机器人“大脑”进化的速度，丈量了具身智能发展的高度。数据“投喂”则左右“大脑”进化。

最近两年，机器人数采中心如雨后春笋般在全国快速铺开。资本眼中，这是不容错过的投资风口；产业眼中，这是缺一不可的基础设施；地方眼中，这是经济发展的新质名片。随之而来的商业模式跑通慢、任务场景同质化等行业挑战，让外界重新审视数采中心的商业价值。

“具身智能数据的采购需求还在形成过程中，市场化订单需要时间培育，体系内订单让一批训练中心在冷启动阶段把产线建起来、把队伍练出来，也为地方培育新兴产业提供了一种可操作的路径。作为起步阶段的安排，这是有价值的探索。”近日，四川元澈智源数据科技有限公司联合创始人孔思思接受中国证券报记者采访时表示，“元澈智源陆续承接了来自头部本体厂商和行业客户的市场化订单，以具身智能数据服务和训练验证能力服务相关产业。”

记者　吴科任

高价值数据量不足

超1万平方米的实验室被划分为一个个标准化采集单元，多个品牌的人形机器人分布其中，一群“00后”数据训采师正操作机器人模拟各类任务，过程中产生的数据实时同步云端……近日，记者在元澈智源运营的西南具身智能训练中心观摩了集中式遥操真机数据采集生产场景。数据经过清洗、标注、质检后，就是机器人“大脑”训练的“最佳燃料”。

有观点认为，一方面，人形机器人行业硬件方案趋于收敛，“大脑”训练成为决胜关键，而数据量级和质量决定模型泛化能力；另一方面，机器人高质量、高保真物理交互的真实数据极度缺失。

成都一家通用大模型企业相关负责人对记者表示：“我们的模型训练数据中90%是仿真数据，10%为真机数据。绝大多数模型企业都是仿真数据占比较高，原因包括：一是真机数据不足，且价格贵；二是真机数据采集速度远远跟不上模型期望的发展速度。”

“具身智能的瓶颈在数据，这是行业共识。”孔思思说，“具身智能产业的发展，不只需要算法工程师和机器人研发人员，也需要一批真正懂操作、懂规范、懂数据质量的人。”

真机遥操、无本体数据采集、仿真合成是目前数采中心主流的技术路线。孔思思介绍：“真机数据最贴近真实物理交互，价值密度最高、成本最高；无本体采集不依赖机器人本体，规模化和成本表现最好；仿真合成负责覆盖现实里采集成本极高，甚至有危险性的长尾场景。我们按客户的模型训练节奏和任务性质做配比。我们的真机采集年产能约20万小时，无本体采集约30万小时，仿真数据约10万小时。”

数据价值量不完全取决于技术路线和产能。孔思思说：“采集只是第一步。数据能不能适配训练任务、能不能转化为机器人的实际作业能力，要看后续技术处理。比如机器人进工厂后如何适应环境、与设备和业务系统协同、稳定完成任务，都需要技术开发和现场验证。”

渐进中的商业模式

除了专业的数据厂商，机器人本体企业、具身大脑企业、大模型公司等主体也纷纷下场，涌入具身智能数据采集赛道。随着风口热度上升，数据中心的商业模式备受关注。而参与主体的多元化，以及落地路径的多样性，很难复用一种商业模式。

元澈智源由深圳市文德数慧科技开发有限责任公司控股。文德数慧成立于2017年，它是一家专注于让AI落地的数据基础设施提供商，其对元澈智源的定位是以文德的数据基础设施能力为支撑，面向头部本体厂商和行业客户提供覆盖真机、无本体、仿真等具身智能数据服务，以及训练验证与定制化开发能力。

“宜宾这几年在新能源、动力电池、智能终端上形成了产业集群，高新区又集聚了机器人本体、核心零部件和产线集成企业。而且，宜宾水电富集、绿电充沛，长期运营优势显著。”孔思思说，具身智能数据业务天然需要贴近本体厂商和真实产业场景。

孔思思结合客户成熟度，向记者剖析了元澈智源的三层递进商业模式：首先是数据采集与标注服务，按项目制交付，客户主要是国内头部本体厂商和有训练需求的行业客户；其次是高质量数据集产品，对应高频、通用的作业场景，生产可销售的标准化数据集，客户买走的是“开箱可用”的训练数据，从服务转向产品；第三是机器人定制化开发与场景解决方案，从数据切入，帮助行业客户把机器人真正用到场景里去。

经过前期积累，上述训练中心客户数量和任务场景逐步增加。孔思思表示，当前重点是根据客户需求优先级和验收节点安排交付排期，保障交付体验和交付质量；部分订单交付计划已延伸至2027年，数据集产品和机器人定制开发业务也在同步推进客户验证和商业化拓展。“在交付能力逐步稳定的基础上，元澈智源将加快技术研发投入，并依托文德数慧加强仿真合成能力建设和长尾场景覆盖。”

多个行业挑战待解

商业模式之外，任务场景同质化、数据跨本体复用难、数据标准不统一等行业困境有待破解。“这是我们日常经营中面临的真实压力。问题背后有一个共同点：行业不能只停留在生产数据，还要进一步提升数据的质量、适用性和实际使用价值。”孔思思说。

机器人数采中心的大量产能集中在商超理货、仓储搬运等场景。孔思思表示：“元澈智源的场景结构不太一样。我们从项目积累阶段开始，场景就更多落在制造业产线、物流分拨、物业巡检运维这些产业纵深方向。这些任务复杂度高、数据价值密度高，和区域产业集群绑定也更紧密。工信部等部门今年开展人形机器人与具身智能实景实训专项行动，方向上就是引导行业从展示型场景转向产线型场景，元澈智源的场景积累已经处于这个方向上。”

机器人本体关节数、坐标系、控制频率不同，一家本体的数据换到另一家等于重采重标；数据格式互不兼容、难以拼接；各家数据流通难，这是实现跨本体复用的主要卡点。孔思思认为：“终局要靠标准和模型技术共同收敛，单家企业难以解决。”

标准层面，具身智能数据集行业标准已经实施，《人形机器人数据集》系列国家标准正在研制中，开源数据格式的生态也在快速形成，格式这一层的门槛会率先降下来，但语义层和跨本体适配层的打通还需要时间。

技术层面进展比预想快：一方面跨本体泛化的模型能力在提升，头部模型团队已经展示了用很少量样本适配新本体的能力；另一方面采集侧出现了一批与本体解耦的采集方案，可以覆盖通用动作，与真机遥操形成互补，而不是替代关系。

“我们的做法是在采集端就把动作语义和本体参数分层记录、交付时附带完整元数据，客户复用时可以做适配。”孔思思表示，“这是我们与单纯采集工厂的区别。”

“通用数据，尤其是无本体数据的价格下行是结构性趋势，不会逆转。我们不主张用‘价格战’回应，而是更加关注高质量和稀缺场景带来的溢价。这也是为什么我们把能力更多集中在真机数采与训练验证，而不是通用数据的规模扩张。”孔思思说。