? 本文PDF完整版已上传云盘，点击链接保存后可随时查阅：https://pan.quark.cn/s/f3cf17db5205
数据,不是算法,才是人形机器人这一轮真正卡脖子的地方。
硬件方案已经趋同了,谁的手臂更灵活、谁的关节更丝滑,差距越来越小。真正拉开身位的,是机器人的"大脑"——能不能理解场景、做出决策、举一反三。而大脑的训练燃料,是数据。现在的问题是:这个燃料严重不够用。
为什么偏偏是现在
2025年机器人千万级订单里,数据采集类占比31.25%,排第一位,比整机订单还靠前。这不是巧合。行业已经走到了"硬件够用、大脑不够用"的阶段,资本和订单会本能地流向瓶颈环节。
优必选Walker S系列中标超7.5亿元的数据采集中心订单,这类大单出现的时点,基本就是数据基建从"预研"转向"规模化建设"的信号。
缺口到底有多大
拿语言模型做参照最直观。GPT-2的训练数据量级约79万小时,GPT-3约1100万小时。而具身智能要做到可用,行业内估算至少需要1000万小时的多模态数据——这已经是GPT-3的门槛了,而实际因为场景多、模态多、还要考虑良率和长尾case,真实所需远不止这个数。
有代表性的数采公司已经把2030年的目标定到100亿小时。从"百万条"到"百亿小时",中间隔着几个数量级的产业空白,这才是数据基建被称为"最大短板"的原因。
三条路线,谁先跑出来还没定
现在整机、UMI、EGO(第一人称视角)三条数采路线并行,各有各的账:
- 整机采集最贵,而且数据很难跨机型复用;
- EGO轻量、成本低、通用性强,是眼下热度最高的路线;
- UMI单机设备贵,但数据精度是三者里最高的。
没有一条路线能通吃。往前看,不管走哪条路,相机、姿态感知(IMU)、触觉感知这三类传感器的重要性都在往上走——它们是数据生产的入口,路线可以变,入口不会变。
谁会先吃到这波红利
数据基建往上游拉动,大致分四层:
设备层最直接受益,相机(2D+3D)、IMU、灵巧手、触觉传感器、VR眼镜,这些是整机和EGO方案都绕不开的硬件,而且整机需要机器人本体与VR眼镜1:1配套,EGO需要相机头环与灵巧手1:1配套——需求是刚性的、可测算的。
仿真平台是另一条低成本扩容路径,产出效率高,但能不能真正用到实机上(Sim-to-Real),还需要验证。
数采服务公司靠的是场景经验和数据标准化能力,商业模式是卖数据,核心竞争力落在成本和质量上。
垂类应用最容易被忽视,但可能是价值密度最高的一环——各行业有自己的专属场景和数据闭环,稀缺性强,谁先把某个垂类场景的数据打通,谁就有先发壁垒。
接下来该盯什么
- 相机、IMU、触觉传感器这几个高ASP、格局相对好的赛道,订单和中标数据能不能持续放量;
- 数采公司的数据产出成本和良率,是不是在随规模化建设明显下降;
- EGO、UMI、整机三条路线的市场份额变化,看是走向某条路线一家独大,还是长期并存分工;
- 仿真数据的Sim-to-Real验证效果,这决定了仿真平台能不能真正替代部分真实数据采集;
- 垂类应用公司手里的场景数据壁垒,是不是在转化为实际的模型效果或商业订单;
- 机器人整体渗透和落地进度,一旦不及预期,数据基建的投资节奏会被直接拖慢。
以下为原文预览：
需要查看更多专题研究报告，可以微信扫一扫/长按识别下方优惠券付费成为会员，30000+份报告，随意下载，不受限制，报告涵盖全行业。
【大吉行业专题报告库】：公众号@大吉研报星球
作者 选择加入即可获得：
1. 星球精选专题研报
2. 1v1研报专题定制整理、查找与下载服务
戳“阅读原文”下载报告
