需求缺口摆在那里，可这门买卖的体量并没有外界想得那么大。

10月29日，有地方发改部门人士提到，数据采集的热度从去年上半年一路烧到今年上半年，进入今年下半年却明显回落。

这个走势有些反常。8月，中国信通院人工智能研究所等机构发布《具身智能训练场研究报告（2026年）》，其中测算，具身基础模型要想迎来“Chat GPT时刻”，真实数据至少得达到千万小时级，而全世界能用的高质量真实数据仅数十万至百万小时级。缺口明摆着，数据生意怎么反倒凉了？要弄清这一点，先得看缺口究竟有多大，又值多少钱。

图1｜具身智能数据采集现场。来源：新华社。

缺口确实存在，但“上亿小时”并非同一个数

觅蜂科技CEO姚卯青给过一组数：模型想具备GPT-3.5那种开箱即用的初步能力，需要的数据约为一亿小时，可全球有效具身数据眼下只有几十万小时。信通院的口径则是千万小时。贵州省大数据局今年7月也披露过一组数：国内真实场景下的合规数据存量约50万小时，而要商业化落地，得数千万小时，缺口超过99%。三套说法摆在一起，需求端差了一个数量级，供给端却都在几十万小时这个量级上。所以缺口到底是20倍还是200倍，得看拿谁的标准去衡量。

图2｜觅蜂科技CEO姚卯青在发布会上演讲。来源：封面新闻。

更麻烦的地方在于“小时”这个概念本身。都叫一小时，实际价值差得很远。

最贵的一类，是带动作标签的真机遥操作数据，机器人的关节角度、力矩和视觉画面按时间戳对齐。美国的Generalist在2025年11月披露，自己握有27万小时这类数据，每周还在增加1万小时。

图3｜

中间一类，是不绑定本体的第一视角数据，靠人戴头戴设备或手持夹爪采集，不锁定某一款机器人。觅蜂称自己累计产出已超过100万小时。

图4｜觅蜂MEgo View头戴式无本体采集设备。来源：觅蜂科技。

最便宜的一类，是原始视频。Figure在8月推出的Index应用，称每秒能收到30分钟的视频，折算下来一天上传的量约等于4.9年的人类工作时长。作为对照，Meta的Ego4D这个经典第一视角数据集，只有3670小时。

图5｜Figure Index应用界面。来源：Figure。

也就是说，“几十万对上亿”这个比法，拿的是最贵一档的存量，去对全部类型加总的需求。

把小时折算成钱：填平缺口要花多少？

数据没有统一牌价，但价格区间已大致成形。信通院报告显示，简单、非定制的无本体采集约每小时一百元，真机数据每小时数百元到上千元；科创板日报4月的报道称，真机数据每小时500至1000元，无本体数据预计会收敛到真机的三分之一到二分之一。价格还在往下掉，有采集商说，去年每小时能卖200多元的数据，今年只卖100多元。

照这个区间可以算笔账。假设填缺口时真机数据占10%至30%，其余为无本体数据，真机按每小时600元、无本体按100元计，加权单价约150至250元。那么，补上信通院所说的“千万小时”，大约需15亿至25亿元；补上“一亿小时”，大约需150亿至250亿元，折合20亿至35亿美元，还得摊到好几年里。

另一头再看：Figure一家公司就承诺，未来12个月在数据和算力上投入超过10亿美元；国内具身赛道2026年上半年的融资，据媒体统计有935亿元。缺口虽大，按现价算其实不贵。真正的难处不在没钱买，而在于没人能稳定交出足够多“有用的小时”，愿意掏钱的买家也不多。

市场究竟多大：从买方钱包倒推

现成的第三方数字互相打架。与非网引用的一项研究显示，2025年全球具身数据市场约2.42亿美元，中国约5.0亿元，同比增长203%。亿欧智库的说法是，2024年全球具身智能数据集市场约7.37亿美元。QYResearch估算的则是2024年全球具身智能数据采集工厂市场约7.53亿美元。同样一条赛道，数字能差出三倍以上。IDC的口径更大：2025年中国AI基础数据服务市场规模为62.62亿元，2026年预计增至78.34亿元，具身在其中只占很小一块。还有“2026年中国具身智能市场破万亿、数据服务占比超15%”这种说法，其口径把自动驾驶载具也算进了具身智能——中商产业研究院的统计里，自动驾驶载具占44.4%——因此没法拿来对应数据市场。

那就换个算法：不套别人的口径，从买方实际掏的钱往回推，按数据类型拆开，并把采集基建单列，因为场地和设备属于投资，不是数据销售。

中国占全球的比例取30%至40%，全球外部交易口径的市场约3.5亿至14亿美元，基准约7亿美元。跟与非网2025年的2.42亿美元相比，等于一年增长约三倍，量级能对上。

这张表能读出三层意思。第一层，占比最大的其实是仿真数据，最受追捧的真机遥操作反而只占一成多。第二层，自采自用的投入把总盘子撑得很大，可那部分钱供应商拿不到。Figure、Generalist这类公司是自己采、自己用，Figure一家就承诺未来12个月在数据和算力上投入超过十亿美元。这些钱把行业总花费抬高了，却不会流到外部的数据服务商手里，算外部市场时得把它剔出去。第三层，价格在往下走，量必须跟得上。与非网预测2030年全球市场达到52.5亿美元，按7亿美元的基准算，年均增速要接近65%；要是单价每年再降30%，有效小时数每年就得涨约2.4倍，四年下来约30倍。价格降得越猛，量就得跑得越急，这门生意真正吃紧的地方就在这里。

谁在买：各类买家的钱包厚薄不同

按2026年国内约18亿元的数据交易规模来拆，大厂和模型公司拿走大约五成，机器人本体厂商占到三成左右，科研机构与政府项目合计约两成。

真正愿意动外部预算的，是大厂和模型公司。觅蜂8月底把第2万套MEgo设备交到京东手上，同月宣布与腾讯Robotics X实验室做无本体数据合作，其积累的百万小时数据已经服务腾讯Robotics X实验室、蚂蚁灵波等客户；光轮智能那边同样握有一批客户。

图6｜觅蜂第2万套MEgo交付京东仪式。来源：觅蜂科技。

机器人本体厂商的需求最实，钱包却最紧。它们要的是跟自己本体绑定的真机数据，用来做后训练；可国内近300家机器人相关企业里，头部集成商一年交付量也就万台上下，绝大多数仍处于亏损。有行业观察的说法是，国内具身公司买第一视角数据的量不大，道理很直白——钱不够。

图7｜宇树科技H1人形机器人。来源：宇树科技

地方政府和国资干的是“建产能”，而非“买数据”。虎嗅梳理发现，不到两年，全国冒出106座数采中心，多数由政企共建；信通院的口径是，截至今年6月底，国内已建成启用的训练场超过70家，另有46家在建或规划中。相关统计显示，2026年上半年公开披露的具身智能及人形机器人中标项目里，教育科研机构占55.5%，工业及技术型企业占21.1%，政府及公共平台占20.6%——需求更多来自科研和公共投入，产线上的真实用户反倒不是主力。

图8｜济南人形机器人数据训练中心前台。来源：济南市投资促进局。

工业场景方一般不直接掏钱采购，走的是拿场景换数据。博世与银河通用在苏州合资设公司，计划投10亿元建机器人研发与产业化基地，同时又和千寻智能在工厂里做数据采集与模型训练；宁德时代则把电池产线开放给银河通用、千寻智能的机器人。对这类场景方而言，经过真实工况检验的数据才是最有价值的，订单金额倒在其次。

图9｜博银合创苏州研发基地车间人形机器人测试场景。来源：苏州工业园区管理委员会。

海外买家出手更重，但大多自己采。Figure的Index应用内测四个月，已向创作者付出1500万美元；照Forbes引述的每小时2至5美元价格折算，对应的是数百万小时原始视频。Generalist用自有的27万小时数据训练GEN-0模型；谷歌、英伟达从光轮买的，更多是仿真资产。

合作模式上，行业的基础交易方式有两种，关键差别在产权转不转移。其一为授权使用：数据公司留着产权，只卖使用权，买方不能再做商业化。其二为独家买断：产权随交易归客户，数据公司得把自有服务器上的对应数据同步删掉。这两种之外还有三种变形——设备加回购、场景换数据、众包分成。不管走哪条路，结算都按有效小时算，采集人员干了多久不作数。

还有一条行业经验：同一家模型公司若把多家来源的第一视角数据混着用，训练效果往往达不到预期。所以短期内客户只能集中挑一两家供应商，这个约束容易让订单往头部数据公司聚拢。

谁在卖：四种出身，各打各的牌

一类由本体厂商孵化而来，智元最典型。智元先在上海建起4000平方米的数采工厂，今年4月把“AGIBOT WORLD 2026”数据集开源，随后将数据业务剥离，成立觅蜂科技——今年2月注册，十天内做完数亿元种子轮和天使轮融资，红杉中国领投。觅蜂的MEgo设备已出货2万套，累计产出逾100万小时无本体数据，并喊出2026年做到千万小时级、2030年做到百亿小时级的数据产能。

图10｜觅蜂科技MEgo系列无本体数据采集设备。来源：觅蜂科技。

一类是新成立的数据专项公司，不造机器人，也不碰大模型，只做数据。光轮智能2023年1月成立，主攻物理仿真和合成数据，今年6月完成10亿元A+轮融资，估值越过10亿美元，成为全球首个具身数据独角兽，一季度拿下5.5亿元订单；无问智科建了国内规模最大的实体数据采集训练场之一，据称日产千小时数据，一季度手握数亿元订单，4月完成超亿元A轮；简智、诺亦腾同在这一梯队。量子位的统计是，过去一年有融资记录的15家独立具身数据服务商共融到约44.7亿元，其中光轮一家6起融资约31亿元，占了约七成。

图11｜厨房多机位物理仿真图。来源：光轮智能。

一类是老牌数据标注公司转型。海天瑞声是国内首家、也是目前唯一一家A股上市的AI训练数据服务企业，2026年上半年营收1.92亿元，同比增长22.45%。它已与国内一家头部具身厂商签下真机数据采集合约，更多订单还在对接，但公司自己的说法仍停在订单对接和样例数据方案阶段，具身业务在整体营收中占比很小。老牌公司的长处是质检体系和规模化生产，短处在于具身数据离不开采集硬件、真实场景和本体适配，不是把标注流程换个对象就能干。

图12｜DOTS-AD自动驾驶平台。来源：海天瑞声。

还有一类是跨界巨头和地方国资。京东打算发动数十万人参与采集，自研JoyEgoCam设备，目标两年采购1000万小时数据；百度智能云拉上多家机器人公司发布“具身智能数据超市”；中国移动建成1200平方米的家庭场景训练场；再加上前文那106座政企共建数采中心。这一类的长处是场景和资金，并不指望靠数据本身挣钱。

图13｜京东JoyEgoCam设备。来源：京东。

竞争格局有三个特点。一是资金高度集中，前面那七成就是佐证，觅蜂CEO也判断具身数据最终会走向寡头分布。二是同质化严重，虎嗅梳理发现，绝大多数数采厂的模拟场景挤在叠衣服、搬箱子、包裹分拣等少数通用任务上，数据重复度很高。三是价格战和转包已经冒头。采集从集中式转向分布式后，这门生意变成了组织劳动力，有数据代理商透露，有的头部公司在山东、河南“进村采数据”，让村民戴VR设备切菜、做饭，一小时一单给5块钱，还有中间商跑路，连这点劳务费都没结。一位采集商谈到明年光景，只能说“还很难说”。

供需测算：真机档过剩，好数据仍缺

把供需摆到一处看，得分档论。

真机遥操作这一档，名义产能早就把付费需求甩在了后面。按21世纪经济报道的说法，一个数采中心满负荷跑，一个月大概能出一两万小时数据。已启用的70家训练场，每家每月按1万小时算，一年名义产能约840万小时；可上文测算下来，2026年外部付费的真机有效小时只有25万至60万，利用率落在3%至7%。全国合规的真实场景数据存量约50万小时，也从侧面印证了这一点。就算把本体厂商自采自用的部分加进去，利用率也高不到哪去。

无本体这档，原始小时数不缺，缺的是有效小时。觅蜂不到八个月攒了100万小时，京东的采购目标约合每年500万小时，觅蜂自己定的产能目标是千万小时级，2027年按原始小时数跨过“千万小时”基本没有悬念。问题是界面新闻提到，一天8小时只能产出1到4小时有效数据，有效率仅12.5%至50%，而外部付费需求只有100万至400万有效小时。低标准的数据堆着过剩，真正紧的是头部客户的高标准：60FPS、1080P、双目、深度，时间同步和空间标定精度都得过关，能接住的供应商并不多。

供给弹性最大的其实是仿真这一档。卡住它的并非产能，而是仿真到现实的迁移效果；据称仿真数据的成本只有真机的约1%。在红杉AI Ascent 2026大会上，英伟达的范麟熙提出用世界动作模型取代VLA模型、用UMI和第一视角数据取代真机数据，需求结构本身也在变。

图14｜红杉AI Ascent 2026大会范麟熙演讲。来源：红杉资本。

三档合起来看，缺口的真实形态并不是“缺很多小时”。按原始小时数，无本体档2027年就能越过千万小时；折成有效小时，大约在数百万到一千万之间。真机遥操作档按全球每年新增100万至200万小时估算，要走到千万小时得花5到10年，除非技术路线转向无本体。真正稀缺的，是多场景、高精度、能通过验收这三个条件的交集。