMU领域，易丰科技核心陀螺仪供应商[7] - 中游数据采集服务商：将较快获得海内外头部模型厂商订单，核心壁垒在于是否拥有独立仿真平台能力，以及从数据采集、清洗、治理、标注到重定向的完整数据处理能力；投资应选择具备技术壁垒（如仿真资源优势）和早期大客户卡位优势的服务商[7] - 海天瑞声：数据标注和清洗领域多年技术积累，具备先发优势[7] - 利亚德：高精度光谱技术方面有望获得大客户订单[7] - 下游垂直领域应用：长期最具潜力的方向，随着上中游技术壁垒突破，拥有场景壁垒、场景know-how及运维优势的垂域本体公司将成为优质"卖水者"；投资应关注能构建模型、数据与场景闭环能力的龙头企业，重点推荐天奇股份和亿嘉和[8] 三、其他重要但可能被忽略的内容 - 数据产业订单规模2026年约10亿元，与远期万亿级空间形成巨大反差，隐含行业处于极早期投入阶段的判断[1][3] - 遥操作被定位为"重工业模式"，暗示其难以成为规模化数据供给主力，仅适用于后期精调环节[6] - Ego方案提出众包模式（向市民发放头戴设备），暗示数据采集可能向消费级硬件延伸，带来潜在产业链外溢机会[6] - 仿真数据的核心风险被明确为"Sim-to-Real"鸿沟，该问题的解决进度是判断仿真路线能否成为通用采集方式的关键变量[6] - 便携式无本体方案被评价为"未来有潜力成为主流数据生产方式之一"，属于四种路线中唯一被明确点出主流化潜力的方案[6] - 中游服务商壁垒被强调为"独立仿真平台能力"加"全流程处理能力"双重条件，单一环节能力不足以构成壁垒[7] - 下游本体公司的定位是"卖水者"，即不直接竞争数据生产，而是依托场景闭环能力受益于数据产业链成熟[8]