具身智能数据缺口巨大，真机与无本体采集成本分化

中国信通院《具身智能训练场研究报告（2026年）》指出，模型实现突破至少需千万小时级有效数据，而当前全球高质量真实数据仅为数十万至百万小时级。尽管需求缺口巨大，但供给端因缺乏国家标准，呈现粗放式发展特征。大量厂商宣称拥有海量数据，实则多为堆量生产，导致高质量数据稀缺。今年下半年，数据采集热度从年初的狂热逐渐降温，行业开始正视质量与数量之间的巨大差距，从盲目追求数据规模转向对数据价值的理性评估。

目前，数据采集主要分为基于机器人本体的真机采集和无本体采集两类，分别对应模型预训练和后训练阶段。真机采集数据与本体构型强绑定，通用性不足，且涉及高昂的设备折旧与人力成本。以一台40万至50万元的机器人计算，2至3年的服役期意味着每年约20万元的设备成本。相比之下，无本体采集虽低成本获取通用数据，但角色正从辅助升级为关键补充。厂商需在特定周期内摊销成本，导致真机数据定价远高于无本体数据，简单无本体数据采集费用约为每小时百元，真机数据则达数百元至千元。

对于安防产业而言，具身智能机器人的落地依赖于“采数据—训模型—测场景”的闭环流程。虽然数据采集被视为当前可行的盈利途径之一，但高成本与低通用性仍是制约规模化应用的核心瓶颈。随着行业从狂热走向理性，建立统一的数据标准以提升质量、降低迁移成本，将成为提升机器人实际作业成功率及行业整体效能的关键所在。

责任编辑：李斌

文章来源：http://www.anfangnews.com/2026/1029/16942.shtml